โครงการบัณฑิตพันธุ์ใหม่
Big Data Analytics
(รุ่นที่ 3 ปี 2564)

มุ่งเน้นพัฒนาศักยภาพของบุคลากรและองค์กรให้มีสมรรถนะ ในการวิเคราะห์ข้อมูลขนาดใหญ่ ไม่ว่าจะเป็น Descriptive/Predictive Analytics, Modern Recommender System, Text Analytics เพื่อขับเคลื่อนธุรกิจไปในทิศทางที่เหมาะสม

ข่าวประชาสัมพันธ์
ติดตามข่าวประชาสัมพันธ์
icon-1 6

เชี่ยวชาญ "Tool"​

     ฝึกติดตั้ง ฝึกใช้ เครื่องมือ (ราคาถูกเน้น Open source) ที่เหมาะกับข้อมูลขนาดต่าง ๆ เราคงไม่เอาค้อนตอกตะปูไปทุบเพื่อย่อยก้อนหินขนาดใหญ่บนภูเขา การใช้เครื่องมือที่เหมาะสมจะช่วยทุ่นแรง เวลา และค่าใช้จ่ายได้มากทีเดียว 

  • Module BD00: พื้นฐาน Big data (Big Data Fundamental) 
  • Module BD01: การติดตั้ง Hadoop และเครื่องมือที่ช่วยในการจัดการ Big data 
  • Module BD03: ฐานข้อมูล NoSQL 
  • Module BD04: การประมวลผลข้อมูลขนาดใหญ่ด้วย SQL และ Spark
icon-2 2

เชี่ยวชาญเรื่อง “ข้อมูล”

     มีข้อมูลเหมือนมีผู้เชี่ยวชาญประสบการณ์สูงอยู่กับตัว การเข้าใจอย่างถูกต้อง และลึกซึ้ง นำไปสู่การรีดประสิทธิภาพให้เกิดประโยชน์สูงสุดเมื่อนำไปวิเคราะห์ ข้อมูลมีหลายรูปแบบทั้งที่มีและไม่มีประโยชน์กับการวิเคราะห์ ข้อมูลบางอย่างอาจต้องเปลี่ยน หรือแปลงให้อยู่ในรูปแบบที่เหมาะสมเพื่อให้การนำไปใช้ไม่ถูกมองว่าเป็น “ข้อมูลขยะ” 

  • Module BD02: การจัดการข้อมูลแบบมีโครงสร้างและกึ่งโครงสร้าง (Structured and semi-structured data ingestion and representation) 
  • Module DS02: การทำให้เห็นภาพ (Data visualization) 
  • Module DS03: การเตรียมข้อมูล (Data preprocessing) 
icon-3 2

เชี่ยวชาญ “การตั้งคำถาม”
ที่จะมีทางออก

     คำถามที่แก้ได้ด้วยการวิเคราะห์ข้อมูลให้คุณ และเห็นผลอย่างน่าเหลือเชื่อ คำถามนำไปสู่การตีความ นำไปสู่การเตรียม หรือหาข้อมูลมาสนับสนุน เพื่อให้ได้ผลลัพธ์รวดเร็วและเกิดประโยชน์สูงสุด 

  • Module DS01: การทำความเข้าใจเกี่ยวกับธุรกิจ (Business understanding) 
  • Module DS02: การทำให้เห็นภาพ (Data visualization)
  • Module DS03: การเตรียมข้อมูล (Data  Preprocessing)
icon-5 2

เข้าใจ “ธรรมชาติของพฤติกรรม”
(Descriptive analytics)

     ข้อมูลที่เกิดขึ้นแล้วคือความเป็นจริงที่ไม่ต้องการพิสูจน์ การเข้าใจความจริงอย่างจริงจังทำให้มั่นใจในสิ่งที่เคยเกิด และมั่นใจในทิศทางที่จะไปในอนาคต การให้ข้อมูลอธิบายตัวเอง เป็นหนึ่งในกระบวนการที่สำคัญการตัดสินใจโดยใช้ข้อมูลช่วยในการขับเคลื่อน 

  • Module DS02: การทำให้เห็นภาพ (Data  visualization)
  • Module DS03: การเตรียมข้อมูล (Data  Preprocessing)
  • Module DS04: การจัดกลุ่มข้อมูล (Clustering-Unsupervised machine learning)
icon-4 2

วิเคราะห์เพื่อ “มองอนาคต”
(Predictive analytics)

     การทำนายความต้องการ หรือแนวโน้ม ช่วยให้การประเมิน การตัดสินใจพุ่งเป้า เป็นไปในทิศทางที่ชัดเจนการวิเคราะห์ที่ทราบผลกระทบก่อนนำไปใช้จึงจำเป็นมาก ข้อมูลที่เคยเกิดขึ้นแล้วในอดีตมีโอกาสที่จะเกิดขึ้นอีกในอนาคตการเตรียมตัวล่วงหน้าจะช่วยลดโอกาสความสูญเสีย และเพิ่มโอกาสความได้เปรียบทางธุรกิจ 

