Practical Data Analytics Using RapidMiner รุ่นที่ 2 (จุฬาฯ)
ผศ. ดร.พีรพล เวทีกูล
หลักสูตร Chula MOOC
7 มีนาคม 2565 เป็นต้นไป
7 มีนาคม 2565 เป็นต้นไป
10 Lession
5 VDO
ไม่มี
มีการวัดและประเมินผลผ่านแบบทดสอบย่อย (Quiz) และแบบทดสอบหลังเรียน (Posttest) โดยจะแบ่งเป็นคะแนนจาก Quiz เท่ากับ 50 คะแนน และคะแนนจาก Posttest เท่ากับ 50 คะแนน ทั้งนี้ผู้เรียนต้องทำคะแนนรวมทั้งหมดให้ได้ร้อยละ 60 ขึ้นไป และเรียนจบภายในเวลาที่กำหนดจึงจะสามารถขอรับ Certificate of Completion ได้
CHULA MOOC
นิสิตและบุคลากร จุฬาฯ
การศึกษาและวิเคราะห์ข้อมูลด้วย Machine Learning โดยใช้โปรแกรม RapidMiner เพื่อให้เข้าใจถึงความสัมพันธ์ของข้อมูล พฤติกรรมต่าง ๆ ของลูกค้า และใช้ในการทำนายข้อมูล ซึ่งจะช่วยสนับสนุนการวางแผนและตัดสินใจทางธุรกิจได้
1. เพื่อเข้าใจประเภทต่าง ๆ ของศาสตร์ในการวิเคราะห์ข้อมูล
2. เพื่อให้สามารถใช้งานโปรแกรมวิเคราะห์ข้อมูล Rapid Miner
3. เพื่อให้สามารถนำโปรแกรม Rapid Miner มาประยุกต์ใช้งานประเภทต่าง ๆ ในการวิเคราะห์ข้อมูล
4. เพื่อสามารถนำโปรแกรม Rapid Miner มาประยุกต์ปฏิบัติในกรณีศึกษาต่าง ๆ ได้
มีการวัดและประเมินผลผ่านแบบทดสอบย่อย (Quiz) และแบบทดสอบหลังเรียน (Posttest) โดยจะแบ่งเป็นคะแนนจาก Quiz เท่ากับ 50 คะแนน และคะแนนจาก Posttest เท่ากับ 50 คะแนน ทั้งนี้ผู้เรียนต้องทำคะแนนรวมทั้งหมดให้ได้ร้อยละ 60 ขึ้นไป และเรียนจบภายในเวลาที่กำหนดจึงจะสามารถขอรับ Certificate of Completion ได้
1. ผู้เรียนจะมีสิทธิ์ทำแบบทดสอบหลังเรียน (Posttest) เมื่อเข้าร่วมกิจกรรมการเรียน (Course Progress) มากกว่า 80% ขึ้นไป
2. แบบทดสอบหลังเรียน(Posttest) ในแต่ละวิชาจะสามารถทำได้แค่ครั้งเดียวเท่านั้น
เนื้อหาในรายวิชา Practical Data Analytics Using RapidMiner ประกอบด้วย
1. Overview to the Course
2. RapidMiner Lab
3. Supervised Learning
4. An Overview on Classication Lab และ Classification Lab Part 1-4
5. An Overview on Regressing Lab และ Regressing Lab Part 1-3
6. Unsupervised Learning
7. An Overview on Clustering Lab และ Clustering Lab Part 1-3
8. An Overview on Association Rule Mining Lab และ Association Rule Mining Lab Part 1-3
9. Summary
10. Closing Session Closing Session
อาจารย์ประจำภาควิชาวิศวกรรมคอมพิวเตอร์
คณะวิศวกรรมศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย
EN
TH
