| Course Description แนวคิดการวิเคราะห์ข้อมูลในงานธุรกิจ; ความรู้เบื้องต้นเกี่ยวกับการทำเหมืองข้อมูล; กรณีศึกษาของการวิเคราะห์ข้อมูลด้วยการทำเหมืองข้อมูล; ประเภทของการทำเหมืองข้อมูล; กระบวนการในการทำเหมืองข้อมูล; การจัดประเภทข้อมูลและการประยุกต์ใช้ในงานธุรกิจ; เทคนิคการทำนายประเภทข้อมูล อาทิเช่น ต้นไม้ตัดสินใจ เคเนียเรสเนเบอร์ นาอีฟเบย์ และเครือข่ายเส้นประสาท; การแบ่งกลุ่มข้อมูลและการประยุกต์ใช้ในงานธุรกิจ; เทคนิคการแบ่งกลุ่มข้อมูล อาทิเช่น เคมีนส์, แอคโกลเมอร์เรทีฟคลัสเตอร์ลิ่ง; การวิเคราะห์ความสัมพันธ์และการประยุกต์ใช้ในงานธุรกิจ; แนวคิดในการค้นหากฏความสัมพันธ์; อัลกอริทึมอะไพรโอริ; การใช้เครื่องมือในการวิเคราะห์ข้อมูล. Business analytics concepts; introduction to data mining; the cases of data mining; types of data mining; data mining process; classification and its applications in businesses; class prediction techniques such as decision trees, k-nearest neighbors, naive Bayesian and neural networks; clustering and its applications in businesses; clustering analysis techniques such as k-means, agglomerative clustering; association analysis and its applications in businesses; concepts of mining association rules; Apriori algorithm; using tools for data analytics. หมายเหตุ เรียน C = Lecture L = Lab O = Online S = Self Study X = Cancel ผู้ประสานงานรายวิชา * = ผู้ประสานงานรายวิชา รายวิชาบังคับ P = บังคับก่อน, C = เรียนร่วม, F = เคยลงทะเบียนแล้วได้เกรด A-F ภาระการสอน = สอนบรรยาย, = สอนปฏิบัติการ |