โครงการหลักสูตรบัณฑิตพันธุ์ใหม่


การวิเคราะห์ข้อมูลอัจฉริยะ (INTELLIGENT DATA ANALYSIS)

เพื่อการวิเคราะห์เชิงลึกและค้นหาข้อมูลสำคัญที่นำไปสู่การสร้างสรรค์พัฒนาสิ่งใหม่ สามารถต่อยอดเป็นนวัตกรรมที่สร้างมูลค่าให้กับองค์กร จึงนำมาสู่การเปิดหลักสูตรการวิเคราะห์ข้อมูลอัจฉริยะ (Intelligent Data Analysis) หลักสูตรนี้มุ่งหวังให้ผู้เรียนมีความรู้ภาคทฤษฎีเกี่ยวกับการจัดดำเนินการข้อมูล และการวิเคราะห์ข้อมูลด้วยเทคนิคการเรียนรู้ด้วยเครื่อง(Machine Learning) ที่สามารถนำไปประยุกต์ใช้กับโจทย์การวิเคราะห์ข้อมูลเชิงลึกและการวิจัยกับข้อมูลหลายประเภท นอกจากนี้ผู้เรียนจะได้ฝึกภาคปฏิบัติ ณ สถานประกอบการ โดยใช้ข้อมูลจริงตามความต้องการของสถานประกอบการ เพื่อประโยชน์ขององค์กรต่อไป

วัตถุประสงค์ของหลักสูตร
  • พัฒนากำลังคนให้มีความรู้และทักษะด้านการวิเคราะห์ข้อมูลอัจฉริยะด้วยเทคนิคการเรียนรู้ด้วยเครื่อง เพื่อนำไปประยุกต์ใช้ให้เกิดประโยชน์สำหรับองค์กร
  • วิเคราะห์ข้อมูลอัจฉริยะและค้นหาข้อมูลสำคัญที่นำไปสู่การสร้างสรรค์พัฒนาสิ่งใหม่ สามารถต่อยอดเป็นนวัตกรรมที่สร้างมูลค่าให้กับองค์กร
คุณสมบัติของผู้สมัคร
  1. มีทักษะพื้นฐานการใช้งานโปรแกรม Microsoft Excel
  2. ได้รับอนุญาตจากหน่วยงานให้เรียนและนำข้อมูลในองค์กรมาใช้เพื่อประกอบการเรียน
  3. เป็นพนักงานในองค์กรด้านอุตสาหกรรม หรือธุรกิจเอกชน โดยองค์กรต้องร่วมเซ็น MOU กับคณะวิทยาศาสตร์
กระบวนการรับสมัคร
กระบวนการ รายละเอียด
รับสมัคร 22 มิถุนายน – 8 กรกฎาคม 2565
สัมภาษณ์ 20 กรกฎาคม 2565 เวลา 9:00-12:00 น. (การประชุมออนไลน์ผ่านระบบ Zoom)
ประกาศผล 22 กรกฎาคม 2565 (รับผู้เรียนจำนวน 40 คน)
ประสานงานเพื่อทำ MOU 25-31 กรกฎาคม 2565
ปฐมนิเทศผู้เรียน 27 กรกฎาคม 2565 เวลา 13:30-15:30 น. (การประชุมออนไลน์ผ่านระบบ Zoom)
เริ่มเรียน 4 สิงหาคม 2565
ช่วงเวลาเรียน สิงหาคม 2565 - กุมภาพันธ์ 2566 (ภาคทฤษฏี : Video on Demand ภาคปฏิบัติ : สอนสดผ่านระบบ Zoom)
การสมัครและเอกสารที่ใช้
  1. สมัคร Online ผ่านลิงค์ https://cmu.to/Wsw0d
  2. รูปถ่าย
  3. สำเนาบัตรประชาชน
  4. หนังสือนำส่งจากบริษัท
  5. Curriculum Vitae (CV)
วิธีจัดการเรียนการสอนกระบวนวิชา

การจัดการเรียนการสอนในกระบวนวิชา Data Manipulation (ส.ค.-ก.ย. 65) และกระบวนวิชา Data Analysis with Machine Learning (ก.ย.-ต.ค. 65)

