ขอเชิญท่านผู้สนใจเข้าร่วมการสัมมนาหลักสูตร Big Data Analytics Module C : Data Scientist Essential หลักสูตร 5 วัน ในวันที่ 18-19, 25-26 พฤษภาคม 2563 และ 1 มิถุนายน 2563 เวลา 09.00-17.00 น. (ณ โรงแรม AETAS Lumpini ใกล้ MRT ลุมพินี) โดยหลักสูตรนี้จะเป็นการฝึกอบรมสำหรับทีมงานด้าน Data Analytics ที่ต้องการเข้าใจหลักการทำงานและพฤติกรรมของตัวแบบการเรียนรู้ของเครื่อง (Machine leaning Model) และสามารถเลือก Machine Leaning Model ให้เหมาะสมกับงานได้ ฝึกการเลือกใช้เครื่องมือกับข้อมูลที่จะวิเคราะห์ได้ สามารถเตรียมข้อมูล ตรวจหาจำนวนกลุ่มที่เหมาะสม และจัดกลุ่มลูกค้าตามพฤติกรรมที่เหมือนกัน และสามารถนำข้อมูลหลายรูปแบบมาช่วยสร้างตัวแบบเพื่อใช้ในการทำนายได้
รายละเอียด หลักสูตร Big Data Analytics Module C
ชื่อหลักสูตร
Big Data Analytics Module C : Data Scientist Essential
เป็นการฝึกอบรมสำหรับทีมงานด้าน Data Analytics ที่ต้องการเข้าใจหลักการทำงานและพฤติกรรมของตัวแบบการเรียนรู้ของเครื่อง (Machine leaning Model) และสามารถเลือก Machine Leaning Model ให้เหมาะสมกับงานได้ ฝึกการเลือกใช้เครื่องมือกับข้อมูลที่จะวิเคราะห์ได้ สามารถเตรียมข้อมูล ตรวจหาจำนวนกลุ่มที่เหมาะสม และจัดกลุ่มลูกค้าตามพฤติกรรมที่เหมือนกัน และสามารถนำข้อมูลหลายรูปแบบมาช่วยสร้างตัวแบบเพื่อใช้ในการทำนายได้
กำหนดการสัมมนา
- Course Outline
Day 1 / 5 Time Title 09.00 – 10.30 น. Introduction to Data Science and Machine Learning
– Application of Machine Learning Techniques
– Machine Learning in the Big Data era
– Understanding Supervised and Unsupervised Learning Techniques10.30 – 10.45 น. Break 10.45 – 12.00 น. Spark Machine Learning
– Introduction Spark MLlib
– Introduction to Spark ML Pipeline
– Machine Learning using Spark ML Pipeline12.00 – 13.00 น. Lunch 13.00 – 14.30 น. Data Preprocessing
– Standardizing data
– Principal component analysis (PCA)
– Big Data Visualization and Tools14.30 – 14.45 น. Break 14.45 – 16.30 น. LAB: Customer data preprocessing and visualization on small and Big data Day 2 / 5 Time Title 09.00 – 10.30 น. Descriptive analytics
– Similarity and Distance
– Data segmentation (Clustering)
– Clustering model learning and model selection
– Results interpretation10.30 – 10.45 น. Break 10.45 – 12.00 น. LAB: Customer segmentation based on their activities 12.00 – 13.00 น. Lunch 13.00 – 14.30 น. – Anomaly/Outlier detection on multiple attributes
LAB: Customer anomaly detection and visualization14.30 – 14.45 น. Break 14.45 – 16.30 น. LAB: Customer anomaly detection and visualization (cont.) Day 3 / 5 Time Title 09.00 – 10.30 น. Predictive analytics
– Machine learning models for predicting categorical values
– Naïve Bayes
– Logistic regression
– Support Vector Machine
– Decision tree
– Neural network10.30 – 10.45 น. Break 10.45 – 12.00 น. – Model evaluation and selection
– Plain Accuracy and Its Problems
– The Confusion Matrix
