*** 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 22 ตุลาคม 2564 และ วันพฤหัสบดีที่ 28 และวันศุกร์ที่ 29 ตุลาคม 2564 (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 1 แล้วจำนวน 15 ท่าน (รับไม่เกิน 20 ท่านเพื่อการดูแลอย่างทั่วถึง)

  1. คุณ กฤษฏิพัทธ์
  2. คุณ ปรัชญา
  3. คุณ จักริน
  4. คุณ Kritchagorn
  5. คุณ จตุพร
  6. คุณ ธีร์รัฐ
  7. คุณ ปัญญา
  8. คุณ นคร
  9. คุณ ฐิติชัย
  10. คุณ น้ำทิพย์
  11. คุณ พิเชษฐ์
  12. คุณ โศภิษฐ์
  13. คุณ จีรพร
  14. คุณ วีนัส
  15. คุณ​ Kanyaporn