คอร์สเรียน
Coding Thailand
2025
4.37 คะแนนเฉลี่ย | 21 คอร์ส | 174 รีวิว
เรียน

คอร์สที่เกี่ยวข้อง

AI Data Analytics (บังคับ)

 
แผนการสอนวิชา Data Analytics ระยะเวลา 6 ชั่วโมง
ถูกออกแบบมาเพื่อให้นักเรียนเข้าใจทั้งภาคทฤษฎีและภาคปฏิบัติ ผ่านกิจกรรมเชิงโครงงานและการเรียนรู้แบบลงมือทำ โดยเน้นการพัฒนาทักษะการคิดวิเคราะห์ การแก้ปัญหา และความคิดสร้างสรรค์
วัตถุประสงค์รายวิชา
  • เพื่อให้นักเรียนเข้าใจแนวคิดและกระบวนการวิเคราะห์ข้อมูล (Data Analytics Process)
  • เพื่อฝึกทักษะการใช้เครื่องมือวิเคราะห์ข้อมูล เช่น Excel, Python (Pandas, Matplotlib, Seaborn)
  • เพื่อให้สามารถประมวลผลข้อมูล (Data Processing) และทำความสะอาดข้อมูล (Data Cleaning)
  • เพื่อให้นักเรียนสามารถนำเสนอข้อมูลด้วยการสร้าง Visualization (Data Visualization)
  • เพื่อให้นักเรียนสามารถวิเคราะห์เชิงลึกและสร้าง Insight สำหรับการตัดสินใจ
ชั่วโมงที่ 1 : Introduction to Data Analytics
เนื้อหา
Data Analytics คือกระบวนการเปลี่ยนข้อมูลดิบให้กลายเป็นข้อมูลเชิงลึกเพื่อสนับสนุนการตัดสินใจ
ประเภทของ Data Analytics: Descriptive, Diagnostic, Predictive, Prescriptive
ความแตกต่างระหว่าง Data Analytics, Data Science, และ Business Intelligence
ตัวอย่างการใช้งาน: การตลาด, การเงิน, การศึกษา, การแพทย์
กิจกรรมการเรียนรู้
ครูนำเสนอคลิปแนะนำ Data Analytics
นักเรียนยกตัวอย่างการใช้ Data Analytics ในชีวิตประจำวัน
ชั่วโมงที่ 2 : Data Collection & Data Cleaning
เนื้อหา
แหล่งข้อมูล: Excel, CSV, Database, API
ความสำคัญของ Data Cleaning ต่อคุณภาพข้อมูล
ขั้นตอน Data Cleaning: การจัดการ Missing Values, ลบ Duplicate, ตรวจสอบ Outliers, แปลง Data Type
เครื่องมือ: Excel, Pandas
กิจกรรมการเรียนรู้
นักเรียนเปิดไฟล์ข้อมูลที่มี Missing Values และ Outliers
ฝึกทำความสะอาดข้อมูลด้วย Excel และ Pandas
ชั่วโมงที่ 3 : Exploratory Data Analysis (EDA)
เนื้อหา
EDA คือการสำรวจข้อมูลเพื่อทำความเข้าใจเบื้องต้น
การหาค่าสถิติพื้นฐาน: Mean, Median, Mode, Min, Max, Std
การหาความสัมพันธ์ของข้อมูล (Correlation)
การใช้ Visualization: Histogram, Boxplot, Scatterplot
เครื่องมือ: Pandas, Matplotlib, Seaborn
กิจกรรมการเรียนรู้
นักเรียนใช้ Pandas อ่าน CSV และหาค่าสถิติพื้นฐาน
สร้างกราฟ Histogram และ Scatterplot
ชั่วโมงที่ 4 : Data Visualization
เนื้อหา
ความสำคัญของการนำเสนอข้อมูล
ประเภทของ Visualization: Bar Chart, Line Chart, Pie Chart, Heatmap
เครื่องมือที่นิยม: Matplotlib, Seaborn, Tableau, Power BI
หลักการเลือก Visualization ให้เหมาะสมกับข้อมูล
กิจกรรมการเรียนรู้
นักเรียนสร้าง Bar Chart และ Line Chart จากข้อมูล
ทดลองใช้ Seaborn วาด Heatmap
ชั่วโมงที่ 5 : Advanced Analytics & Predictive Modeling
เนื้อหา
การใช้ Machine Learning เบื้องต้นในการวิเคราะห์ข้อมูล
การแบ่งข้อมูล Train/Test
โมเดลพื้นฐาน: Linear Regression, Decision Tree
ตัวอย่าง: การทำนายยอดขายจากข้อมูลอดีต
การวัดผลโมเดล: Accuracy, RMSE
กิจกรรมการเรียนรู้
นักเรียนสร้างโมเดล Linear Regression เพื่อทำนายยอดขาย
ทดลองเปรียบเทียบผลลัพธ์กับข้อมูลจริง
ชั่วโมงที่ 6 : Mini Project Data Analytics
เนื้อหา
บูรณาการความรู้ทั้งหมด: Data Collection → Cleaning → EDA → Visualization → Predictive Model
ตัวอย่างโครงงาน: วิเคราะห์ยอดขายร้านค้า, วิเคราะห์ข้อมูลสุขภาพ, วิเคราะห์ข้อมูลนักเรียน
การเขียนรายงานสรุป Insight และข้อเสนอแนะ
กิจกรรมการเรียนรู้
นักเรียนทำงานเป็นกลุ่ม เลือกโครงงาน 1 เรื่อง
ทำการวิเคราะห์และสร้าง Dashboard
นำเสนอผลการวิเคราะห์หน้าชั้นเรียน
 

