Intermediate Python for Data Science

วิทยาศาสตร์ข้อมูล (Data Science) เป็นกระแสที่เริ่มมาแรงในการทำงานในปัจจุบันที่เราพบเจอกับข้อมูล (Data) ได้ในทุกๆ ที่ ทุกเวลา ผู้ที่เกี่ยวข้องจึงควรรู้หลักการของเทคนิคและกระบวนการใน “การวิเคราะห์ข้อมูล” อย่างถูกต้องและมีประสิทธิภาพ ซึ่งถือเป็นทักษะที่จำเป็นอย่างมากของการทำงานด้าน Data Science หรือในแง่มุมของการทำงานสายอื่นๆ ที่มีความต้องการใช้ข้อมูล

โดยภายในหลักสูตรผู้เรียนจะได้เรียนรู้เนื้อหาที่สำคัญ ทั้งในส่วนของขั้นตอนพื้นฐานของการทำ Data Science ไปจนถึงวิธีการวิเคราะห์ข้อมูลต่างๆ ด้วยภาษา Python ซึ่งถือเป็นภาษาโปรแกรมที่นักพัฒนานิยมนำมาใช้ในการทำ Data Science มากขึ้นเรื่อยๆ เนื่องจากมี Library ต่างๆ ให้เรียกใช้เป็นอย่างมาก นอกจากนี้ผู้เรียนจะได้เรียนรู้ Library ของ Python ในด้าน Data Science และด้านการวิเคราะห์ข้อมูล (Data Analytics)

• ได้รับประสบการณ์จากการฝึกปฏิบัติจริงด้วยตนเอง (Hands-on experience สามารถใช้งาน Python Library สำหรับการทำ Machine Learning และทำด้าน Data Science ได้อย่างเข้าใจ
• มีความรู้ความเข้าใจเกี่ยวกับ algorithm ต่างๆ ของ Machine Learning ที่จำเป็น
• ทราบถึงแนวทางการใช้งาน Python Libraries ที่เป็นประโยชน์ต่อการดำเนินงานด้าน Data Science รวมถึงสามารถใช้งาน Python Tools ได้อย่างเหมาะสมกับกระบวนการปฏิบัติงาน

• ผู้ที่ต้องการวิเคราะห์ธุรกิจโดยการนำ data มาวิเคราะห์
• นักธุรกิจที่ต้องการใช้ข้อมูลมาวิเคราะห์เพื่อการตัดสินใจที่ดีขึ้น เช่นผู้บริหาร
• บุคคลทั่วไปที่ต้องการลดขั้นตอนของการทำงานที่ซ้ำซ้อน เช่น รายงานต่างๆ ที่ออกเหมือนเดิม
• บุคคลทั่วไปที่มีความสนใจในการเรียนภาษา Python พื้นฐานสำหรับงานทั่วไปเพื่อเป็นแนวทางต่อยอดในอนาคต
• บุคคลทั่วไปที่มีความสนใจในการเรียนภาษาที่เอาไปใช้ทำ Machine Learning เพื่อเป็นพื้นฐานสำหรับงานทั่วไปเพื่อเป็นแนวทางต่อยอดในอนาคต
• บุคคลที่อยากเปลี่ยนสายงาน

• Data Cleaning
• Univariate Analysis
• Bivariate Analysis
• Multivariate Analysis
• Bringing it together
• Basic maths for Machine Learning
• Import dataset from various sources: files, databases, public datasets
• Encoding categorical data
• Feature engineering
• Model evaluation and validation assessment (Confusion Matrix, Accuracy, Classification Error, Precision, Recall)
• Simple Linear Regression
• Gradient Descent
• Logistic Regression
• K-Nearest Neighbours
• Decision Trees
• Naive Bayes
• Support Vector Machine
• Ensemble Method
• Parameters Tuning
• XGboost
• Neural Networks
• Cloud Computing
• Deep Neural Networks
• Convolutional Neural Networks
• Recurrent Neural Networks
• Basics of Flask, Docker, Kubenetes

คนทั่วไปที่ไม่มีพื้นฐานสามารถเรียนได้หรือไม่

   - ได้