Practical Data Analytics Using RapidMiner

  • โดย : รศ. ดร.พีรพล เวทีกูล
  • รหัส : CHULAMOOC2813
  • หมู่ :
    เทคโนโลยี
ลงทะเบียนเรียน

ช่วงเวลาเรียนสำหรับบุคคลทั่วไป

รุ่นที่ 5
  • เริ่มลงทะเบียน 3 พฤศจิกายน 2566
  • สิ้นสุดการเรียน 31 ธันวาคม 2566
รุ่นที่ 4
  • เริ่มลงทะเบียน มิถุนายน 2565
  • สิ้นสุดการเรียน 31 กรกฎาคม 2565
รุ่นที่ 3
  • เริ่มลงทะเบียน พฤษภาคม 2563
  • สิ้นสุดการเรียน 30 มิถุนายน 2563
รุ่นที่ 2
  • เริ่มลงทะเบียน ตุลาคม 2562
  • สิ้นสุดการเรียน 30 พฤศจิกายน 2562
รุ่นที่ 1
  • เริ่มลงทะเบียน 11 มีนาคม 2562
  • สิ้นสุดการเรียน 31 พฤษภาคม 2562
เนื้อหา
10 บทเรียน
กลุ่มเป้าหมาย
สำหรับผู้ที่สนใจศึกษาเกี่ยวกับ การรวบรวม วิเคราะห์ข้อมูล จำนวน 5,000 คน
เกณฑ์การเรียนจบ
ผู้เรียนต้องทำคะแนนรวมทั้งหมดให้ได้ร้อยละ 60 ขึ้นไป
แพลตฟอร์ม
myCourseVille

เกี่ยวกับรายวิชา

วิชา Practical Data Analytics Using Rapid Miner เป็นการศึกษาเกี่ยวกับศาสตร์แห่งการวิเคราะห์ข้อมูลซึ่งจะเน้นที่การปฏิบัติ เพื่อให้สามารถใช้งานได้จริง ดังนั้นผู้เรียนจะได้ปฏิบัติผ่านโปรแกรม Rapid Miner ซึ่งเนื้อหาจะเน้นที่งานพื้นฐานที่สำคัญในการวิเคราะห์ข้อมูล ได้แก่ การเตรียมข้อมูล (Data Preparation) การทำนายข้อมูล (Prediction) ทั้งในรูปแบบของ Classification และ Regression การจัดกลุ่มข้อมูล (Clustering) และการหากฎความสัมพันธ์ (Association Rule Mining) นอกจากนี้ผู้เรียนจะได้เรียนรู้กรณีศึกษาต่างๆ ที่เกี่ยวข้อง เพื่อให้เห็นภาพการทำงานจริง และสามารถนำไปต่อยอดใช้ต่อไปได้

เนื้อหารายวิชา

    เนื้อหาในรายวิชา Practical Data Analytics Using RapidMiner ประกอบด้วย

    บทที่ 1 Overview to the Course

    บทที่ 2 RapidMiner Lab

    บทที่ 3 Supervised Learning

    บทที่ 4 An Overview on Classication Lab และ Classification Lab Part 1-4

    บทที่ 5 An Overview on Regressing Lab และ Regressing Lab Part 1-3

    บทที่ 6 Unsupervised Learning

    บทที่ 7 An Overview on Clustering Lab และ Clustering Lab Part 1-3

    บทที่ 8 An Overview on Association Rule Mining Lab และ Association Rule Mining Lab Part 1-3

    บทที่ 9 Summary

    บทที่ 10 Closing Session Closing Session

เกณฑ์การวัดและประเมินผล

มีการวัดและประเมินผลผ่านแบบทดสอบย่อย (Quiz) และแบบทดสอบหลังเรียน (Posttest) โดยจะแบ่งเป็นคะแนนจาก Quiz เท่ากับ 50 คะแนน และคะแนนจาก Posttest เท่ากับ 50 คะแนน ทั้งนี้ผู้เรียนต้องทำคะแนนรวมทั้งหมดให้ได้ร้อยละ 60 ขึ้นไป และเรียนจบภายในเวลาที่กำหนดจึงจะสามารถขอรับ Certificate of Completion ได้

วัตถุประสงค์

    1. เพื่อเข้าใจประเภทต่าง ๆ ของศาสตร์ในการวิเคราะห์ข้อมูล

    2. เพื่อให้สามารถใช้งานโปรแกรมวิเคราะห์ข้อมูล Rapid Miner

    3. เพื่อให้สามารถนำโปรแกรม Rapid Miner มาประยุกต์ใช้งานประเภทต่างๆ ในการวิเคราะห์ข้อมูล

    4. เพื่อสามารถนำโปรแกรม Rapid Miner มาประยุกต์ปฏิบัติในกรณีศึกษาต่าง ๆ ได้

หมายเหตุ

1. ผู้เรียนจะมีสิทธิ์ทำแบบทดสอบหลังเรียน (Posttest) เมื่อเข้าร่วมกิจกรรมการเรียน (Course Progress) มากกว่า 80% ขึ้นไป

2. แบบทดสอบหลังเรียน (Posttest) ในแต่ละวิชาจะสามารถทำได้แค่ครั้งเดียวเท่านั้น

อาจารย์ผู้สอน

    • รศ. ดร.พีรพล เวทีกูล

    • ภาควิชาวิศวกรรมคอมพิวเตอร์ คณะวิศวกรรมศาสตร์

    • จุฬาลงกรณ์มหาวิทยาลัย

คอร์สแนะนำ