คำอธิบายรายวิชา
หลักการพื้นฐานการทำเหมืองข้อมูล การใช้เครื่องเรียนรู้และสถิติสำหรับการทำเหมืองข้อมูล การแสดงความรู้จากการทำเหมืองข้อมูล ขั้นตอนวิธีต่าง ๆ ที่ใช้สำหรับการทำเหมืองข้อมูล การตรวจสอบการเรียนรู้จากข้อมูล กฏความสัมพันธ์ การตัดสินใจแบบต้นไม้ การแยกข้อมูลด้วยการจัดกลุ่มข้อมูล การเลือกแอตทริบิวต์ของข้อมูล การทำเหมืองข้อมูลบนอินเทอร์เน็ต การเขียนโปรแกรมเพื่อการทำเหมืองข้อมูล และการประยุกต์การทำเหมืองข้อมูล
Course Description
Fundamental of data mining; tools for learning and statistics for data mining; knowledge representation from data mining; algorithms for data mining; learning evaluation with training data; association rules; decision trees; patterns classification;clustering; attribute selection; Web data mining; computer programming for data mining; application of data mining
ผลลัพธ์การเรียนรู้
CLO1: ทำงานที่ได้รับมอบหมายด้วยตนเอง
CLO2: เข้าห้องเรียนอย่างสม่ำเสมอตรงต่อเวลา
CLO3: อธิบายหลักการทฤษฎีการวิเคราะห์ข้อมูลด้วยเหมืองข้อมูลได้
CLO4: บอกขั้นตอนวิธีต่าง ๆ ที่ใช้สําหรับการทําเหมืองข้อมูล
CLO5: อธิบายกฎความสัมพันธ์ด้วยเซต และโมเดลความสัมพันธ์ได้
CLO6: อธิบายการการเลือกแอตทริบิวต์ของข้อมูล
CLO7: ประยุกต์ใช้สมการระยะห่างในการแบ่งกลุ่ม (Clustering) ได้อย่างเหมาะสม
CLO8: อธิบายหลักการของระบบการวิเคราะห์ข้อมูลแบบเหมืองข้อมูล, CRISP-DM ได้อย่างถูกต้อง
CLO9: ประยุกต์ใช้หลักการทฤษฎีของเหมืองข้อมูลในการวิเคราะห์ / แนะนำ / ช่วยตัดสินใจในโจทย์ทางธุรกิจได้
CLO10: สร้างสรรค์นวัตกรรมจากการวิเคราะห์ข้อมูลจากแหล่งข้อมูลต่าง ๆ ด้วยเทคนิคเหมืองข้อมูล
CLO11: สามารถประยุกต์ใช้ Rapid miner ร่วมกับ cloud platform ในการทำเหมืองข้อมูลเพื่อวิเคราะห์ข้อมูลขนาดใหญ่ได้
CLO12: สามารถค้นคว้าหาความรู้เพิ่มเติมเกี่ยวกับเทคโนโลยีด้านเหมืองข้อมูล โดยสามารถสรุปองค์ความรู้ได้ สามารถค้นหาแหล่งข้อมูล / ชุดข้อมูลตัวอย่างได้