2758669 การวิเคราะห์ข้อมูลขนาดใหญ่ ลักษณะ ความสำคัญ และประโยชน์ของข้อมูลขนาดใหญ่ทางการศึกษา การออกแบบโครงสร้างข้อมูลขนาดใหญ่ กระบวนการจัดการ การจัดเก็บ การวิเคราะห์ การแปลความหมาย และการนำเสนอข้อมูลขนาดใหญ่ในรูปแบบต่างๆ แนวทางการวิเคราะห์ข้อมูลที่มีโครงสร้างและไม่มีโครงสร้าง การวิเคราะห์ความสัมพันธ์ของข้อมูลด้วยวิธีอไพออริและเอฟพีโกรท หลักการเรียนรู้ของเครื่องประกอบด้วยการวิเคราะห์เครือข่ายใยประสาท การวิเคราะห์ต้นไม้ตัดสินใจ ซัพพอร์ตเวกเตอร์แมทชีน เนอีฟเบย์ และการโหวต ด้วยโปรแกรมเอสพีเอสเอส ครีเมนไทน์ อาร์ และแรปพิดมายเนอร์ เพื่อนำสารสนเทศไปใช้ประโยชน์ในการกำหนดนโยบายและการปฏิบัติทางการศึกษา หัวข้อ | วันที่ | เวลา | เนื้อหา | 1 | 12,19 ม.ค. 63 | 15:00-17:00 น. | ลักษณะ ความสำคัญ และประโยชน์ของข้อมูลขนาดใหญ่ทางการศึกษา การออกแบบโครงสร้างข้อมูลขนาดใหญ่ | 2 | 26 ม.ค., 2 ก.พ. 63 | 15:00-17:00 น. | กระบวนการจัดการ การจัดเก็บ และการนำเสนอข้อมูลขนาดใหญ่ในรูปแบบต่าง ๆ | 3 | 9, 16 ก.พ. 63 | 15:00-17:00 น. | การเตรียมข้อมูลและสำรวจข้อมูล | 4 | 23 ก.พ., 1 มี.ค. 63 | 15:00-17:00 น. | หลักการเรียนรู้ของเครื่อง (machine learning) และความรู้พื้นฐานในการใช้โปรแกรมคอมพิวเตอร์เพื่อวิเคราะห์ข้อมูลขนาดใหญ่ | 5 | 8, 15 มี.ค. 63 | 15:00-17:00 น. | การวิเคราะห์ความสัมพันธ์ของข้อมูลด้วยวิธีอไพออริ และเอฟฟีโกรท การวิเคราะห์จำแนกกลุ่ม (clustering) | 6 | 22, 29 มี.ค. 63 | 15:00-17:00 น. | การวิเคราะห์ต้นไม้ตัดสินใจ (decision tree analysis) วิเคราะห์เครือข่ายใยประสาท (neural network analysis) | 7 | 5, 12 เม.ย. 63 | 15:00-17:00 น. | ซัพพอร์ตเวกเตอร์แมทชีน (support vector machine) เนอีฟเบย์ (naïve bayes) การโหวต (voting) | 8 | 19, 26 เม.ย. 63 | 15:00-17:00 น. | การประยุกต์และความก้าวหน้าด้านการจัดการข้อมูลขนาดใหญ่ |
|