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

ภาพรวมของหลักสูตร

ในการวิเคราะห์ข้อมูลหรือสร้างแบบจำลองด้วยเทคนิคการเรียนรู้ของเครื่อง(Machine Learning) จำเป็นจะต้องเตรียมข้อมูลที่อยู่ในรูปแบบของตารางที่เรียกว่าAnalytical Base Table (ABT) ซึ่งประกอบด้วยแถวที่แสดงตัวอย่างของข้อมูล(unit of analysis) และคอลัมน์ซึ่งแสดงตัวแปร(feature/attribute) ที่ใช้ในการวิเคราะห์ ซึ่งโดยปกติแล้วตาราง ABTนี้จะเกิดจากการเชื่อมโยงข้อมูลหลายตารางและการคัดเลือกหรือสร้างตัวแปรใหม่ๆ ที่มีความน่าสนใจมาใช้ ซึ่งส่วนนี้ใช้เวลาค่อนข้างนานในโครงการวิเคราะห์ข้อมูลด้วยเทคนิคการเรียนรู้ของเครื่อง นอกจากนี้การจัดการข้อมูลที่มีรูปแบบพิเศษ เช่น ข้อมูลที่เป็นอนุกรมเวลา (Time Series) และข้อมูลประเภทที่ไม่มีโครงสร้าง เช่น ข้อความ (text) หรือ log data ก็ได้รับความสนใจเพิ่มมากขึ้นเรื่อยๆ ดังนั้นในการอบรมหลักสูตรนี้จึงแบ่งเนื้อหาออกเป็น 5 ส่วนใหญ่ๆ ได้แก่

  • การจัดการและเตรียมข้อมูลที่มีโครงสร้าง (structured data)
  • การจัดการและเตรียมข้อมูลที่ไม่มีโครงสร้าง (unstructured data)
  • การจัดการและเตรียมข้อมูลอนุกรมเวลา (time series)
  • การสร้างคุณลักษณะใหม่ๆ (feature engineering)
  • การประยุกต์ใช้งานในองค์กรและตัวอย่างการตั้งเวลาให้ทำงานอย่างอัตโนมัติผ่านทางAI Hub

หัวข้อการอบรม

วันที่ 1

  • ทบทวนกระบวนการมาตรฐานในการวิเคราะห์ข้อมูลด้วยCRISP-DM
  • สร้าง repository สำหรับการจัดการข้อมูลในเครื่อง (local)และใน AI Hub (server)
  • การใช้งาน AI Hub เบื้องต้น เช่น
    • การ submit process เพื่อไปรันบน AI Hub
    • การตั้ง schedule เพื่อให้ทำงานอัตโนมัติ
  • การเตรียมข้อมูลขั้นพื้นฐานด้วยRapidMiner 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)
    • การเตรียมข้อมูล(ตาราง ABT) สำหรับสร้างแบบจำลองเพื่อทำ Response Modeling (Propensity to Buy)
    • การเตรียมข้อมูลตามพฤติกรรมการชำระเงินของลูกค้าแต่ละรายเพื่อทำการจัดกลุ่ม(Customer Segmentation)
  • การจัดการข้อความ เช่น
    • การตัดคำ (tokenization)
    • การทำ Stemming
    • การหา POS (Part Of Speech)
  • Workshop การจัดการและเตรียมข้อมูลที่ไม่มีโครงสร้าง(Unstructured Data)
    • การแปลงข้อมูล web access log เพื่อการแสดงผล (data visualization)
    • การดึงข้อมูลจาก Twitter และการจัดการกับข้อความที่ได้

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
    • การจัดการข้อมูลปริมาณน้ำฝน

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

วันศุกร์ที่ 4 มีนาคม 2565 และ วันพฤหัสบดีที่ 10 และวันศุกร์ที่ 11 มีนาคม 2565 (ระยะเวลาการอบรม 3 วัน)

เวลา: 09:30-17:00 น.

ค่าใช้จ่ายในการอบรม

  • ราคา: 8,500 บาท/ท่าน 
    • (ราคารวม vat 7% แล้ว แต่ทางหน่วยงานสามารถหักภาษี ณ ที่จ่าย 3% ได้ครับ)
  • ผู้เข้าร่วมอบรมจะได้รับเอกสารประกอบการอบรมในรูปแบบ PDF และ สามารถดู record ย้อนหลังได้ตลอดเวลา
  • ชำระเงินโดยการโอนเงินมายังบัญชีต่อไปนี้
    • บจก. คิวบ์ อนาไลติกส์ ธนาคารกสิกรไทย สาขาฟิวเจอร์พาร์ค รังสิต หมายเลขบัญชี 0893722548

จัดการอบรมโดย บริษัท คิวบ์ อนาไลติกส์ คอนซัลติ้ง จำกัด (Cube Analytics Consulting)
ติดต่อได้ที่:

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

ขณะนี้มีผู้สนใจสำรองที่นั่งรุ่นที่ 2 แล้วจำนวน 1 ท่าน (รับไม่เกิน 20 ท่าน)

  1. คุณ ธัญญรัตน์