User Tools
Table of Contents
INTRODUCTION TO DATA SCIENCE
รายละเอียดกระบวนวิชา
รหัสกระบวนวิชา : 204123
ชื่อกระบวนวิชา : วิทยาการข้อมูลเบื้องต้น
หน่วยกิต : 3(2-2-5)
เงื่อนไขที่ต้องผ่านก่อน : ไม่มี
วัตถุประสงค์ : นักศึกษาสามารถ
- อธิบายแนวคิดพื้นฐานของวิทยาการข้อมูล
- ประยุกต์เครื่องมือด้านวิทยาการข้อมูลเพื่อดำเนินการวิเคราะห์ข้อมูลขั้นพื้นฐาน
เนื้อหากระบวนวิชา
| หัวข้อ | บรรยาย | ปฏิบัติการ |
| 1. ภาพรวมของวิทยาการข้อมูล | Slide: ch1.pdf | ศึกษาและฝึกหัดการใช้เครื่องมือ Microsoft Machine Learning Studio ด้วยตัวเองจากวิดีโอ YouTube |
| 2. การรวมรวมและการได้มาซึ่งข้อมูล | Slide: ch2.pdf | Dataset : lab_01_dataset.zip lab_02_dataset.zip Lab : lab_01.pdf lab_02.pdf |
| 3. การวิเคราะห์เชิงพรรณนา - สถิติศาสตร์เชิงพรรณนาด้วยตารางตัวหลัก - การวิเคราะห์กลุ่ม - การวิเคราะห์ความสัมพันธ์ | Slide: ch3.pdf | Dataset : lab_03_dataset.zip lab_04_dataset.zip lab_05_dataset.zip Lab : lab_03.pdf lab_04.pdf lab_05.pdf |
| 4. การวิเคราะห์เชิงพยากรณ์ - การวิเคราะห์การจำแนก - การวิเคราะห์ถดถอย - การวิเคราะห์อนุกรมเวลา | Slide: ch4.pdf | Dataset : lab_06_dataset.zip lab_07_dataset.zip lab_08_dataset.zip Lab : lab_06.pdf lab_07.pdf lab_08.pdf |
| 5. การวิเคราะห์เชิงวางเงื่อนไข - การหาค่าที่เหมาะสมที่สุด - การจำลอง | Slide:ch5.pdf | Dataset : lab_09_dataset.zip Lab : lab_09.pdf |
| 6. การมองภาพข้อมูล | Slide: ch6.pdf | ศึกษาและฝึกหัดการใช้เครื่องมือ Microsoft Power BI Desktop ด้วยตัวเองจากวิดีโอ YouTube Dataset : lab_10_dataset.zip lab_11_dataset.zip lab_12_dataset.zip Lab : lab_10.pdf lab_11.pdf lab_12.pdf |
| 7. ประเด็นท้าทายในวิทยาการข้อมูล | Slide: ch7.pdf |
อาจารย์ผู้สอน
Section 1
เวลาเรียน
- บรรยาย วันจันทร์ เวลา 14:30-16:30น. ห้อง CSB209
- ปฏิบัติการ วันพฤหัสบดี เวลา 14:30-16:30น. ห้อง CSB307
อาจารย์ผู้สอน
ผศ.ดร.ปภังกร อิ่นแก้ว
Email: papangkorn.i@cmu.ac.th
สัดส่วนการให้คะแนน
คะแนนสอบกลางภาค 30%
คะแนนสอบปลายภาค 30%
คะแนนปฏิบัติการ 12%
คะแนนรายงานการค้นคว้า 20%
การเข้าชั้นเรียน 4%
การส่งงานตรงเวลา 4%
การสอบ
สอบกลางภาค : วันพุธ ที่ 17 มกราคม พ.ศ. 2567 เวลา 15:30-18:30น.
สอบปลายภาค : วันพฤหัสบดี ที่ 14 มีนาคม พ.ศ. 2567 เวลา 08:00-11:00น.
การวัดประเมินผล
คะแนนจากการสอบกลางภาค สอบปลายภาค และการบ้านปฏิบัติการ/งานที่ได้รับมอบหมาย ตัดเกรดอิงเกณฑ์ (เป็นหลัก)
| ช่วงคะแนน | เกรดที่คาดว่าจะได้รับ |
|---|---|
| 80-100 | A |
| 75-79 | B+ |
| 70-74 | B |
| 65-69 | C+ |
| 60-64 | C |
| 55-59 | D+ |
| 50-54 | D |
| 0-49 | F |
เอกสารประกอบการสอน
หนังสือ:
- Inkeaw P..Introduction to Data Science (In Thai: วิทยาการข้อมูลเบื้องต้น). Chiang Mai, Thailand: Chiang Mai University Press; 2023. ISBN Number (E-book) 978-616-398-866-9.สามารถซื้อได้ที่นี่ คลิก!
วิดีโอแนะนำเครื่องมือปฏิบัติการ :
- Microsoft Machine Learning Studio YouTube
- Microsoft Power BI Desktop YouTube
แบบฟอร์มรายงานการค้นคว้า
ส่วนที่ 1 ข้อมูล Download
ส่วนที่ 2 การเตรียมข้อมูล Download
ส่วนที่ 3 การวิเคราะห์ข้อมูลด้วยการสำรวจ Download
ส่วนที่ 4 การวิเคราะห์เชิงพยากรณ์ Download
ส่วนที่ 5 การมองภาพข้อมูล Download
เว็บไซต์ที่เกี่ยวข้อง
เว็บไซต์ส่งการบ้าน : http://hw.cs.science.cmu.ac.th
หมายเหตุ
วันและเวลาการสอบ เป็นไปตามประกาศของมหาวิทยาลัย ไม่มีนโยบายสอบนอกตาราง
นักศึกษาต้องเข้ารับการประเมินทั้งการสอบกลางภาคและปลายภาคการศึกษา มิฉะนั้นจะได้รับการประเมินในลำดับขั้น F