– Problems with Unbalanced Classes
– Problems with Unequal Costs and Benefits12.00 – 13.00 น. Lunch 13.00 – 14.30 น. LAB: Credit risk modeling 14.30 – 14.45 น. Break 14.45 – 16.30 น. LAB: Customer churn prediction based on historical data Day 4 / 5 Time Title 09.00 – 10.30 น. Sentiment analysis on text data
– Text representation
– Bag of Words
– Binary representation
– Term Frequency
– TFIDF
– N-gram Sequences
– Advance topics
– Word to vector concept
– Topic Models concept10.30 – 10.45 น. Break 10.45 – 12.00 น. LAB: Machine leaning model for sentiment analysis using customer reviews data 12.00 – 13.00 น. Lunch 13.00 – 14.30 น. Predictive analytics
– Machine learning models for predicting continuous values
– Linear regression
– Polynomial regression
– Neural network
– Effect of outlier data
– Model evaluation and selection14.30 – 14.45 น. Break 14.45 – 16.30 น. LAB: Predict continuous values on small dataset and big dataset (Stock prediction use case)
LAB: Machine learning model for missing values replacementDay 5 / 5 Time Title 09.00 – 10.30 น. Recommender system
– Association rules
– Basic Setting
– Metrics
– Post processing and application
– Collaborative filtering for recommender system
– User-based recommendation
– Item-based recommendation
– Model-based recommender system on big data10.30 – 10.45 น. Break 10.45 – 12.00 น. LAB: Recommendation from customer transactions (Available data: Bank product, Web access log, Customer purchasing history)
LAB: Model-based recommender system based on customer rating12.00 – 13.00 น. Lunch 13.00 – 14.30 น. Introduction to deep learning
– Deep learning model and application14.30 – 14.45 น. Break 14.45 – 16.30 น. Introduction to deep learning (cont.)
– Deep learning model and application
วัน-เวลา การจัดอบรม
18-19, 25-26 พฤษภาคม 2563 และ 1 มิถุนายน 2563 (รวม 5 วัน) เวลา 09.00-17.00 น.
สถานที่จัดอบรม
โรงแรม AETAS Lumpini (ใกล้ MRT ลุมพินี)
วิทยากร
ดร. ไพรสันต์ ผดุงเวียง (Profile)
ค่าลงทะเบียน
22,000 บาท / 1 ท่าน (ยังไม่รวมภาษีมูลค่าเพิ่ม)
ค่าอบรมรวม ประกอบด้วย ค่าวิทยากรและทีมงาน ค่าเอกสารประกอบการอบรม ค่าอาหารกลางวัน และเบรคทั้ง 5 วัน
สำหรับลูกค้าใหม่
- สมัครร่วมสัมมนา 1-2 ท่าน รับส่วนลดท่านละ 1,000 บาท
- สมัครร่วมสัมมนา 3 ท่านขึ้นไป รับส่วนลดท่านละ 2,000 บาท
** เมื่อลงทะเบียนและชำระเงินก่อนวันอบรม 2 สัปดาห์
สำหรับลูกค้าเก่า
เมื่อลงทะเบียนและชำระเงินก่อนวันอบรม 2 สัปดาห์ ท่านจะได้ส่วนลดท่านละ 2,000 บาท
วิธีการสมัคร
ท่านสามารถลทะเบียนผ่านทางแบบฟอร์มออนไลน์ในส่วนท้ายของข่าวนี้
หลังจากลงทะเบียนเรียบร้อยแล้ว จะมีเจ้าหน้าที่ติดต่อกลับไปยัง Email ที่ท่านระบุ เพื่อยืนยันการสำรองที่นั่งของท่าน
หากมีข้อสงสัย หรือต้องการสอบถามข้อมูลเพิ่มเติม ท่านสามารถติดต่อเรา ได้ที่
โทร. 084-6592792, 089-6288544
หรือที่ http://bit/ly/rdbipage
อีเมล์ sales@rdbi.co.th