Introduction to Python

• แนะนําและติดตั้งโปรแกรม ภาษา Python

• คําสั่งและตัวแปรในภาษา Python

• โครงสร้างข้อมูลในภาษา Python

• การเรียกใช้ Module Numpy และ Pandas ในการวิเคราะห์ข้อมูล

• การนําเข้าและการจัดการข้อมูลเบื้องต้น

• การเรียนรู้แบบมีผู้สอน (Supervised Learning) ได้แก่ วิธีการ Linear

  Regression, Logistic regression, K-nearest neighbors, Decision Tree

  และ Support Vector Machine

• การเรียนรู้แบบไม่มีผู้สอน (Unsupervised Learning) ได้แก่ วิธีการจัดกลุ่ม

  ข้อมูลแบบ Clustering ด้วย K-means

• วิธีการประเมินประสิทธิภาพของตัวแบบ

• กรณีศึกษา การวิเคราะห์ข้อมูลด้วยภาษา Python

Machine Learning with Python

• แนวความคิดพื้นฐานของ Machine Learning

• การเรียนรู้แบบมีผู้สอน (Supervised Learning) ได้แก่ วิธีการวิเคราะห์การถดถอยเชิงเส้น, วิธีการวิเคราะห์การถดถอยโลจิสติค, ต้นไม้ตัดสินใจ, เคเนียร์เรสเนเบอร์ (k-Nearest Neighbor) 

• การเรียนรู้แบบไม่มีผู้สอน (Unsupervised Learning) ได้แก่ วิธีการจัดกลุ่มข้อมูลด้วย K-means

• กรณีศึกษา การพัฒนาตัวแบบด้วย Machine Learning

• วิธีการประเมินและปรับปรุงประสิทธิภาพของตัวแบบ

การสำรวจ วิเคราะห์ และนำเสนอข้อมูลด้วย Data Visualization โดยใช้ภาษา Python

• ความสำคัญของ Data Visualization

• หลักการเลือกใช้และออกแบบ Data Visualization

• การสร้าง Data Visualization โดยใช้ภาษา Python และไลบรารี Altair

• ปฏิบัติการสำรวจและวิเคราะห์ข้อมูลเบื้องต้นด้วย Data Visualization จากข้อมูลที่เตรียมไว้ให้

• ปฏิบัติการนำเสนอข้อมูลด้วย Data Visualization จากข้อมูลที่เตรียมไว้ให้