ระยะเวลา ใช้ระยะเวลาในการเรียนการสอนในแต่ละกระบวนวิชาประมาณ 6 สัปดาห์ 360 ชม. (ทฤษฎี 90 ชม. , ปฏิบัติ 270 ชม.)
ภาคทฤษฎี จัดการเรียนการสอนแบบออนไลน์ Video on Demand โดยมีเนื้อหาให้ผู้เรียนศึกษาด้วยตนเองผ่านวิดีโอและมีแบบฝึกหัดเพื่อทบทวนเนื้อหา โดยความยาววิดีโอประมาณ 30 นาที ต่อ 1 หัวข้อ จำนวน 4 หัวข้อ/สัปดาห์ (ใช้เวลาในการเรียนรู้ประมาณ 8 ชั่วโมงต่อสัปดาห์)
ภาคปฏิบัติ จัดการเรียนการสอนสด แบบออนไลน์ผ่านระบบ Zoom ในวันพุธของแต่ละสัปดาห์ เวลา 13:30-15:30 น. และเช็คชื่อเข้าเรียน โดยผู้เรียนต้องเข้าเรียนอย่างน้อยร้อยละ 80 ของเวลาเรียนทั้งหมดในแต่ละกระบวนวิชา มีการบันทึกวิดีโอการสอนให้ทบทวนบทเรียนย้อนหลัง รวมทั้งมีแบบฝึกหัดเพื่อฝึกฝนทักษะในแต่ละสัปดาห์
การประเมินผล ผู้เรียนจะต้องได้รับ ผลการประเมินตั้งแต่ร้อยละ 60 ขึ้นไป ในการทำแบบฝึกหัดภาคทฤษฎี ภาคปฏิบัติ และการสอบประเมินผลการเรียน จึงจะถือว่าเป็นผู้สำเร็จหลักสูตร โดยผู้เรียนที่ได้ผลการประเมินน้อยกว่าที่กำหนดจะต้องทบทวนเนื้อหาและทำแบบฝึกหัดหรือสอบใหม่ ซึ่งอาจารย์ผู้สอนจะให้คำแนะนำอย่างใกล้ชิด
การให้คำปรึกษา มีการให้บริการตอบคำถามผ่านระบบถามตอบออนไลน์ โดยจะมีเจ้าหน้าที่คอยให้บริการเวลา 9:00-16:00 น. ในเวลาราชการ โดยเจ้าหน้าที่จะให้บริการตอบคำถามเบื้องต้นและส่งต่อคำถามพิเศษไปยังอาจารย์ผู้สอน ซึ่งผู้เรียนสามารถแจ้งความจำนงเพื่อขอติดต่อสอบถามอาจารย์ผู้สอนโดยตรงทางโทรศัพท์หรือทางออนไลน์ผ่านระบบ Zoom

การจัดการเรียนการสอนในกระบวนวิชา Project-based learning (พ.ย. 65 – ก.พ. 66)

การเรียน จัดการเรียนการสอนแบบ Project-based learning และแบบ Work-integrated learning โดยเข้ารับการฝึกปฏิบัติงานจริง เพื่อทำการ ศึกษา ค้นคว้าในสภาพแวดล้อมการทำงานจริง เพื่อพัฒนาโครงงานประยุกต์สำหรับการแก้โจทย์ชององค์การ โดยมีทีมอาจารย์ที่ปรึกษาทำหน้าที่เป็น Mentor


แผนการศึกษา
เดือนที่ รายวิชา หน่วยกิต
เดือนที่ 1, 2 204728 Data Manipulation 3
เดือนที่ 3, 4 204725 Data Analytics with Machine Learning 3


แผนการศึกษา
รหัสวิชา ชื่อกระบวนวิชา เนื้อหา
CS725 (204725) การวิเคราะห์ข้อมูลและการเรียนรู้ของเครื่อง (Data Analytics and Machine Learning) ตัวแบบการทำนายการวิเคราะห์การจัดกลุ่มการจัดหมวดหมู่การวิเคราะห์ถดถอยการให้คะแนนและการจัดลำดับการเรียนรู้โครงสร้างการเรียนรู้แบบกึ่งมีผู้สอนการเรียนรู้แบบเสริมกำลัง Predictive analytics, cluster analysis, classification, regression analysis, scaring and ranking, structure learning, semi-supervised learning, reinforcement learning.
CS728 (204728) การจัดดำเนินการข้อมูล (Data Manipulation ) การแทนและการได้ข้อมูล การแปลงและการตรวจชำระข้อมูล การประมวลผลคุณลักษณะ กระบวนการของ การสกัด การแปลงและการบรรจุ (อีทีแอล) การนำเสนอข้อมูล Data representations and acquisitions, data transformation and cleansing, feature processing, process of extraction transformation and load (ETL), data presentation.