สายดาต้าฟังทางนี้!
หลักสูตรปริญญาโทออนไลน์ Data Science for Digital Business Transformation ของ TUXSA ได้ปล่อยวิชาบังคับ (Core Course) ครบทั้งหมด 12 คอร์สแล้ว
หมายความว่าผู้เรียนทุกท่านสามารถร่วมสอบประมวลความรู้ (Comprehensive Examination) สู่เส้นทางปริญญาโทได้อย่างเต็มรูปแบบ
โดยหลักสูตรนี้ถูกพัฒนาขึ้นตามการเปลี่ยนแปลงของยุค ที่การเติบโตของปริมาณข้อมูลเป็นไปอย่างรวดเร็วและมีบทบาทสำคัญในทุกภาคส่วนธุรกิจ
ฉะนั้นผู้เรียนจะได้เรียนรู้ทั้งการใช้ข้อมูลประกอบการตัดสินใจ การนำข้อมูลมาวิเคราะห์และคาดการณ์ การวางนโยบายและบริหารจัดการเทคโนโลยีดิจิทัล รวมถึงการสร้างและจัดการนวัตกรรมผ่านวิทยาศาสตร์ข้อมูล
วิชาบังคับ 12 ตัวในหลักสูตรเบื้องต้นของปริญญา M.S. (Master of Science) Digital Business Transformation จะมีวิชาอะไรและเนื้อหาแบบใดบ้างนั้น ดูได้ที่นี่เลย!
1. Python for Data Science ไพธอนสำหรับงานวิทยาศาสตร์ข้อมูล
เรียนรู้การเขียนโปรแกรมภาษาไพธอนตั้งแต่พื้นฐาน เช่น แนวคิด ส่วนประกอบ การออกแบบอัลกอริทึม โครงสร้างข้อมูล วิธีการเขียนโปรแกรม ฯลฯ รวมถึงแบบฝึกหัดสั้นๆ ให้ผู้เรียนได้ลองฝึกฝน โดยเน้นเนื้อหาสำหรับการนำไปใช้ในงานวิทยาศาสตร์ข้อมูลโดยเฉพาะ
2. Business Intelligence ธุรกิจอัจฉริยะ
เรียนรู้วิธีการบริหารจัดการและวิเคราะห์ข้อมูลอย่างมีประสิทธิภาพ เข้าใจภาพรวมและวิธีการสร้างธุรกิจอัจฉริยะ ศึกษาเทคโนโลยีที่เกี่ยวข้อง วิธีการทำเหมืองข้อมูล การนำข้อมูลไปตัดสินใจเชิงธุรกิจ การทำ Dashboard แสดงข้อมูลด้วยโปรแกรม Microsoft Power BI พร้อมกรณีศึกษาที่น่าสนใจ
3. Data Mining Algorithms ขั้นตอนวิธีสำหรับเหมืองข้อมูล
เรียนรู้การทำเหมืองข้อมูลทั้งหมด เช่น แนวคิด เทคนิคและเครื่องมือต่างๆ การประยุกต์ใช้ในชีวิตประจำวัน กระบวนการเก็บข้อมูล และการสร้างโมเดลเพื่อหาความสัมพันธ์ของข้อมูล พร้อมเวิร์กช็อปออนไลน์เพื่อฝึกฝนการใช้โปรแกรม RapidMiner
4. Fundamental of Digital Transformation พื้นฐานของการแปรรูปแบบทางดิจิทัล
เรียนรู้และเข้าใจว่าอะไรคือ Business Disruption และ Digital Transformation ศึกษาผลกระทบที่มีต่อธุรกิจ ความสำคัญของการแปรรูปทางดิจิทัล การทำ Digitalization ของบริษัทและอุตสาหกรรมต่างๆ ในแง่ของสินค้า บริการ กระบวนการทำงาน และโมเดลธุรกิจ รวมถึงพื้นฐานความมั่นคงปลอดภัยทางไซเบอร์
5. Advanced Digital Transformation การแปรรูปแบบทางดิจิทัลขั้นสูง
เรียนรู้แพตเทิร์นของ Disruption เพื่อเข้าใจสาเหตุ ความเป็นมา รูปแบบ และวิธีการรับมือเมื่อเกิด Disruption ศึกษาการสร้างกลยุทธ์แพลตฟอร์ม เช่น การจัดเตรียมข้อมูลหรือวิเคราะห์ข้อมูล รู้จักวิธีการใช้เครื่องมือช่วยวิเคราะห์ธุรกิจอย่าง Digital Metrix รวมถึงการนำแนวคิด ทฤษฎีต่างๆ มาประยุกต์ใช้ในองค์กร
