คำอธิบาย

วิทยาศาสตร์ข้อมูล (Data Science) เป็นกระแสที่เริ่มมาแรงในการทำงานในปัจจุบันที่เราพบเจอกับข้อมูล (Data) ได้ในทุกๆ ที่ ทุกเวลา ผู้ที่เกี่ยวข้องจึงควรรู้หลักการของเทคนิคและกระบวนการใน “การวิเคราะห์ข้อมูล” อย่างถูกต้องและมีประสิทธิภาพ ซึ่งถือเป็นทักษะที่จำเป็นอย่างมากของการทำงานด้าน Data Science หรือในแง่มุมของการทำงานสายอื่นๆ ที่มีความต้องการใช้ข้อมูล

โดยภายในหลักสูตรผู้เรียนจะได้เรียนรู้เนื้อหาที่สำคัญ ทั้งในส่วนของขั้นตอนพื้นฐานของการทำ Data Science ไปจนถึงวิธีการวิเคราะห์ข้อมูลต่างๆ ด้วยภาษา Python ซึ่งถือเป็นภาษาโปรแกรมที่นักพัฒนานิยมนำมาใช้ในการทำ Data Science มากขึ้นเรื่อยๆ เนื่องจากมี Library ต่างๆ ให้เรียกใช้เป็นอย่างมาก นอกจากนี้ผู้เรียนจะได้เรียนรู้ Library ของ Python ในด้าน Data Science และด้านการวิเคราะห์ข้อมูล (Data Analytics)

“หลักสูตรนี้ ไม่จำเป็นต้องเป็น Programmer ก็เรียนได้ !”

“หลักสูตรนี้เป็นแบบ 2 วัน Live และ 2 วันดู Video รวมเป็นทั้งหมด 4 วัน”

ขั้นตอนการเรียน 

• ก่อนเริ่มเรียน 1 สัปดาห์ จะมี Email แจ้งวิธีการเข้าไปเรียนระบบการเรียน Online
• เมื่อถึงเวลา สามารถเข้าไปดู Live ที่ระบบเรียน online ได้เลย

*** ควรผ่านหลักสูตร Introduction to Python for Data Science มาก่อน ***

แถมฟรี โจทย์ 3 ประเภท สำหรับ คนทุกรูปแบบ นอกเหนือจากโจทย์ในห้อง
* โจทย์ฝึกฝน – ทำโจทย์เรื่องเดิมๆ เพิ่มอีก 2 เท่า เพื่อฝึกฝนให้เชี่ยวชาญมากขึ้น
* โจทย์เทคนิคสำหรับต่อยอด
* โจทย์เทคนิคสำหรับโปร

ปกติราคา 6,900 บาทเหลือเพียง 299 บาทเท่านั้น

* ไม่มีการคืนเงินสำหรับการยกเลิก (ขอสงวนสิทธิ์ในการขอเงินคืนโปรดซื้อตั๋วที่ผ่านทางเว็บไซต์)

* สอนโดยผู้เชียวชาญด้าน Data Science และเป็นนักวิจัยปริญญาเอกด้าน Data Science และ Data Analytic

The Mentor Oak กฤษฎา เฉลิมสุข

ประวัติการศึกษาผู้สอน

• กำลังศึกษาปริญญาเอก คณะวิศวกรรมศาสตร์ สาขาการจัดการข้อมูล สถาบันเทคโนโลยีแห่งเอเชีย, ภาควิชาวิทยาศาสตร์คอมพิวเตอร์และการจัดการข้อมูล
• ปริญญาโท คณะวิศวกรรมศาสตร์ สาขาการจัดการข้อมูล สถาบันเทคโนโลยีแห่งเอเชีย, ภาควิชาวิทยาศาสตร์คอมพิวเตอร์และการจัดการข้อมูล – GPA = 3.72
• ปริญญาตรี คณะวิศวกรรมศาสตร์ ภาควิชา วิศวกรรมคอมพิวเตอร์ จุฬาลงกรณ์มหาวิทยาลัย – GPA = 3.52

งานนี้เหมาะกับใคร

• ผู้ที่ต้องการวิเคราะห์ธุรกิจโดยการนำ data มาวิเคราะห์
• นักธุรกิจที่ต้องการใช้ข้อมูลมาวิเคราะห์เพื่อการตัดสินใจที่ดีขึ้น เช่นผู้บริหาร
• บุคคลทั่วไปที่ต้องการลดขั้นตอนของการทำงานที่ซ้ำซ้อน เช่น รายงานต่างๆ ที่ออกเหมือนเดิม
• บุคคลทั่วไปที่มีความสนใจในการเรียนภาษา Python พื้นฐานสำหรับงานทั่วไปเพื่อเป็นแนวทางต่อยอดในอนาคต
• บุคคลทั่วไปที่มีความสนใจในการเรียนภาษาที่เอาไปใช้ทำ Machine Learning เพื่อเป็นพื้นฐานสำหรับงานทั่วไปเพื่อเป็นแนวทางต่อยอดในอนาคต
• บุคคลที่อยากเปลี่ยนสายงาน

บทเรียน     Lab 50% บรรยาย 50%

วันที่ 1 

• Data Cleaning
• Univariate Analysis
• Bivariate Analysis
• Multivariate Analysis
• Bringing it together

วันที่ 2

1. Basic maths for Machine Learning
2. Import dataset from various sources: files, databases, public datasets
3. Encoding categorical data
4. Feature engineering
5. Model evaluation and validation assessment (Confusion Matrix, Accuracy, Classification Error, Precision, Recall)

วันที่ 3

1. Simple Linear Regression
2. Gradient Descent
3. Logistic Regression
4. K-Nearest Neighbours
5. Decision Trees
6. Naive Bayes
7. Support Vector Machine
8. Ensemble Method
9. Parameters Tuning
10. XGboost

วันที่ 4

1. Neural Networks
2. Cloud Computing
3. Deep Neural Networks
4. Convolutional Neural Networks
5. Recurrent Neural Networks
6. Basics of Flask, Docker, Kubenetes

สิ่งที่ได้เรียนรู้ในการประชุมเชิงปฏิบัติการนี้

• ผู้เรียนได้รับประสบการณ์จากการฝึกปฏิบัติจริงด้วยตนเอง (Hands-on experience สามารถใช้งาน Python Library สำหรับการทำ Machine Learning และทำด้าน Data Science ได้อย่างเข้าใจ
• มีความรู้ความเข้าใจเกี่ยวกับ algorithm ต่างๆ ของ Machine Learning ที่จำเป็น
• ทราบถึงแนวทางการใช้งาน Python Libraries ที่เป็นประโยชน์ต่อการดำเนินงานด้าน Data Science รวมถึงสามารถใช้งาน Python Tools ได้อย่างเหมาะสมกับกระบวนการปฏิบัติงาน