วันที่อบรม: วันที่ 16-17 พฤษภาคม 2569 | เวลา 09.00 – 16.00 น.
ราคา 6,900 บาท ลงทะเบียนก่อน 14 วันลด 10 % เหลือเพียง 6,210 บาท
📍 : Online Training
วิทยากร : ว่าที่ร้อยตรี ธีรพัฒน์ กันสดับ
หน่วยพัฒนาปัญญาประดิษฐ์ กองเทคโนโลยีสารสนเทศ มหาวิทยาลัยมหิดล
หลักการและเหตุผล
ในยุคปัจจุบันที่ข้อมูล (Data) เปรียบเสมือนน้ำมันดิบในโลกดิจิทัล การที่องค์กรจะขับเคลื่อนไปข้างหน้าได้อย่างมีประสิทธิภาพจำเป็นต้องอาศัยการตัดสินใจที่แม่นยำ (Data-Driven Decision Making) อย่างไรก็ตาม ปัญหาที่หลายองค์กรพบคือความซับซ้อนของข้อมูล และการขาดความเข้าใจในการนำเทคโนโลยีปัญญาประดิษฐ์ (AI) มาประยุกต์ใช้จริง
หลักสูตรนี้จึงถูกออกแบบมาเพื่อ “สร้างสะพานเชื่อม” ระหว่างทฤษฎีและการประยุกต์ใช้ โดยมุ่งเน้นการปูพื้นฐานตั้งแต่กระบวนการคิด (Mindset) การเตรียมข้อมูล (Data Engineering) ไปจนถึงการสร้างโมเดล (Machine Learning) และการนำไปใช้จริง (Deployment) เพื่อให้ผู้เรียนสามารถเปลี่ยน “ข้อมูล” ให้เป็น “มูลค่า” ทางธุรกิจได้อย่างยั่งยืน
วัตถุประสงค์
- เพื่อให้ผู้เรียนเข้าใจความแตกต่างและบทบาทของ AI, Machine Learning และ Data Science ในภาคธุรกิจ
- เพื่อให้ผู้เรียนเข้าใจวงจรการทำงานที่เป็นมาตรฐานสากลอย่าง CRISP-DM
- เพื่อให้ผู้เรียนสามารถจัดการกับปัญหาข้อมูลในชีวิตจริงได้ เช่น ข้อมูลสูญหาย (Missing Value), ข้อมูลผิดปกติ (Outlier) หรือข้อมูลที่ไม่สมดุล (Imbalance Data)
- เพื่อให้ผู้เรียนเข้าใจและสามารถเลือกใช้เทคนิค Machine Learning (Classification, Regression, Clustering) ได้เหมาะสมกับโจทย์ทางธุรกิจ
- เพื่อให้ผู้เรียนมองเห็นภาพรวมของการนำโมเดลไปใช้งานจริง (Deployment) และการใช้ Prompt Engineering เบื้องต้นเพื่อเพิ่มประสิทธิภาพการทำงาน
ความรู้พื้นฐาน
หลักสูตรออกแบบให้ปูพื้นฐานในทุกหัวข้อ ผู้เข้าอบรมไม่จำเป็นต้องมีความรู้เชิงเทคนิคมาก่อน และสามารถเรียนรู้เพื่อนำไปต่อยอดการประยุกต์ใช้งานได้ โดยผู้เข้าอบรมควรมีความเข้าใจพื้นฐานด้านข้อมูลและการวิเคราะห์ข้อมูล มีความคุ้นเคยกับแนวคิด Data Science, Data Engineering, AI และ Machine Learning ในระดับเบื้องต้น รวมถึงเข้าใจหลักการสื่อสารและสั่งงานระบบ AI ผ่านการใช้
ลงทะเบียน
ได้ทันทีคลิก [ลงทะเบียน
ได้ทันทีคลิก [https://forms.gle/m6S12gCZ22qP1ut16]
กำหนดการ
| เวลา | หัวข้อ |
| วันที่ 1 | |
| 9.00 – 10.30 | Introduction to Data ScienceCRISP-DMData type and Data ImportingAI, ML, Data Science ต่างกันอย่างไร |
| 10.30-10.45 | Break |
| 10.45 – 12.00 | Missing value and Outlier HandlingImbalance DataIntroduction to Data Visualization |
| 12:00 – 13:00 | Lunch |
| 13.00 – 14.30 | Machine Learning Overview |
| 14.30-14.45 | Break |
| 13.00 – 16.00 | Association RuleBasic Classification Technique |
| เวลา | หัวข้อ |
| วันที่ 2 | |
| 9.00 – 10.30 | Classification PerformanceMeasurement |
| 10.30-10.45 | Break |
| 10.45 – 12.00 | Additional Classification TechniquesFeature selection and Dimensionality Reduction |
| 12:00 – 13:00 | Lunch |
| 13.00 – 14.30 | Regression MethodsClustering Methods |
| 14.30-14.45 | Break |
| 14.45 – 16.00 | Neural NetworksDeploy Application |
*กำหนดการอาจมีการเปลี่ยนแปลงตามความเหมาะสม
Post a comment