Project Description
Hands-on Data Science and Machine Learning
ตารางอบรม:
-
กลุ่มที่ 1 อบรมวันที่ 12, 15, 16, 22, 23, 29, 30 มิ.ย. และ 1, 7, 8, 13, 14, 20, 21, 24 (ครึ่งวัน), 27 (ครึ่งวัน) ก.ค. 2563
จัดสอนโดยทีมอาจารย์จาก สถาบันส่งเสริมการวิเคราะห์และบริหารข้อมูลขนาดใหญ่ภาครัฐ (GBDi) -
กลุ่มที่ 2 อบรมวันที่ 11, 12, 15, 18, 19, 25, 26 มิ.ย.; 3, 7, 8, 13, 14 ก.ค. และ 3, 4, 5 ส.ค. 2563
จัดสอนโดยทีมอาจารย์จาก มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าธนบุรี: มจธ. (KMUTT) -
กลุ่มที่ 3 อบรมวันที่ 24-28, 31 ส.ค. และ 1-4, 7-8, 14-16 ก.ย. 2563
จัดสอนโดยทีมอาจารย์จาก คณะวิทยาศาสตร์ มหาวิทยาลัยเกษตรศาสตร์ (SCI.KU) -
กลุ่มที่ 4 อบรมวันที่ 28 ส.ค.; 4, 11, 18, 25 ก.ย.; 2, 9, 16, 30 ต.ค. และ 6, 13, 17, 20, 24, 27 พ.ย. 2563
จัดสอนโดยทีมอาจารย์จาก คณะวิศวกรรมศาสตร์ มหาวิทยาลัยเกษตรศาสตร์ (ENG.KU) -
กลุ่มที่ 5 อบรมวันที่ 30 ก.ย.; 7, 14, 21, 28 ต.ค.; 4, 13, 20, 27 พ.ย. และ 4, 9, 16, 21-23 ธ.ค. 2563
จัดสอนโดยทีมอาจารย์จาก คณะเทคโนโลยีสารสนเทศและการสื่อสาร มหาวิทยาลัยมหิดล (ICT.MU) -
กลุ่มที่ 6 อบรมวันที่ 21, 24, 30 ก.ย.; 7, 12, 22, 27, 29 ต.ค.; 17, 20, 24, 27 พ.ย. และ 23-25 ธ.ค. 2563
จัดสอนโดยทีมอาจารย์จาก คณะสถิติประยุกต์ สถาบันบัณฑิตพัฒนบริหารศาสตร์ (GSAS.NIDA)
ผลการเรียนรู้เป้าหมาย:
-
ผู้เรียนสามารถทำความเข้าใจข้อมูลแต่ละประเภทและสรุปผลเชิงสถิติจากข้อมูลได้อย่างถูกต้อง
-
ผู้เรียนสามารถเขียนโปรแกรมภาษา R หรือ Python เพื่อทำความสะอาดข้อมูลและสร้างโมเดลวิเคราะห์พื้นฐานได้
-
ผู้เรียนสามารถสร้างโมเดลคณิตศาสตร์พื้นฐานตามบริบทของงานได้ด้วยตัวเอง
-
ผู้เรียนสามารถอธิบายผลสรุปจากการวิเคราะห์และออกแบบการนำเสนอผลได้อย่างมีประสิทธิผล
โครงสร้างหลักสูตร:
-
Introduction to data science and analytic thinking
ความรู้เบื้องต้นเกี่ยวกับการวิเคราะห์ข้อมูล รวมถึงการอภิปรายเทคนิคทั่วไปที่สำคัญสำหรับการวิเคราะห์และแปลงข้อมูลให้ได้มาซึ่งสารสนเทศที่มีความหมายจากชุดข้อมูลต่างๆ -
Data science with basic Python programming or R programming
การเขียนโปรแกรมพื้นฐานเฉพาะเพื่อการวิเคราะห์ข้อมูล โดยการพัฒนาความรู้ความสามารถในการเขียนโปรแกรมภาษา Python หรือภาษา R -
Introduction to statistics
ความรู้เบื้องต้นเกี่ยวกับสถิติเชิงพรรณนา (Descriptive statistics) และความรู้เบื้องต้นเกี่ยวกับสถิติเชิงอนุมาน (Basic statistical inference) -
Exploratory data analysis
การวิเคราะห์ข้อมูลเบื้องต้น ประกอบด้วย การตรวจสอบความผิดพลาดในการกรอกข้อมูล ค่าสูญหาย (Missing value) ค่าผิดปกติ (Outlier) การแจกแจงของข้อมูล ความเท่ากันของความแปรปรวน ความสัมพันธ์เชิงเส้นตรง ภาวะร่วมเส้นตรงพหุ (Multicollinearity) -
