x

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