วิทยาลัยการศึกษาตลอดชีวิต มหาวิทยาลัยเชียงใหม่

หลักการและเหตุผล

ปัจจุบันการจัดเก็บข้อมูลในรูปแบบของฐานข้อมูลขององค์กรทั้งภาครัฐและภาคเอกชนมีอย่างต่อเนื่อง และหลายองค์กรมีความพยายามในการเชื่อมโยงข้อมูลภายในองค์กรให้สามารถเข้าถึงข้อมูลที่มีความสัมพันธ์กัน เกิดเป็นข้อมูลที่เปิดออกมา (Open Data) เพื่อเป็นฐานสำหรับการวิเคราะห์ข้อมูลเชิงลึกที่เป็นประโยชน์ ส่งผลให้เกิดการผลิตหรือพัฒนาสินค้าและบริการที่ไม่เคยมีมาก่อน โดยบูรณาการการเรียนรู้ด้วยเครื่อง (Machine Learning) เข้ากับการโปรแกรมคอมพิวเตอร์ (Computer Programming) เพื่อการวิเคราะห์ข้อมูลอย่างอัจฉริยะ (Intelligent Data Analysis) และแบบอัตโนมัติบนกลุ่มข้อมูลขนาดใหญ่ โดยเลือกคุณลักษณะสำคัญของข้อมูล จำแนกประเภท ตรวจจับความผิดปกติ ทำนาย หรืออนุมาน เป็นต้น ซึ่งสามารถใช้วิเคราะห์ข้อมูลในฐานข้อมูลทั้งแบบข้อความและรูปภาพ รวมถึงเนื้อหาดิจิทัล (Digital Content) ที่อยู่บนบล็อค เว็บไซต์ สื่อสังคมออนไลน์ (Blog, Website, Social Media) ทั้งนี้การวิเคราะห์ข้อมูลอัจฉริยะเป็นประโยชน์ต่อองค์กรและอุตสาหกรรมดิจิทัลด้านต่างๆ เช่น การแพทย์และโรงพยาบาล การเกษตร การตลาด การเงิน การบริหารรัฐกิจ เป็นต้น
นอกจากนี้ การพัฒนาบุคลากรในองค์กรเพื่อวิเคราะห์ข้อมูลต้องอาศัยความเข้าใจข้อมูล การเลือกใช้เครื่องมือการวิเคราะห์อย่างมีประสิทธิภาพ และระยะเวลาการเรียนรู้ระยะสั้น เพื่อบุคลากรได้มีสมรรถนะ และสามารถเริ่มสร้างงานได้อย่างรวดเร็ว ส่งผลต่อการพัฒนาองค์กรของตนเอง กลุ่มบุคลากรเหล่านี้ยังขาดทักษะการวิเคราะห์ข้อมูล และไม่รู้วิธีใช้เครื่องมือการวิเคราะห์และค้นหาข้อมูลสำคัญที่นำไปสู่การสร้างสรรค์พัฒนาสิ่งใหม่ สามารถต่อยอดเป็นนวัตกรรมที่สร้างมูลค่าให้กับองค์กร จึงนำมาสู่การเปิดหลักสูตรอบรมระยะสั้นเพื่อการรับรองสมรรถนะนี้เหมาะสำหรับนักศึกษาและผู้ที่สนใจเพื่อสร้างและพัฒนากำลังคนให้มีทักษะวิเคราะห์ข้อมูลและประยุกต์ทักษะการวิเคราะห์กับโจทย์ปัญหาที่นำไปสู่การสร้างสรรค์พัฒนาสิ่งใหม่ สามารถต่อยอดเป็นนวัตกรรมที่สร้างมูลค่าให้กับองค์กร

เนื้อหาของหลักสูตร

หลักสูตรนี้มีจำนวนชั่วโมงการเรียนรู้รวม 15 ชั่วโมง โดยมีเนื้อหาการอบรม ดังนี้

หัวข้อที่	หัวข้อการเรียนรู้	จำนวนชั่วโมงการเรียนรู้
1	การเตรียมข้อมูลและการแสดงมโนภาพข้อมูล - Data preparation and data visualization	2
2	การจำแนกข้อมูล (Data Classification) - Machine learning and basic classification techniques: Decision Tree, Naïve Bayes, k-Nearest Neighbors, etc. - Performance evaluation - Model parameters tuning for classification analysis - Case studies	4
3	การวิเคราะห์การถดถอย (Regression Analysis) - Machine learning and basic regression technique - Performance evaluation - Case studies	3
4	การจัดกลุ่มข้อมูล (Data Clustering) - Machine learning and basic clustering techniques: k-Means, Hierarchical clustering, etc. - Performance evaluation - Model parameters tuning for clustering analysis - Case studies	3
5	Problem-based learning - ผู้เรียนกำหนดโจทย์ปัญหาเพื่อสร้างโครงงานขนาดเล็กของตนเอง โดยจะได้ฝึกฝนทักษะและทบทวนกระบวนการวิเคราะห์ข้อมูล ด้วยโปรแกรม Rapid Miner จากปัญหาจริงโดยมีวิทยากรผู้เชี่ยวชาญ ให้คำแนะนำ จึงเป็นจุดเริ่มต้นของในการของการพัฒนากลไกสนับสนุน การเรียนรู้ตลอดชีวิตและการพัฒนาอาชีพอย่างต่อเนื่องแก่ผู้เรียน	3

* จำนวนชั่วโมงและหัวข้อย่อยอาจมีการปรับเปลี่ยนตามความเหมาะสม