Data cleansing with Python or R
การทำความสะอาดข้อมูล เพื่อเตรียมการสำหรับการวิเคราะห์ โดยเรียนรู้หลักการพื้นฐานของการประเมินข้อมูล และการทำความสะอาดข้อมูลด้วยการเขียนโปรแกรมภาษา Python -
Basic machine learning
ความรู้เบื้องต้นเกี่ยวกับการเรียนรู้ของเครื่อง ขั้นตอนที่จำเป็นสำหรับการสร้างแบบจำลองการเรียนรู้ของเครื่อง แนวคิดการเรียนรู้ด้วยเครื่องและประเภทการเรียนรู้แบบมีผู้สอน (supervised learning) และการเรียนรู้แบบไม่มีผู้สอน (unsupervised learning) การประเมินขั้นตอนวิธีการเรียนรู้ของเครื่อง การวิเคราะห์ที่ไม่ขึ้นกับขั้นตอนวิธี อัลกอริทึมสำหรับการจัดแบ่งประเภท การเตรียมประมูลผลข้อมูลเพื่อสร้างชุดข้อมูล (Data Set) ที่มีคุณภาพ การบีบอัดเพื่อลดมิติของข้อมูล การประเมินผลแบบจำลองและการปรับแต่งพารามิเตอร์ -
Data Modeling Project
เลือกโจทย์ปัญหาพื้นฐานขององค์กรที่มีข้อมูลพร้อมอยู่แล้วมาสร้างโมเดลคณิศาสตร์ที่เหมาะสมเพื่อการวิเคราะห์เชิงพยากรณ์และนำเสนอผลงาน
เงื่อนไขการเข้ารับการอบรม:
-
ผู้เข้ารับการอบรมจำเป็นต้องมีทักษะภาษาโปรแกรมคอมพิวเตอร์ (ภาษาใดก็ได้) หรือ SPSS หรือ Macro ใน Excel โดยผ่านการทดสอบด้านตรรกะการเขียนโปรแกรม และความรู้ด้านฐานข้อมูล
-
สถาบันส่งเสริมการวิเคราะห์และบริหารข้อมูลขนาดใหญ่ภาครัฐ (สวข.) จำกัดจำนวนผู้เข้าร่วมอบรมรุ่นละไม่เกิน 50 คน (ทั้งหมด 4 รุ่น) ดังนั้น สถาบันฯ ขอพิจารณาคัดเลือกผู้มีสิทธิ์เข้าร่วมอบรมตามความเหมาะสม
-
ผู้ที่สนใจเข้าร่วมการอบรมจะต้องกรอกข้อมูลในแบบฟอร์มรับสมัคร และทำแบบทดสอบความรู้ด้านตรรกะการเขียนโปรแกรม และความรู้ด้านฐานข้อมูล เพื่อคัดเลือกผู้มีสิทธิ์เข้าร่วมอบรม โดยแบบทดสอบเป็นลักษณะเลือกตอบ จำนวน 30 ข้อ และสามารถทำแบบทดสอบได้เพียงครั้งเดียวเท่านั้น
-
ผู้มีสิทธิ์เข้าร่วมอบรมจะต้องตอบยืนยันการเข้าร่วมอบรมในแบบฟอร์ม ภายในวันที่ 29 พ.ค. 2563
เกณฑ์การประเมินผล:
-
คะแนนร้อยละ 30 มาจากการสอบ (Quiz) และแบบฝึกหัด (Assignment)
-
คะแนนร้อยละ 30 มาจากการสอบ Post-test
-
คะแนนร้อยละ 40 มาจาก Presentation and Final Project Submission
ลงทะเบียนและทำแบบทดสอบ
ขออภัย มีผู้สนใจลงทะเบียนเต็มแล้ว
แจ้งรายชื่อผู้มีสิทธิ์เข้าอบรม
ระยะเวลาอบรม
15 วัน
ช่วงเวลาจัดอบรม
เดือน พ.ค. – ก.ย. 2563
รูปแบบการสอน
Online Classroom
- Lecture
- Workshop
- Problem-based
- Project-based
ประกาศนียบัตร
มี 2 ประเภท
ผู้เข้าอบรมจะต้องเข้าร่วมกิจกรรมไม่น้อยกว่าร้อยละ 80 ของเวลาจัดกิจกรรมทั้งหมด
ผู้เข้าอบรมจะต้องเข้าร่วมกิจกรรมไม่น้อยกว่าร้อยละ 80 ของเวลาจัดกิจกรรมทั้งหมด
และได้คะแนนในการประเมินผลการอบรมไม่น้อยกว่าร้อยละ 70
Organized by GBDi
🗺 Venue Online Course