Introduction to Data Analytics and Big Data

  • โดย : คณาจารย์จากภาควิชาวิศวกรรมคอมพิวเตอร์ คณะวิศวกรรมศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย
  • รหัส : CHULAMOOC2812
  • หมู่ :
    เทคโนโลยี
ลงทะเบียนเรียน

ช่วงเวลาเรียนสำหรับบุคคลทั่วไป

รุ่นที่ 7
  • เริ่มลงทะเบียน 6 ตุลาคม 2566
  • สิ้นสุดการเรียน 30 พฤศจิกายน 2566
รุ่นที่ 6
  • เริ่มลงทะเบียน เมษายน 2565
  • สิ้นสุดการเรียน 31 พฤษภาคม 2565
รุ่นที่ 5
  • เริ่มลงทะเบียน กันยายน 2562
  • สิ้นสุดการเรียน 31 ตุลาคม 2562
รุ่นที่ 4
  • เริ่มลงทะเบียน ธันวาคม 2561
  • สิ้นสุดการเรียน 31 มกราคม 2562
รุ่นที่ 3
  • เริ่มลงทะเบียน กันยายน 2561
  • สิ้นสุดการเรียน 31 ตุลาคม 2561
รุ่นที่ 2
  • เริ่มลงทะเบียน มิถุนายน 2561
  • สิ้นสุดการเรียน 31 กรกฎาคม 2561
รุ่นที่ 1
  • เริ่มลงทะเบียน กุมภาพันธ์ 2561
  • สิ้นสุดการเรียน 31 มีนาคม 2561
เนื้อหา
2 บทเรียน
กลุ่มเป้าหมาย
นิสิต นักศึกษา และบุคคลทั่วไป จำนวน 5,000 คน
เกณฑ์การเรียนจบ
ผู้เรียนต้องทำคะแนนรวมทั้งหมดให้ได้ร้อยละ 60 ขึ้นไป
แพลตฟอร์ม
myCourseVille

เกี่ยวกับรายวิชา

รายวิชา Introduction to Data Analytics and Big Data จะเป็นการศึกษาเกี่ยวกับศาสตร์แห่งการวิเคราะห์ข้อมูล โดยแบ่งเนื้อหาออกเป็น 2 ส่วน คือ Data Analytics หรือที่นิยมเรียนกันว่า DATA SCIENCE และ Big Data โดยจะเรียนรู้วิธีการวิเคราะห์ข้อมูลได้อย่างไร รวมถึงเทคนิคที่สามารถนำข้อมูลมาใช้งานได้ แม้กระทั่งขั้นตอนวิธีการทำงานหรือเรียนรู้เกี่ยวกับเครื่องมือที่ใช้ในการทำงาน ทั้งนี้ผู้สอนได้รวบรวมกรณีศึกษามานำเสนอให้ผู้เรียนได้เรียนรู้ไม่ว่าจะเป็นข้อมูลด้านการศึกษา ข้อมูล Social Online รวมไปถึงข้อมูลในรูปแบบแผนที่ และสุดท้ายจะแนะนำการทำ workshop ด้วยโปรแกรม RapidMiner

เนื้อหารายวิชา

    เนื้อหารายวิชา Introduction to Data Analytics and Big Data ประกอบด้วย

    ส่วนที่ 1 : Data Analytics

    ส่วนที่ 2 : Big Data

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. เพื่อเผยแพร่องค์ความรู้เกี่ยวกับ Analytics และ Big Data ให้แก่นิสิต นักศึกษา ประชาชนทั่วไปที่สนใจ

    2. เพื่อให้ผู้เรียนสามารถนำองค์ความรู้ไปใช้ประโยชน์ในชีวิตประจำวันได้อย่างมีประสิทธิภาพ

หมายเหตุ

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

2. แบบทดสอบหลังเรียน (Posttest) ในแต่ละวิชาจะสามารถทำได้แค่ครั้งเดียวเท่านั้น

อาจารย์ผู้สอน

    • ผศ. ดร.ณัฐวุฒิ หนูไพโรจน์

    • ภาควิชาวิศวกรรมคอมพิวเตอร์ คณะวิศวกรรมศาสตร์

    • จุฬาลงกรณ์มหาวิทยาลัย

    • ศ. ดร.ประภาส จงสถิตย์วัฒนา

    • ภาควิชาวิศวกรรมคอมพิวเตอร์ คณะวิศวกรรมศาสตร์

    • จุฬาลงกรณ์มหาวิทยาลัย

    • รศ. ดร.อติวงศ์ สุชาโต

    • ภาควิชาวิศวกรรมคอมพิวเตอร์ คณะวิศวกรรมศาสตร์

    • จุฬาลงกรณ์มหาวิทยาลัย

    • รศ. ดร.เกริก ภิรมย์โสภา

    • ภาควิชาวิศวกรรมคอมพิวเตอร์ คณะวิศวกรรมศาสตร์

    • จุฬาลงกรณ์มหาวิทยาลัย

    • ผศ. ดร.สุกรี สินธุภิญโญ

    • ภาควิชาวิศวกรรมคอมพิวเตอร์ คณะวิศวกรรมศาสตร์

    • จุฬาลงกรณ์มหาวิทยาลัย

    • รศ. ดร.วีระ เหมืองสิน

    • ภาควิชาวิศวกรรมคอมพิวเตอร์ คณะวิศวกรรมศาสตร์

    • จุฬาลงกรณ์มหาวิทยาลัย

    • รศ. ดร.พีรพล เวทีกูล

    • ภาควิชาวิศวกรรมคอมพิวเตอร์ คณะวิศวกรรมศาสตร์

    • จุฬาลงกรณ์มหาวิทยาลัย

คอร์สแนะนำ