การวิเคราะห์ข้อมูลด้วยเทคนิค Data Mining โดยซอฟต์แวร์ RapidMiner Studio 6 (ขั้นพื้นฐานและปานกลาง) รุ่นที่ 6

โลกในยุคปัจจุบันได้ก้าวเข้าไปสู่ยุคที่เรียกว่า “Big Data” หรือ “ข้อมูลอภิมหาศาล” เนื่องจากในแต่ละวันมีข้อมูลเกิดขึ้นมากมาย อาทิเช่น ข้อมูลสมาชิกของ Facebook ข้อมูลการซื้อสินค้าจากในซุปเปอร์มาร์เกตต่างๆ และเพื่อให้เกิดประโยชน์มากที่สุดเราจำเป็นต้องนำข้อมูลอภิมหาศาลเหล่านี้มาทำการวิเคราะห์ (analyze) ซึ่งเทคนิคหนึ่งที่ได้รับการนิยมอย่างสูงในปัจจุบัน คือ เทคนิค Data Mining ซึ่งเป็นเทคนิคที่ค้นหาความสัมพันธ์ในข้อมูล เช่น ถ้าลูกค้าซื้อเบียร์แล้วลูกค้าจะซื้อผ้าอ้อมร่วมไปด้วย หรือถ้าเรากด Like หน้า Facebook page เราจะเห็นว่า Facebook มีระบบแนะนำ page อื่นๆ ที่เกี่ยวข้องมาให้ด้วย หรือ การสร้างโมเดลเพื่อทำนายสิ่งที่จะเกิดขึ้นในอนาคต เช่น ทำนายยอดขายในไตรมาสถัดไป หรือ การทำนายว่าพนักงานคนไหนที่จะลาออกจากบริษัทในช่วง 3 เดือนข้างหน้า ตัวอย่างเหล่านี้ล้วนเป็นผลมาจากการวิเคราะห์ข้อมูลทางด้าน Data Mining 

วันพฤหัสบดีที่ 26 กุมภาพันธ์ 2558 – วันเสาร์ที่ 28 กุมภาพันธ์ 2558

 (อบรมจำนวน 3 วัน)  เวลา 9:00-16:30 น.

วันที่ 1

• แนะนำการวิเคราะห์ข้อมูลด้วยเทคนิค Data Mining และการใช้ประโยชน์ในงานวิจัย
• แนะนำกระบวนการ CRISP-DM เบื้องต้นสำหรับการวิเคราะห์ข้อมูล
• แนะนำส่วนต่างๆ ของซอฟต์แวร์ RapidMiner Studio 6
• การนำข้อมูลไฟล์ Excel, CSV เข้ามาใช้ใน RapidMiner Studio 6
• ลักษณะของแอตทริบิวต์ (attribute) ต่างๆ ในชุดข้อมูล
• การเขียนไฟล์ให้อยู่ในรูปแบบของ Excel และ CSV
• การแสดงข้อมูลในกราฟแบบต่างๆ เช่น scatter plot, time series
• การค้นหา Outlier ซึ่งเป็นข้อมูลที่แตกต่างจากข้อมูลอื่นๆ
• การค้นหาข้อมูลที่ผิดพลาด (missing value) และแทนที่ด้วยค่าที่กำหนดเองหรือค่าทางสถิติ
• การแปลงข้อมูลด้วยเทคนิค discretization แบบกำหนดช่วงเองหรือแบบอัตโนมัติ
• การลดจำนวนข้อมูลด้วยการ sampling แบบต่างๆ
• การเลือกแอตทริบิวต์เพื่อใช้ในการวิเคราะห์ข้อมูล
• แนะนำการหากฏความสัมพันธ์ (association rules) และการประยุกต์ใช้งานด้านต่างๆ
• แนะนำเทคนิคการหากฏความสัมพันธ์ด้วยเทคนิค Apriori และ FP Growth
• การแปลงข้อมูลจากฐานข้อมูล relation database ให้เป็นฐานข้อมูล transaction database
• การหากฏความสัมพันธ์ด้วยเทคนิค FP Growth ซึ่งเป็นวิธีที่มีประสิทธิภาพมากที่สุด
• Workshop การหากฏความสัมพันธ์จากข้อมูลการซื้อสินค้าจำนวนมากกว่า 100,000 transactions ด้วย RapidMiner Studio 6
• แนะนำการแบ่งกลุ่มข้อมูล (clustering) และการประยุกต์ใช้งานด้านต่างๆ
• แนะนำตัววัดประสิทธิภาพของการแบ่งกลุ่มข้อมูล
• แนะนำการแบ่งกลุ่มข้อมูลด้วยเทคนิค K-Means และ DBScan
• Workshop การแบ่งกลุ่มข้อมูลทางด้านการศึกษาและการแพทย์ด้วย RapidMiner Studio 6

วันที่ 2

• แนะนำการจำแนกประเภทข้อมูล (classification)
• การวัดประสิทธิภาพของการจำแนกประเภทข้อมูล
• แนะนำเทคนิค Linear Regression และการประยุกต์ใช้งาน
• การใช้งาน Linear Regression ใน RapidMiner Studio 6
• แนะนำเทคนิค Naive Bayes และการประยุกต์ใช้งาน
• การใช้งาน Naive Bayes ใน RapidMiner Studio 6
• แนะนำเทคนิค Decision Tree และการประยุกต์ใช้งาน
• การใช้งาน Decision Tree ใน RapidMiner Studio 6
• แนะนำเทคนิค K-Nearest Neighbours (KNN) และการประยุกต์ใช้งาน
• การใช้งาน KNN ใน RapidMiner Studio 6
• แนะนำเทคนิค Neural Networks และการประยุกต์ใช้งาน
• การใช้งาน Neural Networks ใน RapidMiner Studio 6
• แนะนำเทคนิค Support Vector Machines (SVM) และการประยุกต์ใช้งาน
• การใช้งาน SVM ใน RapidMiner Studio 6
• Workshop การจำแนกประเภทข้อมูลในงานด้านต่างๆ
• ด้านธุรกิจ
• ด้านการศึกษา
• ด้านการแพทย์
• การคัดเลือกแอตทริบิวต์ (attribute selection) และการประยุกต์ใช้ในการจำแนกประเภทข้อมูล
• Workshop การคัดเลือกแอตทริบิวต์และการจำแนกประเภทข้อมูลในงานด้านต่างๆ
• การจำแนกประเภทข้อมูลแบบหลายลาเบล (multi-label)
• Workshop การจำแนกประเภทข้อมูลแบบหลายลาเบล

วันที่ 3

• การเปรียบเทียบประสิทธิภาพของโมเดลจากเทคนิค classification ต่างๆ และ t-test
• แนะนำเทคนิคการหาวิธี classification ที่เหมาะสมสำหรับข้อมูลแต่ละชุด (meta-learning)
• แนะนำการทำ Text Mining ด้วย RapidMiner Studio 6
• Workshop การจำแนกข้อความที่เป็น spam จาก SMS
• Workshop การแบ่งกลุ่มข้อมูลจากข้อความรีวิว (Review)
• Workshop การหากฏความสัมพันธ์จากข้อความรีวิว
• แนะนำการทำ Image Mining ด้วย RapidMiner Studio 6
• Workshop การจำแนกรูปภาพออกเป็นประเภทต่างๆ

ดร. เอกสิทธิ์ พัชรวงศ์ศักดา