6. Advanced Python for Data Science ไพธอนสำหรับงานวิทยาศาสตร์ข้อมูลขั้นสูง
เรียนรู้การเขียนโปรแกรมภาษาไพธอน โดยเน้นการนำมาประยุกต์ใช้เพื่อปฏิบัติการตามกระบวนการของวิทยาศาสตร์ข้อมูล ซึ่งจะได้ศึกษาการทำความสะอาดข้อมูล เทคนิคการทำเหมืองข้อมูลรูปแบบต่างๆ และกระบวนการทำแผนภาพข้อมูล (Data Visualization)
7. Data Exploration การสำรวจข้อมูล
เรียนรู้การทำความความเข้าใจข้อมูล ลักษณะของกราฟและภาษา R การพัฒนากราฟด้วยแอปพลิเคชัน หลักการวิเคราะห์ข้อมูล การประยุกต์ใช้ข้อมูล และการทำข้อมูลภาพนิทัศน์ เพื่อให้การใช้ข้อมูลนั้นๆ เกิดประโยชน์ต่ององค์กรสูงสุด
8. Text Analytics การวิเคราะห์ข้อความ
เรียนรู้การวิเคราะห์ข้อความตั้งแต่พื้นฐาน เพื่อให้สามารถดึงข้อมูลที่จำเป็นและเกี่ยวข้องมาช่วยการตัดสินใจเชิงกลยุทธ์ได้อย่างตรงจุดและมีประสิทธิภาพ โดยจะได้ศึกษาทั้ง Feature Generation การจัดหมวดหมู่ เครื่องมือสำหรับการวิเคราะห์ การทำ Text Clustering และการทำเหมืองข้อมูลเว็บ เป็นต้น
9. Data Science Research Methodology ระเบียบวิธีวิจัยเชิงวิทยาศาสตร์ข้อมูล
เรียนรู้วิธีการวิเคราะห์ข้อมูลในรูปแบบต่างๆ โดยใช้หลักการทางคณิตศาสตร์หรือทางสถิติเข้ามาช่วย เพื่อทำการวิจัยให้ได้ข้อสรุปที่จะนำไปแก้ไขปัญหาให้กับองค์กร ซึ่งจะได้ศึกษาวิธีการเก็บข้อมูล สถิติเชิงพรรณนา การทดสอบสมมติฐาน การทดสอบค่าเฉลี่ย การวิเคราะห์การถดถอย และ การทดสอบ Chi-Square Test
10. Data Preprocessing การจัดเตรียมข้อมูล
เรียนรู้การจัดเตรียมข้อมูล เพื่อให้ได้ข้อมูลที่พร้อมแก่การนำไปใช้งานและประมวลผลต่อได้อย่างแม่นยำ ศึกษาทั้งการดูภาพรวมของข้อมูล การทำความสะอาดข้อมูล การรวบรวมข้อมูล การลดขนาดของข้อมูล การแปรรูปข้อมูล และการจัดเตรียมข้อมูลด้วยโปรแกรม RapidMiner
11. Advanced Data Mining Algorithms ขั้นตอนวิธีสำหรับเหมืองข้อมูลขั้นสูง
เรียนรู้การทำเหมืองข้อมูลเชิงลึก อาทิ โครงข่ายประสาทเทียม (Artificial Neuron Network) การเรียนรู้เชิงลึก (Deep Learning) การแบ่งกลุ่มข้อมูล (Clustering Algorithms) ระบบแนะนำ (Recommender System) และการจำแนกประเภทข้อมูล (Classification) เป็นต้น
12. Digital Economics เศรษฐศาสตร์ดิจิทัล
เรียนรู้เศรษฐศาสตร์ในยุคดิจิทัล โดยเริ่มจากพื้นฐานเศรษฐศาสตร์ทั้งหมด เช่น ความหมาย ตัวบ่งชี้ภาวะเศรษฐกิจ เศรษฐศาสตร์มหภาค ศึกษาวิธีคิดเชิงเศรษฐศาสตร์ อาทิ การแลกเปลี่ยนค่าเสียโอกาส ความเป็นไปได้ในการผลิต ฯลฯ ทั้งในเชิงทฤษฎีและปฏิบัติ ผ่านกรณีศึกษาที่น่าสนใจ ที่สำคัญยังได้เรียนรู้การปรับตัวและการเปลี่ยนแปลงของธุรกิจที่เกิดจาก Digital Disruption อีกด้วย
สามารถสอบถามรายละเอียดเพิ่มเติมได้ที่ เฟซบุ๊กเพจ TUXSA, ไลน์ @TUXSA (อย่าลืมใส่เครื่องหมาย @) หรือโทร. 081-9967150 (ทุกวัน เวลา 9.00 – 17.00 น.)