 

ห้องสนทนา
★
คะแนนเฉพลี่ย
4.37
★
★
★
★
★
5 ดาว
135
4 ดาว
14
3 ดาว
6
2 ดาว
3
1 ดาว
6
กรุณาลงทะเบียนเรียนคอร์สนี้เพื่อใช้งานรีวิว

รีวิวบทเรียน

  • ธนกฤxxx กาหยxxx
    ในคลิปสอนดีมากครับ แต่ผมไม่เข้าใจว่าเอาเนื้อหามาใส่ผิดคอร์สรึป่าว เพราะผมก็เป็นหนึ่งในคนที่มาเรียนเพื่อผ่านหลักสูตรก่อนแข่งเหมือนกัน เพราะในคลิปเน้นสอนเป็นการปฏิบัติแต่แบบทดสอบดันมีแต่เนื้อทฤษฎี ซึ่งในสไลด์ประกอบการสอนก็ไม่มี ที่สอนก็ไม่ใช่ สรุปผมก็ต้องมานั่งหาคำตอบออนไลน์เองไม่งั้นก็ทำโจทย์ให้ผ่านหลักสูตรไม่ได้น่าหงุดหงิดมากครับ
    ★
    ★
    ★
    ★
    ★
  • Tansxxx Jomcxxx
    งามขนาดครับ
    ★
    ★
    ★
    ★
    ★
  • Patixxx Pakdxxx
    อธิบายได้ละเอียดมากครับ
    ★
    ★
    ★
    ★
    ★
  • ชยพลxxx วงษ์xxx
    เข้าใจสุด ๆ เลยครับ วิทยากรน่ารักมาก พูดไม่เอื่อยด้วย อธิบายกระชับ มี energy มากครับ
    ★
    ★
    ★
    ★
    ★
  • นางสxxx สมปัxxx
    เข้าใจมากค่ะๆ ไม่พูดเร็วเกินไปด้วย
    ★
    ★
    ★
    ★
    ★
ดูรีวิวเพิ่มเติม...
imakethailand © 2023 imakethailand.org All rights reserved. นโยบายคุ้มครองข้อมูลส่วนบุคคล ข้อตกลงผู้ใช้