องค์กรด้านธุรกิจและอุตสาหกรรมทั่วโลก ตระหนักและให้ความสำคัญต่อการเปลี่ยนแปลงของเทคโนโลยี อีกทั้งพยายามปรับตัวอย่างรวดเร็ว และใช้ประโยชน์จากข้อมูลที่มีอยู่เพื่อพัฒนาคุณภาพของสินค้า บริการ และตอบโจทย์ลูกค้าให้ได้มากที่สุด

         ในประเทศไทย เทคโนโลยีด้านข้อมูล (data technology) อาจเป็นเรื่องค่อนข้างใหม่สำหรับองค์กร เนื่องจากจำนวนของนักวิทยาศาสตร์ด้านข้อมูล (data scientist) ที่เป็นมืออาชีพมีจำนวนจำกัด และองค์กรส่วนใหญ่ ยังขาดบุคลากรที่มีความรู้และความสามารถด้านวิทยาศาสตร์ข้อมูล จึงเป็นอุปสรรค์ในการพัฒนาธุรกิจโดยใช้ประโยชน์จากข้อมูลอย่างมีประสิทธิภาพ

         โครงการนี้เป็นการพัฒนาต่อยอดความรู้ของบุคลากรด้าน IT ในองค์กรด้านธุรกิจ อุตสาหกรรม และภาครัฐ ซึ่งมีความรู้ความชำนาญในธุรกิจและกระบวนการทำงานขององค์กรอยู่แล้ว ให้มีองค์ความรู้และทักษะที่จำเป็นในการทำงานด้านวิทยาศาสตร์ด้านข้อมูล (data science) โดยมีเป้าหมายให้บุคลากรขององค์กรที่ผ่านการอบรม สามารถทำงานด้านข้อมูลขั้นพื้นฐาน และทำงานร่วมกับผู้เชี่ยวชาญหรือที่ปรึกษาด้าน data science, big data และ artificial intelligence (AI) ในโครงการที่มีความซับซ้อนมากขึ้นได้

วัตถุประสงค์:

โครงการนี้มีวัตถุประสงค์เพื่อพัฒนาบุคลากรด้าน IT ขององค์กร ให้มีองค์ความรู้และทักษะที่จำเป็นในการทำงานด้าน data science และสามารถเริ่มทำงานด้านข้อมูลในขั้นพื้นฐาน โดยใช้เครื่องมือ open source ตลอดจนสามารถร่วมทำงานกับผู้เชี่ยวชาญในงานที่มีความซับซ้อนมากขึ้นได้

Highlights:

1. การเรียนรู้ภาคทฤษฎีเท่าที่จำเป็น โดยเน้นวิธีคิดและการลงมือปฏิบัติแบบ step-by-step เพื่อให้ผู้เข้าอบรมสามารถทำงานได้จริง และสามารถเรียนรู้ต่อยอดได้ด้วยตนเองจากแหล่งข้อมูลต่างๆ
2. เรียนรู้จากตัวอย่างและชุดข้อมูลจริง เห็นความท้าทายและแนวทางการการจัดการข้อมูลอย่างถูกต้อง
3. เรียนรู้เครื่องมือในการทำงานด้านข้อมูลที่สามารถนำไปประยุกต์ใช้งานได้จริง และปรับการใช้งานได้อย่างเหมาะสม
4. ผู้สอนมีประสบการณ์สูงในการทำงานด้าน data science ในต่างประเทศ และดำเนินธุรกิจด้านข้อมูลในประเทศไทย

ใครควรเข้าอบรม?

เจ้าหน้าที่ด้าน IT ของหน่วยงานทั้งภาครัฐและเอกชนที่ลักษณะงานเกี่ยวข้องกับการจัดการข้อมูล และมีพื้นฐานความด้านการเขียนโปรแกรมที่ต้องการพัฒนาความรู้ด้าน data science และ data technologies

คุณสมบัติผู้เข้าอบรม:

ผู้เข้าอบรมควรมีความรู้พื้นฐานด้านคณิตศาสตร์และสถิติ (อย่างน้อยระดับปริญญาตรี) และมีความรู้ด้านการเขียนโปรแกรมคอมพิวเตอร์ อย่างน้อย 1 ภาษา (Java, C, C++, Pascal, Fortran, HTML, PHP, .NET, python, R, MATLAB or other programming languages)

ผลลัพธ์จากการอบรม:

