Python for Machine Learning and Data Mining รุ่นที่ 12

วันเสาร์ที่ 16 พฤศจิกายน 9.00 – 16.00 น.
วันเสาร์ที่ 23 พฤศจิกายน 9.00 – 16.00 น.
วันเสาร์ที่ 30 พฤศจิกายน 9.00 – 12.00 น.
วันอาทิตย์ที่ 1 ธันวาคม 9.00 – 12.00 น.

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 ผู้เข้ารับการอบรมต้องเตรียมคอมพิวเตอร์สำหรับฝึกปฏิบัติในวันอบรมด้วย

วัตถุประสงค์

    1. เพื่อให้บุคคลากรทั่วไปมีความรู้ความเข้าใจด้านกาวิทยาการข้อมูลกระบวนการทำเหมืองข้อมูล
    2. สร้างความเข้าใจในกระบวนการทำงานด้วยข้อมูล
    3. พัฒนาทักษะด้านการใช้ข้อมูลของบุคคลที่ต้องการเริ่มต้นการวิเคราะห์ด้วยข้อมูลในขั้นสูง

หลักสูตรนี้เหมาะกับใครบ้าง

  • คนที่กำลังเริ่มพื้นฐานด้านการวิเคราะห์ข้อมูล
  • บุคคลที่สนใจกระบวนการด้านการวิเคราะห์ธุรกิจและการทำเหมืองข้อมูล และ Machine Leanring
  • บุคคลที่มีพื้นฐานในขั้นปานกลางถึงขั้นสูงในเรื่องวิทยาการข้อมูล

กำหนดการ

วันที่ เวลา หัวข้อ
วันที่ 1

(16 พ.ย. 67)

 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

(23 พ.ย. 67)

 9.00 – 12.00 Module 18: Additional Classification Techniques
Module 19: Regression Methods

  • หาค่า MAE
  • หาค่า MSE
  • หาค่า RMSE

Module 20: Clustering Methods
Module 21: Neural Networks
13.00 – 16.00 Module 22: Tuning techniques
Module 23: Deploy model (streamlit)
Module 24: Demonstration
วันที่ 3

(30 พ.ย. 67)

 9.00 – 12.00 Module 25: Introduction to Text mining
Module 26: Text mining ENG
Module 27: Text mining THAI
Module 28: Tokenize
วันที่ 4

(1 ธ.ค. 67)

 9.00 – 12.00 Module 29: Sentiment Analysis
Module 30: Text Clustering
Module 31: Text Classification