Introduction & Importance of Big Data and Data Analytics

Cross-industry standard process for data mining CRISP-DM

กระบวนการที่ใช้สำหรับการทำเหมืองข้อมูล

1. การทำความเข้าใจธุรกิจ (Business Understanding)

2. การทำความเข้าใจข้อมูล (Data Understanding)

3. การเตรียมข้อมูล (Data Preparation)

4. การสร้างโมเดล (Modeling)

5. การวัดประสิทธิภาพของโมเดล (Evaluation)

6. การนำโมเดลไปใช้งานจริง (Deployment)

รูปแบบการวิเคราะห์ข้อมูล

1. การวิเคราะห์ข้อมูลแบบพื้นฐาน (Descriptive Analytics)

2. การวิเคราะห์แบบเชิงวินิจฉัย (Diagnostic Analytics)

3. การวิเคราะห์แบบพยากรณ์ (Predictive Analytics)

4. การวิเคราะห์แบบให้คำแนะนำ (Prescriptive Analytics)

Machine Learning

การเรียนรู้รูปแบบจากข้อมูลในอดีตจากข้อมูลที่ใส่เข้าไป แล้วนำมาสร้างเป็นแบบจำลอง (Model) เพื่อใช้ในการคาดการณ์สิ่งที่จะเกิดขึ้นในอนาคต

1.รูปแบบของ Data Analytics

2.เทคนิคการทำนายและแบ่งประเภทข้อมูล (Data Classification and Prediction)

3.เทคนิคการหาความสัมพันธ์ระหว่างข้อมูล (Association Rule Discovery)

4.Workshop for Data Analytics and Visualization Tools เพื่อนำไปใช้จริงในธุรกิจ

กรณีศึกษา/Work Shop