Learn Python: Language Basics and Fundamental Data Processing (จุฬาฯ)
รศ. ดร.อติวงศ์ สุชาโต, รศ. ดร.โปรดปราน บุณยพุกกณะ, รศ.ดร.ธนารัตน์ ชลิดาพงศ์, อาจารย์ชินวิทย์ ชลิดาพงศ์
หลักสูตร Chula MOOC
วันที่ 9 พฤศจิกายน 2565 เป็นต้นไป
วันที่ 9 พฤศจิกายน 2565 เป็นต้นไป
5 บทเรียน
29 วีดีโอ
ไม่มี
ผู้เรียนต้องทำคะแนนรวมทั้งหมดให้ได้ร้อยละ 60 ขึ้นไป
Chula Mooc
นิสิตและบุคลากรจุฬาลงกรณ์มหาวิทยาลัย
เรียนภาษา Python ตั้งแต่เริ่มต้น เพื่อให้ผู้เรียนแม้จะไม่เคยเขียนโปรแกรมมาก่อน สามารถนำความรู้ที่ได้ไปเขียนโปรแกรมบน Jupyter Notebook เพื่อประมวลผลข้อมูลในบริบทต่าง ๆ ได้ ผู้เรียนจะได้ทำความเข้าใจประเภทของข้อมูลและการประมวลผลที่ถูกต้อง ผนวกกับการควบคุมผังการทำงานของโปรแกรม การเรียกใช้งานไลบรารีต่าง ๆ เพื่อสร้างโปรแกรมประยุกต์อย่างง่าย ๆ ได้ รวมถึงได้รับพื้นฐานการออกแบบและเขียนโปรแกรม Python ให้สามารถใช้งานซ้ำได้อย่างคุ้มค่าผ่านการใช้ฟังก์ชันและโมดูล หลังจากผู้เรียนจบรายวิชานี้ ผู้เรียนจะมีความพร้อมในการเรียนรู้รายวิชาต่อไปในซีรีส์คอร์สออนไลน์ "เรียนไพธอน" จาก Chula MOOC นี้ ซึ่งผู้เรียนจะได้เรียนรู้เเนื้อหาที่ครอบคลุมการใช้ไลบรารี NumPy ที่เป็นที่นิยมในการวิเคราะห์ข้อมูล (Data Analytics) และการแสดงข้อมูลด้วยภาพ (Data Visualization) ด้วย Matplotlib ต่อไป
1.เพื่อให้เกิดความรู้ความเข้าใจเกี่ยวกับการใช้โปรแกรม python ได้อย่างถูกต้องและเหมาะสม
2.เพื่อพัฒนาทักษะการแก้ไขปัญหา การวิเคราะห์ข้อมูล และการประมวลผลข้อมูลด้วยโปรแกรม Python ได้อย่างมีประสิทธิภาพ
มีการวัดและประเมินผลผ่านแบบทดสอบย่อย (Quiz) และแบบทดสอบหลังเรียน (Posttest) โดยจะแบ่งเป็นคะแนนจาก Quiz เท่ากับ 50 คะแนน และคะแนนจาก Posttest เท่ากับ 50 คะแนน ทั้งนี้ผู้เรียนต้องทำคะแนนรวมทั้งหมดให้ได้ร้อยละ 60 ขึ้นไปจึงจะสามารถขอรับ Certificate of Completion ได้
1. ผู้เรียนจะมีสิทธิ์ทำแบบทดสอบหลังเรียน (Posttest) เมื่อเข้าร่วมกิจกรรมการเรียน (Course Progress) มากกว่า 80% ขึ้นไป
2. ผู้เรียนจะสามารถทำข้อสอบ Posttest ได้เพียง 1 ครั้งเท่านั้น
บทที่ 1 ความเข้าใจเกี่ยวกับการเขียนโปรแกรมและภาษา Python
บทที่ 2 Python และโปรแกรม Jupyter notebook
บทที่ 3 ทำความรู้จัก Jupyter Notebook
บทที่ 4 การควบคุม Jupyter Notebook
บทที่ 5 จัดรูปแบบด้วย Markdown
บทที่ 6 เริ่มเขียนโปรแกรม Python ใน Jupyter Notebook
บทที่ 7 การเขียนโปรแกรม Python: Data Types
บทที่ 8 การเขียนโปรแกรม Python: Variables
บทที่ 9 การเขียนโปรแกรม Python: Operators & Expressions
บทที่ 10 การเขียนโปรแกรม Python: ลำดับการดำเนินการ Operator
บทที่ 11 การเขียนโปรแกรม Python: รู้จักและเรียกใช้ Built-in Functions
บทที่ 12 การเขียนโปรแกรม Python: การทำงานกับ Data Types หลายประเภท
บทที่ 13 การเขียนโปรแกรม Python: การเรียกใช้ Built-in Modules
บทที่ 14 การเขียนโปรแกรม Python: Strings
บทที่ 15 การเขียนโปรแกรม Python: Selection
บทที่ 16 การเขียนโปรแกรม Python: Loop
บทที่ 17 ตัวอย่างโปรแกรม Python 1
บทที่ 18 Data Collection: Lists
บทที่ 19 Data Collection: Tuples
บทที่ 20 Data Collection: Dictionaries
บทที่ 21 Data Collection: Sets
บทที่ 22 การเขียนโปรแกรม Python: Functions Part 1
บทที่ 23 การเขียนโปรแกรม Python: Functions Part 2
บทที่ 24 การเขียนโปรแกรม Python: Files
บทที่ 25 ตัวอย่างโปรแกรม: รอตั้งชื่อ
บทที่ 26 ทำความรู้จักและใช้งาน Lambda Function
บทที่ 27 ทำความเข้าใจ Python Modules
บทที่ 28 โครงสร้างและวิธีใช้งาน Python Modules
บทที่ 29 ทำความรู้จัก NumPy
บทที่ 30 ทำความรู้จักและเข้าใจโครงสร้างของ NumPy Array
บทที่ 31 Shape, Axis, และวิธีสร้าง NumPy Array
บทที่ 32 การทำ Indexing และ Slicing NumPy Array
บทที่ 33 การจัดการรูปร่างและข้อมูล NumPy Array
บทที่ 34 Vectorization และ Broadcasting ใน NumPy
บทที่ 35 Math Operations และ Sorting ใน NumPy
บทที่ 36 ทำความเข้าใจและความสำคัญของ Random Sampling
บทที่ 37 พื้นฐานการ Random ตัวเลขโดยใช้ NumPy
บทที่ 38 เคสตัวอย่าง Sampling จาก Event การทอยลูกเต๋า
บทที่ 39 ทำความรู้จัก Matplotlib และพื้นฐานการวาด Charts
บทที่ 40 ทำความเข้าใจ pyplot และการใช้งาน subplots
บทที่ 41 การวาด Dynamic Charts ขั้นพื้นฐาน
บทที่ 42 การวาดและ Customize Charts จากข้อมูล Dataset
บทที่ 43 การวิเคราะห์ลักษณะข้อมูลเบื้องต้น โดยใช้ Matplotlib
บทที่ 44 ตัวอย่างโปรแกรม: Dynamic Chart
บทที่ 45 Closing
ภาควิชาวิศวกรรมคอมพิวเตอร์
คณะวิศวกรรมศาสตร์
จุฬาลงกรณ์มหาวิทยาลัย
ภาควิชาวิศวกรรมคอมพิวเตอร์
คณะวิศวกรรมศาสตร์
จุฬาลงกรณ์มหาวิทยาลัย
CEO
Eikonnex AI Co., Ltd.
EN
TH
