*** เป็นการอบรมแบบ online ผ่านระบบ ZOOM และสามารถดู record ย้อนหลังเพื่อทบทวนได้ตลอดครับ ***

ภาพรวมของหลักสูตร

ในการวิเคราะห์ข้อมูลหรือสร้างแบบจำลองด้วยเทคนิคการเรียนรู้ของเครื่อง (Machine Learning) จำเป็นจะต้องเตรียมข้อมูลที่อยู่ในรูปแบบของตารางที่เรียกว่า Analytical Base Table (ABT) ซึ่งประกอบด้วยแถวที่แสดงตัวอย่างของข้อมูล(unit of analysis) และคอลัมน์ซึ่งแสดงตัวแปร(feature/attribute) ที่ใช้ในการวิเคราะห์ ซึ่งโดยปกติแล้วตาราง ABT นี้จะเกิดจากการเชื่อมโยงข้อมูลหลายตารางและการคัดเลือกหรือสร้างตัวแปรใหม่ๆ ที่มีความน่าสนใจมาใช้ ซึ่งส่วนนี้ใช้เวลาค่อนข้างนานในโครงการวิเคราะห์ข้อมูลด้วยเทคนิคการเรียนรู้ของเครื่อง นอกจากนี้การจัดการข้อมูลที่มีรูปแบบพิเศษ เช่น ข้อมูลที่เป็นอนุกรมเวลา (Time Series) และข้อมูลประเภทที่ไม่มีโครงสร้าง เช่น ข้อความ (text) หรือ log data ก็ได้รับความสนใจเพิ่มมากขึ้นเรื่อยๆ ดังนั้นในการอบรมหลักสูตรนี้จึงแบ่งเนื้อหาออกเป็น 4 ส่วนใหญ่ๆ ได้แก่

  • concept ของการจัดการข้อมูล (data preparation) และ การสร้างคุณลักษณะใหม่ๆ (feature engineering)
  • การจัดการและเตรียมข้อมูลที่มีโครงสร้าง (structured data)
    • การแบ่งกลุ่มข้อมูลลูกค้า (Customer Segmentation) ตามพฤติกรรมการชำระเงิน
    • การคาดการณ์ว่าลูกค้าคนใดบ้างจะซื้อสินค้าในอนาคต (Propensity to Buy)
  • การจัดการและเตรียมข้อมูลที่ไม่มีโครงสร้าง (unstructured data)
    • การแปลงข้อมูล web access log เพื่อการแสดงผล
    • การวิเคราะห์ข้อมูลจาก Twitter
  • การจัดการและเตรียมข้อมูลอนุกรมเวลา (time series)
    • การวิเคราะห์ข้อมูลสภาพอากาศ

หัวข้อการอบรม

วันที่ 1

  • ทบทวนกระบวนการมาตรฐานในการวิเคราะห์ข้อมูลด้วย CRISP-DM
  • สร้าง repository สำหรับการจัดการข้อมูลในเครื่อง (local) และใน AI Hub (server)
  • การใช้งาน AI Hub เบื้องต้น เช่น
    • การ submit process เพื่อไปรันบน AI Hub
    • การตั้ง schedule เพื่อให้ทำงานอัตโนมัติ
  • การเตรียมข้อมูลขั้นพื้นฐานด้วย RapidMiner Studio ได้แก่
    • การเลือกแอตทริบิวต์ในตาราง (Select Attributes)
    • การเลือกเฉพาะข้อมูลที่ต้องการ (Filter Examples)
    • การแทนค่าในข้อมูล (Map)
    • การลบค่าว่างที่เกิดขึ้นในข้อความ (Trim)
    • การแทนที่ค่าว่างในข้อมูล (Replace Missing Values)
    • การสร้างแอตทริบิวต์ใหม่ (Generate Attributes)
    • การเชื่อมโยงข้อมูล 2 ตาราง (Join)
    • การรวมค่า (Aggregate)
    • การสร้างตาราง Pivot
  • การเตรียมข้อมูลขั้นสูงด้วยRapidMiner Studio ได้แก่
    • การวนลูปต่างๆ (Loop Example, Loop Values, Loop Files)
    • การจัดการกับ Macro
    • การเลือกเงื่อนไขเพื่อให้ทำงาน (Select Subprocess, Branch)

วันที่ 2

  • Workshop การจัดการและเตรียมข้อมูลที่มีโครงสร้าง (Structured Data)
    • การเตรียมข้อมูลตามพฤติกรรมการชำระเงินของลูกค้าแต่ละรายเพื่อทำการจัดกลุ่ม (Customer Segmentation)
      • การแบ่งกลุ่มข้อมูลเพื่อหาพฤติกรรมการชำระเงินของลูกค้าแต่ละราย
      • สร้างตัวแปรใหม่ทางธุรกิจ เช่น
        • จำนวนครั้งในการชำระเงิน ตรงเวลา ล่าช้า หรือ ก่อนเวลา
        • จำนวนวันที่ชำระเงิน ล่าช้า หรือ ก่อนเวลา
      • เตรียมข้อมูลเพื่อทำ clustering
    • การเตรียมข้อมูล (ตาราง ABT) สำหรับสร้างแบบจำลองเพื่อทำ Response Modeling (Propensity to Buy)
      • การกำหนดค่า window ต่างๆ เช่น action window และ observation window
      • การสร้างตัวแปรใหม่ทางธุรกิจ เช่น ความถี่ (frequency) ปริมาณที่ซื้อ (quantity)
  • การจัดการข้อความ (Text Preprocessing) เช่น
    • การตัดคำ (tokenization)
    • การทำ Stemming
    • การหา POS (Part Of Speech) ต่างๆ
  • Workshop การจัดการและเตรียมข้อมูลที่ไม่มีโครงสร้าง(Unstructured Data)
    • การแปลงข้อมูล web access log เพื่อการแสดงผล (data visualization) ในรูปแบบของกราฟต่างๆ เช่น
      • แสดงจำนวนผู้เข้าชมเว็บไซต์ในแต่ละช่วงเวลา
      • แสดงจำนวน status หลังจากการ request ไปที่ server
    • การดึงข้อมูลจาก Twitter และการจัดการกับข้อความที่ได้
      • ดึงข้อมูลจาก Twitter แบบง่ายๆ โดยที่ไม่ต้องเขียน code
      • แปลงข้อความจาก Twitter ให้เป็นตาราง

