Data Mining Essential with Rapid Miner Studio 9

หลักการและเหตุผล

ในยุคที่ข้อมูลมีความสำคัญ มีความหลากหลาย มีจำนวนมาก องค์กรต้องการการวิเคราะห์ข้อมูลที่สามารถนำไปต่อยอดในเชิงธุรกิจ อุตสาหกรรม หรืองานวิจัยได้อย่างมีคุณค่า จึงทำให้ Data Scienceหรือวิทยาการข้อมูล เป็นสาขาที่ได้รับความสนใจในหลากหลายภาคส่วน และ Data Mining หรือการทำเหมืองข้อมูลก็ถือว่าเป็นทักษะสำคัญที่ Data Scientist จำเป็นต้องมี

ในหลักสูตรนี้จะปูพื้นฐานให้ผู้อบรมได้เห็นภาพรวมของ Data Science และการวิเคราะห์ข้อมูลในมุมมองของการทำ Data Mining ด้วยโปรแกรม RapidMiner Studio โดยจะเรียนนรู้ตั้งแต่การเข้าใจกระบวนการทางธุรกิจในกรณีศึกษาที่ยกมา การนำเข้าข้อมูล การรวมข้อมูลจากหลายแหล่งข้อมูล การคัดเลือกและแปลงข้อมูล การใช้เทคนิค Data Mining และ Machine Learning ในการทำ Predictive Modeling เพื่อการทำนายผลลัพธ์ที่คาดว่าจะเกิดขึ้นในอนาคต การทำ Classification และ Regression การแบ่งกลุ่มข้อมูลโดยวิธี Clustering การหาความสัมพันธ์ของข้อมูลด้วยวิธี Association Rules การวิเคราะห์ข้อมูลที่ผิดปกติโดยวิธี Outlier Analysis ไปจนถึงการวิเคราะห์ข้อมูลที่เป็นข้อความและเว็บเพจด้วยกระบวนการ Text Mining และ Web Mining โดยทั้งหมดนี้ ผู้อบรมไม่จำเป็นต้องเขียนโค้ดโปรแกรมสักบรรทัด เพราะเราเชื่อว่า Mindset ของการวิเคราะห์ข้อมูล สร้างยากและสำคัญกว่า Mindsetในการเขียนโปรแกรม

ในการอบรม จะมีทั้งกระบวนการแบบพื้นฐานและกระบวนการวิเคราะห์ข้อมูลแบขั้นสูง เพื่อให้ผู้อบรมได้เข้าใจรูปแบบของกระบวนการที่ใช้กันในชีวิตจริงได้ ทั้งนี้ ผู้อบรมต้องนำคอมพิวเตอร์โน้ตบุคมาในวันอบรมด้วย

ดำเนินการสอนโดย ผศ.ดร.โษฑศ์รัตต ธรรมบุษดี (อ.โอม) มหาวิทยาลัยมหิดล และ RapidMiner Certified Analyst

Agenda

วันที่	เวลา	หัวข้อ
4 เมษายน 2562	09.00-10.00	Data Science Essential, Machine Learning and Data Mining Process
	10.00-10.30	Introduction to RapidMiner Studio
	10.30-10.45	Break
	10.45-11.00	Data and Data Format
	11.00-12.00	Data Exploration and Visualization
	12.00-13.00	Lunch
	13.00-14.30	Data Blending and Transformation
	14.30-14.45	Break
	14.45-16.00	Data Quality Essentials: Basic and Intermediate ETL
5 เมษายน 2562	09.00-10.30	Machine Learning and Basic Classification Technique: Decision Tree, Naïve Bayes, k-Nearest Neighbors
	10.30-10.45	Break
	10.30-11.00	Regression Methods
	11.00-12.00	Classification Evaluation: Confusion Matrix, ROC Curve, and Cost Matrix
	12.00-13.00	Lunch
	13.00-14.30	Advanced Data Analytics Control Flows Ensemble method and model integration
	14.30-14.45	Break
	14.45-16.00	Advanced Machine Learning: Neural Network, Random Forest, Gradient Boosted Tree and Hyper parameter Tuning
6 เมษายน 2562	09.00-10.00	Predictive Modeling Operationalization
	10.00-10.30	Clustering Methods
	10.30-10.45	Break
	10.30-11.00	Advanced Clustering Process
	11.00-12.00	Association Rules Discovery
	12.00-13.00	Lunch
	13.00-14.30	Feature Subset Selection / Missing Values Imputation / Principal Components Analysis
	14.30-14.45	Break
	14.45-16.00	Outlier Analysis
7 เมษายน 2562	09.00-09.30	Advanced ETL Process
	10.30-10.45	Break
	10.45-12.00	Advanced Data Analytics Process
	12.00-13.00	Lunch
	13.00-13.30	Introduction to Text Mining and Web Mining
	13.30-14.30	Text Classification Use Cases
	14.30-14.45	Break
	14.45-16.00	Web Mining Use Cases

***โปรดนำ Notebook ส่วนตัวมาด้วยในวันอบรม***

ความรู้พื้นฐาน

ไม่ต้องมีความรู้พื้นฐาน

วันที่

4 – 7 เมษายน 2562

เวลา 9:00-16:00 น. (24 ชั่วโมง)

อัตราค่าลงทะเบียน

8,900 บาท

** ชำระก่อนวันอบรม 7 วัน ได้รับส่วนลด 10% **

สถานที่

อาคาร KX @BTS วงเวียนใหญ่