  • Module DS05: การสร้างแบบจำลองเพื่อทำนายข้อมูลที่มีค่าต่อเนื่อง (Regression-Supervised machine learning) 
  • Module DS06: การสร้างแบบจำลองเพื่อทำนายประเภทของข้อมูล (Classification-Supervised machine learning) 
  • Module DS07: ระบบแนะนำโดยการวิเคราะห์กฎความสัมพันธ์ (Recommender system using Association analysis) 
  • Module DS08: ระบบแนะนำโดยใช้วิธีการกรองร่วม (Recommender system using Collaborative filtering) 
  • Module DS09: การวิเคราะห์ข้อความ (Text analytics) 
icon-6 2

เข้าใจและสอน “Machines”
ให้เหมาะกับงาน

     ในยุคที่ Machine Learning ช่วยให้ AI ตัดสินใจอย่างชาญฉลาด การเลือกใช้ การฝึกสอน และการประเมิน Machine Learning model ที่เหมาะสม จึงเป็นทักษะที่จะกำหนดความสำเร็จของการนำไปใช้ เมื่อข้อมูลพร้อมเครื่องมือพร้อมลักษณะของคนที่ใช้เครื่องมือกับข้อมูลที่เหมาะสมได้ดี คือหนึ่งในสิ่งช่วยที่รับประกันความสาเร็จ 

  • ​Module DS04: การจัดกลุ่มข้อมูล (Clustering-Unsupervised machine learning)
  • Module DS05: การสร้างแบบจำลองเพื่อทำนายข้อมูลที่มีค่าต่อเนื่อง (Regression-Supervised machine learning) 
  • Module DS06: การสร้างแบบจำลองเพื่อทำนายประเภทของข้อมูล (Classification-Supervised machine learning) 
  • Module DS07: ระบบแนะนำโดยการวิเคราะห์กฎความสัมพันธ์ (Recommender system using Association analysis) 
  • Module DS08: ระบบแนะนำโดยใช้วิธีการกรองร่วม (Recommender system using Collaborative filtering) 
  • Module DS09: การวิเคราะห์ข้อความ (Text analytics) 
icon-10

Big Data Analytics

รายละเอียดหลักสูตร

กำหนดการเบื้องต้น

  • ยื่นเอกสารเพิ่มเติม (กรณียื่นเอกสารไม่ครบในวันสัมภาษณ์)
  • ชำระเงินค่าประกันทรัพย์สินเสียหาย (โปรดติดตามข่าวสารบนเว็บไซต์)

เริ่มโครงการระหว่าง
วันที่ 23 เม.ย. 2564 – 30 ก.ย. 2564

Big Data Analytics

ขั้นตอนการสมัคร

demo-attachment-117-Group-110@2x

รวบรวมทีม

01
demo-attachment-118-Group-108@2x

เสนอโจทย์

02
demo-attachment-119-Group-109@2x

รอประกาศผล

03
demo-attachment-120-Group-111@2x

เข้าร่วมหลักสูตร

04

Big Data Analytics

เนื้อหาหลักสูตร

Big Data Module

  • พื้นฐาน Big Data (Big Data Fundamental)
  • การติดตั้ง Hadoop และเครื่องมือที่ช่วยในการจัดการ Big Data
  • การจัดการข้อมูลแบบมีโครงสร้างและกึ่งโครงสร้าง (Structured and semi-structured data ingestion and representation)
  • ฐานข้อมูล NoSQL
  • การประมวลผลข้อมูลขนาดใหญ่ด้วย SQL และ Spark

Data Science Module

  • การทำความเข้าใจเกี่ยวกับธุรกิจ (Business understanding)
  • การทำให้เห็นภาพ (Data visualization)
  • การเตรียมข้อมูล (Data Preprocessing)
  • การจัดกลุ่มข้อมูล (Clustering-Unsupervised machine learning)
  • การสร้างแบบจำลองเพื่อทำนายข้อมูลที่มีค่าต่อเนื่อง (Regression-Supervised machine learning)
  • การสร้างแบบจำลองเพื่อทำนายประเภทของข้อมูล (Classification-Supervised machine learning)
  • ระบบแนะนำโดยการวิเคราะห์กฎความสัมพันธ์ (Recommender system using Association analysis)
  • ระบบแนะนำโดยใช้วิธีการกรองร่วม (Recommender system using Collaborative filtering)
  • การวิเคราะห์ข้อความ (Text analytics)

สมัครเข้าร่วมโครงการ

คุณสมบัติผู้สนใจเข้าร่วมโครงการ

  • สำเร็จการศึกษาไม่ต่ำกว่าปริญญาตรี หรือกำลังศึกษาปริญญาตรีชั้นปีสุดท้าย
  • มีความรู้ความสามารถด้านการเขียนโปรแกรม
    คอมพิวเตอร์ในภาษาใดภาษาหนึ่ง
  • ถ้าสมัครเป็นทีม อย่างน้อย 3 คนขึ้นไปต่อบริษัท จะได้รับพิจารณาเป็นพิเศษ
สมัครเข้าร่วมโครงการ
people_main

Big Data Analytics

Gallery