Data analytics for Business

คอร์สนี้จะช่วยให้คุณนำข้อมูลที่มีอยู่จำนวนมากมาวิเคราะห์ให้เกิดประโยชน์และมีประสิทธิภาพที่สูงที่สุด

• เช่นข้อมูลเชิงธุรกิจเพื่อนำข้อมูลที่มีอยู่จำนวนมากมาวิเคราะห์เพื่อการตัดสินใจให้ดียิ่งขึ้น
• ผู้บริหาร, บุคคล, พนักงานที่ต้องการลดความซ้ำซ้อน เพื่อเพิ่มความรวดเร็วในการทำงาน และ ช่วยในเรื่องของการตลาด หรือ หุ้น ได้อีกมากมาย

**ระดับความยากของคอร์สนี้

• ปานกลาง

ผู้เรียนจำเป็นต้องมีพื้นฐาน:

• การใช้ Excel และ Function หลักๆที่ใช้โดยทั่วไป เช่น Vlookup, Sumif, Filter, Pivot Table
• ภาษาอังกฤษ
• คณิตศาสตร์, สถิติ, Calculus
• ภาษา python (สามารถเรียนเพิ่มเติมได้ที่ https://bit.ly/3cMvSSH)

คอร์สเรียนนี้เหมาะกับใคร

• ผู้ที่ต้องการวิเคราะห์ธุรกิจโดยการนำ data มาวิเคราะห์
• นักธุรกิจที่ต้องการใช้ข้อมูลมาวิเคราะห์เพื่อการตัดสินใจที่ดีขึ้น เช่นผู้บริหาร
• บุคคลทั่วไปที่ต้องการลดขั้นตอนของการทำงานที่ซ้ำซ้อน เช่น Routine Report หรือแนวทางใหม่ๆในการทำ Report ให้รวดเร็ว, ถูกต้อง และ มีประสิทธิภาพมากขึ้น
• บุคคลทั่วไปที่มีความสนใจในการเรียนภาษา Python พื้นฐานสำหรับงานทั่วไปเพื่อเป็นแนวทางต่อยอดในอนาคต
• บุคคลทั่วไปที่มีความสนใจในการเรียนภาษาที่เอาไปใช้ทำ Machine Learning เพื่อเป็นพื้นฐานสำหรับงานทั่วไปเพื่อเป็นแนวทางต่อยอดในอนาคต
• บุคคลที่อยากเปลี่ยนสายงาน อยากประสบความสำเร็จในอาชีพ อยากมีรายได้สูงๆ

ความต้องการคอมพิวเตอร์ขั้นต่ำ

• PC/Laptop CPU core i5 (ใช้ i3 ได้แต่ว่าอาจจะช้าในบางงาน)
• Ram >4 GB
• Hard drive >500GB
• Windows 10 64bit
• *** ถ้ามี GMAIL Account สามารถเขียนผ่าน Tools ที่ชื่อว่า google Colaboratory ใน GMAIL ได้เลย ***

คอร์สนี้เรียนอะไรบ้าง

Ep.1 : แนะนำคอร์สเรียน

• แนะนำคอร์สเรียน : รับมือกับยุคของ Data Economy.
• AI and Machine Learning : What’s AI?
• ประเภทของข้อมูล
• ที่มาภาษา Python, เครื่องมือที่ใช้ในการทำงาน และ ประโยชน์จากการใช้งาน Python.

Ep.2 เครื่องมือที่ใช้ทำ Tools for Business Analytics

• Set up environment
• Download Program + Set up Path
• ไฟล์ Dataset (csv)
• ไฟล์ข้อมูลสำหรับทำ Workshop เป็นข้อมูลเกี่ยวกับการขายสินค้ามีขนาดข้อมูล 1.5 ล้านแถว, 14 คอลลัมน์
• ไฟล์ Install Python 3
• ตัวติดตั้งภาษา Python ในเครื่อง PC หรือ Notebook
• ไฟล์ IDE (Anaconda)
• เป็นเครื่องมือที่ช่วยในการพัฒนาโปรแกรมโดยมีสิ่งอำนวยความสะดวกต่างๆ เช่น คำสั่ง Compile, Run ให้ทำงานสะดวกมากขึ้น
• Test Program ว่าสามารถทำงานได้
• การเปิดการทำงานใน Jupyter Notebook ซึ่งเป็น IDE ที่นิยมในปัจจุบัน

Ep.3 AI and Machine Learning Introduction and Python for Data Analysis

3.1 Introduction AI and Machine Learning

• กระบวนการวิเคราะห์ข้อมูล CRISPDM
• รูปแบบการเรียนรู้ของ machine Learning
• การเรียนรู้แบบ Supervised Learning
• การเรียนรู้แบบ Unsupervised Learning
• การเรียนรู้แบบ Reinforcement Learning

3.2 Prediction Model

• K-Nearest Neighbors (KNN)
• Decision Tree
• Naive Bayes
• Linear Regression
• Logistic Regression
• Support Vector Machine
• Clustering
• Neural Network
• ตัวอย่าง Case study การประยุกต์ใช้ Machine Learning ในธุรกิจ

Ep.4 Introduction Python Programming

• ประเภทของตัวแปร
• Operation
• การใช้เครื่องหมาย Comment
• การเลือกข้อมูลมาใช้และการวิเคราะห์
• การจัดการปัญหาเมื่อเกิดข้อผิดพลาด (Error and Exception)

Ep.5 Data Exploration and Data Visualization

5.1 Data Exploration and Data Cleaning

• Parsing
• Correct Data
• Standardining
• Duplicate Elimination

5.2 Normalization Data

• การลดมิติ (Dimensionality Reduction)
• Principal Component Analysis
• Linear Discriminant Analysis
• Random Projection

Ep.6 Data Analysis

• Filtering Data
• Sorting Data
• Max, Min, Medien, Average
• Outlier Data
• Missing Values
• Imbalance Data
• Group by (Sum and Sum-if)
• Correlation, Variance
• Basic Graph Visualization
• Bar Graph
• Line Graph
• Scatter plot
• Pie Plot

Workshop 1: การใช้ Python for business Analytic and reping analysis จากข้อมูล 1.5 M Rows

Workshop 2: Robotic Process Automation ทดลองทำระบบการทำงานอัติโนมัติ