วันที่ 3

  • การทำ Feature Engineering ขั้นพื้นฐาน ได้แก่
    • การแบ่งช่วงข้อมูล (Discretization)
    • การแปลงการกระจายตัว(distribution) ของข้อมูล
    • การหา Outlier ด้วยวิธี IQR (Inter Quartile Range)
    • การปรับช่วงของข้อมูล (Normalization)
    • การจัดการกับข้อมูลอนุกรมเวลา(Time Series)
  • Workshop การจัดการข้อมูลอนุกรมเวลาด้วย RapidMiner Studio
    • การจัดการข้อมูลจากSensor ต่างๆ
    • การจัดการข้อมูลสภาพอากาศต่างๆ

วิทยากร

ดร.เอกสิทธิ์ พัชรวงศ์ศักดา
(ผู้ร่วมก่อตั้งและ หัวหน้าทีม Data Science บริษัท คิวบ์ อนาไลติกส์ คอนซัลติ้ง)

ประสบการณ์

  • ผู้แต่งหนังสือเรื่อง A Little Book of Big Data and Machine Learning
  • เป็น RapidMiner Ambassador ของประเทศไทยตั้งแต่ปี 2016
  • ที่ปรึกษาทางด้าน Data Analytics บริษัทอสังหาริมทรัพย์
  • ที่ปรึกษาทางด้าน Data Science บริษัทน้ำมัน
  • พัฒนาโครงการทางด้าน Data Scienceให้กับบริษัทค้าปลีก (retail) และขายสินค้าผ่านทางโทรศัพท์ (Tele-marketing)
  • พัฒนาโครงการทางด้าน Data Science ให้กับบริษัทจัดการสินเชื่อ
  • พัฒนาโครงการทางด้าน Machine Learning ให้กับบริษัทผลิตสินค้า
  • พัฒนาโครงการทางด้าน Machine Learningให้กับหน่วยงานภาครัฐต่างๆ
  • วิทยากรอบรมการใช้วิเคราะห์ข้อมูลด้วยเทคนิค Data Science และ Machine Learning ด้วย RapidMiner ให้กับสถาบันการเงินต่างๆ
  • วิทยากรอบรมการใช้วิเคราะห์ข้อมูลด้วยเทคนิค Data Science และ Machine Learning ด้วย RapidMiner ให้กับภาคอุตสาหกรรมการผลิต (Manufacturer)
  • วิทยากรอบรมการใช้วิเคราะห์ข้อมูลด้วยเทคนิค Data Science และ Machine Learning ด้วย RapidMiner ให้กับหน่วยงานภาครัฐและมหาวิทยาลัยต่างๆ
  • มีใบ certificate ที่เกี่ยวข้องกับ RapidMiner ทุกใบ (7 ใบ)

วันและเวลาการอบรม

วันพุธที่ 25 พฤษภาคม 2565 ถึง วันศุกร์ที่ 27 พฤษภาคม 2565 (ระยะเวลาการอบรม 3 วัน)

เวลา: 09:30-17:00 น.

ค่าลงทะเบียน

  • ราคา: 8,500 บาท/ท่าน 
    • (ราคารวม vat 7% แล้ว แต่ทางหน่วยงานสามารถหักภาษี ณ ที่จ่าย 3% ได้ครับ)
    • สามารถออกใบกำกับภาษีในนามหน่วยงานหรือบุคคลได้ครับ (ออกโดยบริษัท คิวบ์ คิวบ์ เอ็ดยู-ซีน จำกัด)
  • ผู้เข้าร่วมอบรมจะได้รับเอกสารประกอบการอบรมในรูปแบบ PDF และ สามารถดู record ย้อนหลังได้ตลอดเวลา
  • ชำระเงินโดยการโอนเงินมายังบัญชีต่อไปนี้
    • บริษัท คิวบ์ เอ็ดยู-ซีน จำกัด ธนาคารไทยพาณิชย์ สาขาเดอะคริสตัล ราชพฤกษ์ หมายเลขบัญชี 416-123639-4

จัดการอบรมโดย บริษัท คิวบ์ เอ็ดยู-ซีน จำกัด (Cube Edu-sine)
ติดต่อได้ที่:

  • Facebook: http://facebook.com/datacube.th
  • Email:  chutimon@datacubeth.ai หรือ eakasit@datacubeth.ai
  • Mobile: 0894963840
  • Line ID: eakasitp

ขณะนี้มีผู้สนใจสำรองที่นั่งรุ่นที่ 3 แล้วจำนวน 8 ท่าน (รับไม่เกิน 20 ท่าน)

  1. คุณ ปรีชา
  2. คุณ Natthapon
  3. คุณ Rattanawadee
  4. คุณ ศิรวิทย์
  5. คุณ ดนัย
  6. คุณ จุไรรัตน์
  7. คุณ บัลลังก์
  8. คุณ Ramita