Python for Machine Learning and Data Mining รุ่นที่ 9

วันเสาร์ที่ 17 – 18 มิถุนายน 2023 และ 1-2 กรกฎาคม 2023

เวลา 9.00 – 16.00 น.

ราคา

Online 5,690 บาท ลงทะเบียนก่อน 14 วัน
ลด 10 % เหลือเพียง 5,110 บาท

หลักการและเหตุผล

การใช้กระบวนการ Machine Learning และ Data Science ในกรณีศึกษาจริง มักจะมีรูปแบบของการวิเคราะห์และขั้นตอนที่ซับซ้อน หลักสูตรนี้จะทำให้ผู้อบรมได้รู้จักกับวิธีการเขียนโปรแกรมภาษา Python เพื่อสำรวจข้อมูลจากความหลากหลายของแหล่งที่มา โดยการสร้างแบบจำลองเชิงอนุมาน สร้างแผนภูมิกราฟ และการแสดงข้อมูลด้านอื่น เห็นรูปแบบปัญหาและกรณีศึกษาหลายๆแบบ ทั้งในภาคธุรกิจและงานวิจัยโดยจะมี ทั้งภาคทฤษฎี และ ภาคปฏิบัติ ซึ่งเครื่องมือที่ใช้คือ Google Colab ซึ่งผู้อบรมสามารถใช้งานได้ฟรีและไม่จำเป็นต้องยุ่งยากในการติดตั้งโปรแกรม ทั้งนี้ ผู้อบรมต้องนำคอมพิวเตอร์โน้ตบุคมาในวันอบรมด้วย

วัตถุประสงค์

    1. เพื่อให้บุคคลากรทั่วไปมีความรู้ความเข้าใจด้านกาวิทยาการข้อมูลกระบวนการทำเหมืองข้อมูล
    2. สร้างความเข้าใจในกระบวนการทำงานด้วยข้อมูล
    3. พัฒนาทักษะด้านการใช้ข้อมูลของบุคคลที่ต้องการเริ่มต้นการวิเคราะห์ด้วยข้อมูลในขั้นสูง

หลักสูตรนี้เหมาะกับใครบ้าง

  • คนที่กำลังเริ่มพื้นฐานด้านการวิเคราะห์ข้อมูล
  • บุคคลที่สนใจกระบวนการด้านการวิเคราะห์ธุรกิจและการทำเหมืองข้อมูล และ Machine Leanring
  • บุคคลที่มีพื้นฐานในขั้นปานกลางถึงขั้นสูงในเรื่องวิทยาการข้อมูล

กำหนดการ

วันที่ เวลา หัวข้อ

วันที่ 1

9.00 – 12.00

  • Module 1: Introduction to Data Science
  • Module 2: Introduction to Python
  • Module 3: CRISP-DM
  • Module 4: Python Packages
  • Module 5: Python Variables
  • Module 6: Data type and Data Importing
  • Module 7: Missing value and Outlier Handling
  • Module 8: Imbalance Data
  • • Up sampling
  • • Down sizing
  • Module 9: Feature selection and Dimensionality Reduction

13.00 – 16.00

  • Module 10: Introduction to Data Visualization
  • Module 11: Machine Learning Overview
  • Module 12: Association Rule
  • Module 13: Basic Classification Technique
  • Module 14: Classification Performance Measurement
  • Module 15: Machine Learning Overview
  • Association Rule (apyori library)
  • Module 16: Basic Classification Technique
  • Module 17: Classification Performance Measurement

วันที่ 2

 

9.00 – 12.00

  • Module 18: Additional Classification Techniques
  • Module 19: Regression Methods
  • หาค่า MAE
  • หาค่า MSE
  • หาค่า RMSE

13.00 – 16.00

  • Module 20: Clustering Methods
  • Module 21: Neural Networks
วันที่ เวลา หัวข้อ

วันที่ 3

9.00 – 12.00

  • Module 22: Tuning techniques
  • Module 23: Deploy model (streamlit)
  • Module 24: Demonstration
  • Module 25: Introduction to Text mining

13.00 – 16.00

  • Module 26: Text mining ENG
  • Module 27: Text mining THAI

วันที่ 4

 

9.00 – 12.00

  • Module 28: Tokenize
  • Module 29: Sentiment Analysis

13.00 – 16.00

  • Module 30: Text Clustering
  • Module 31: Text Classification