Python for Machine Learning and Data Mining

วันเสาร์ อาทิตย์ที่ 17 - 18 กรกฎาคม

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. 1. เพื่อให้บุคคลากรทั่วไปมีความรู้ความเข้าใจด้านกาวิทยาการข้อมูลกระบวนการทำเหมืองข้อมูล
   2. สร้างความเข้าใจในกระบวนการทำงานด้วยข้อมูล
   3. พัฒนาทักษะด้านการใช้ข้อมูลของบุคคลที่ต้องการเริ่มต้นการวิเคราะห์ด้วยข้อมูลในขั้นสูง

หลักสูตรนี้เหมาะกับใครบ้าง

• คนที่กำลังเริ่มพื้นฐานด้านการวิเคราะห์ข้อมูล
• บุคคลที่สนใจกระบวนการด้านการวิเคราะห์ธุรกิจและการทำเหมืองข้อมูล และ Machine Leanring
• บุคคลที่มีพื้นฐานในขั้นปานกลางถึงขั้นสูงในเรื่องวิทยาการข้อมูล

ความรู้พื้นฐาน

ไม่ต้องมีความรู้พื้นฐาน

                                                                                    

วันเสาร์ อาทิตย์ที่ 17 - 18 กรกฎาคม 2021

เวลา 9:00-16:00 น. ( 12 ชั่วโมง)

                                                                                    

 

1,920 บาท (ออนไลน์)

                                                                                    

สถานที่ 

 

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: Introduction to Data Visualization
	13.00 - 16.00	Imbalance Data Up sampling Down sizing หาค่า MAE หาค่า MSE หาค่า RMSE Module 9: Machine Learning Overview Association Rule (apyori library) Module 10: Basic Classification Technique Module 11: Classification Performance Measurement
วันที่ 2	9.00 - 12.00	Module 12: Additional Classification Techniques Module 13: Regression Methods
	13.00 - 16.00	Module 14: Tuning techniques Module 15: Clustering Methods Module 16: Neural Networks Module 17: Demonstration

                                                                                                                    

***ผู้เข้าอบรมต้องนำแล็ปท็อปส่วนตัวมาในวันอบรม***

***ใบเสร็จออกในนามคณะวิศวกรรมศาสตร์ มหาวิทยาลัยมหิดล***

สอบถามรายละเอียดเพิ่มเติมได้ที่

Email : Datalentteam@gmail.com

Facebook : Datalent Team 

Tel : 097-1135975 (คุณบอย)