หลังจากที่สิ้นสุดโครงการนี้ ผู้เข้าอบรมจะสามารถ

1. ใช้ภาษา python ในการ clean, process และจัดการข้อมูล
2. ใช้วิธีการด้านสถิติ และการ visualization แสดงให้เห็นความสัมพันธ์ของข้อมูล
3. ประยุกต์ใช้เทคนิคด้าน machine learning ในการวิเคราะห์ข้อมูล
4. สื่อสารและให้ความหมายผลลัพธ์จากการวิเคราะห์ข้อมูล

Course outline:

Day 1 (Instructor: Asst.Prof.Dr.Chanwit Boonchuay)

Data science backgrounds

• What is data science and data process?
• Why corporate data scientist?
• Corporate data science tasks
• Data types and formats
• Computational thinking
• Statistics for data science

Exploratory data analysis (EDA)

• Typical data format and types of EDA
• Univariate non-graphical and graphical EDA
• Multivariate non-graphical and graphical EDA

Machine learning essentials

• Types and categories of ML
• Regression modeling
• Classification modeling
• Clustering & Retrieval modeling

Big data challenges

• Why businesses need to understand big data?
• What is big data and how to manage?
• Big data applications for business
• Recent updates in big data technologies

Day 2 (Instructor: Gling Kanchanasuwa)

Data preparation and exploration

• Step-by-step for data preparation and exploration using python (jupyter notebook)
• Business case examples for data preparation and exploration
• Workshop on data preparation and exploration with real-world data sets
• Result communication and interpretation

Regression and classification models

• Step-by-step for regression and classification models
• Business case examples for regression and time series forecasting models
• Workshop on data analytics with real-world data sets

 Day 3 (Instructor: Gling Kanchanasuwa)

Time series forecasting and clustering models (end at 14.00)

• Step-by-step for time series forecasting and clustering models
• Business case examples for classification and clustering models
• Workshop on data analytics with real-world data sets

Practical examination

Based on given data sets, participants have to finish the assignment as

• Removing outliners in the data set
• Creating a predictive model
• Visualization and interpretation of results

ระยะเวลาและสถานที่การอบรม

18-20 มีนาคม 2562

09:00 - 17:00 น. (21 ชั่วโมง)

อาคารซอฟต์แวร์พาร์ค ชั้น 3 ถ.แจ้งวัฒนะ ปากเกร็ด นนทบุรี

ผู้เข้าอบรมจะได้รับ:

1. เอกสารประกอบการบรรยาย 1 ชุด
2. ไฟล์ source code ทั้งหมดในการอบรมภาคปฏิบัติ
3. สิทธิ์ใช้งาน Notebook Computer (Dell latitude 7480, Windows 10 64 bit, CPU: Intel Core I5-7200 Gen7th @2.70 GHz, Ram: 8 GB)
4. อาหารกลางวัน 3 มื้อ และอาหารเบรก 6 มื้อ
5. บริการให้คำแนะนำจากผู้เชี่ยวชาญผ่านช่องทาง online forum
6. ใบรับรองผ่านการฝึกอบรมและใบรับรองผลสอบภาคปฏิบัติ (สำหรับผู้สอบผ่านเกณฑ์)

ค่าใช้จ่ายต่อท่าน:

ค่าอบรม รวมค่าอุปกรณ์และค่าอาหารตลอด 3 วัน ราคา 28,000 บาท (ยังไม่รวม VAT) ราคา Early bird สำรองที่นั่งและชำระค่าใช้จ่ายก่อนวันที่ 20 ก.พ. 2562 เหลือ 22,400 บาท (ยังไม่รวม VAT) จำนวนจำกัด (ต้องการใบเสนอราคา กรุณาติดต่อคุณปริยา pariya@somsri.ai)

วิธีการจ่ายเงิน และการติดต่อ:

บัญชีธนาคารไทยพาณิชย์/ SCB (Saving Account)

ชื่อบัญชี: บริษัท ไซแนปส์ (ประเทศไทย) จำกัด/ SYNAPES (Thailand) Co., Ltd.

เลขบัญชี: 407-7124-22-9 สาขาเซ็นทรัล เฟสติวัล เชียงใหม่

และกรุณาส่งหลักฐานการโอนเงินมาที่ pariya@somsri.ai

สอบถามข้อมูลการสำรองที่นั่ง คุณปริยา มือถือ 092 284 8551

สอบถามรายละเอียดการอบรม ดร.ชาญวิทย์ มือถือ 091 858 5260

Event Contact