รายละเอียดหลักสูตร

 

วิทยากร

        ดร. เอกสิทธิ์ พัชรวงศ์ศักดา (สอบได้เป็น Certified RapidMiner Analyst)

 

กำหนดการอบรม

 

อบรมวันที่ 1

    • ทบทวนการจำแนกประเภทข้อมูล (classification)

    • การวัดประสิทธิภาพของโมเดลที่สร้างขึ้นด้วยตัววัดต่างๆ เช่น confusion matrix, precision, recall, accuracy, ROC

    • การแบ่งข้อมูลมาทดสอบประสิทธิภาพ เช่น การทำ cross-validation

    • ทบทวนเทคนิคการสร้างโมเดล Decision Tree, NaiveBayes, k-Nearest Neighbours, Neural Network

    • workshop การสร้างโพรเซสใน RapidMiner Studio 7 เพื่อเลือกโมเดลที่เหมาะสมที่สุดกับชุดข้อมูล

    • การใช้งาน R และ RStudio เบื้องต้น

       -แนะนำโครงสร้างพื้นฐานของ R เช่น vector, list, data frame

       -การติดตั้ง package เพิ่มใน R

       -การเขียนโปรแกรมภาษา R เบื้องต้น และการเขียนฟังก์ชัน (function) เพิ่มเติมใน R

       -การสร้างกราฟแบบต่างๆ ด้วย package ggplot2

       -การสร้างโมเดลใน R

 

อบรมวันที่ 2

    • ติดตั้ง R Extension ใน RapidMiner Studio 7 และทดสอบการใข้งาน

    • การจำแนกประเภทข้อมูลที่เป็นแบบ imbalanced data โดยใช้เทคนิค

       -การ undersampling

       -การ oversampling

       -การสร้างโมเดลด้วยวิธี cost sensitive

    • Workshop การจำแนกประเภทข้อมูล imbalanced data ด้วย RapidMiner Studio 7 และ R

    • การคัดเลือกแอตทริบิวต์ (attribute selection) โดยใช้เทคนิค

      - Filter-based โดยการคำนวณหาค่าความสัมพันธ์ระหว่างแอตทริบิวต์กับลาเบลคำตอบ

      - Wrapper-based โดยการสร้างโมเดลเพื่อวัดประสิทธิภาพของแอตทริบิวต์

         - วิธีการ Forward Selection

         - วิธีการ Backward Elimination

         - วิธีการ Evolutionary Selection

     - ติดตั้ง package สำหรับการคัดเลือกแอตทริบิวต์เพิ่มเติม

    • Workshop การคัดเลือกแอตทริบิวต์ด้วย RapidMiner Studio 7

 

อบรมวันที่ 3

    การจำแนกประเภทข้อมูลด้วยวิธีการ Ensemble โดยใช้

       - เทคนิคการสร้างโมเดล ensemble แบบ vote

       - เทคนิค Bootstrap Aggregating (Bagging)

       - เทคนิค Random Forest

       - เทคนิค Boosting

    Workshop การคัดเลือกแอตทริบิวต์ด้วย RapidMiner Studio 7

    การหาค่าพารามิเตอร์ที่เหมาะสมสำหรับการวิเคราะห์ข้อมูล ด้วย RapidMiner Studio 7 โดยมีตัวอย่าง

       - การหาค่า learning rate และ จำนวนโหนดใน hidden layer ที่เหมาะสม

       - การหาค่า weight ที่เหมาะสมสำหรับการเลือกแอตทริบิวต์

    การสร้างโมเดลเปรียบเทียบและช่วยแนะนำโมเดลที่เหมาะสมด้วยวิธีการ meta-learning และตัวอย่างการทำงานใน ด้วย RapidMiner Studio 7

 

ค่าลงทะเบียน

    • ราคา 4,000 บาท/ท่าน

    • สำหรับท่านใดที่ลงทะเบียนและชำระเงินก่อนวันที่ 15 มีนาคม 2560 ลดเหลือ 3,500 บาท/ท่าน

    • ราคานี้รวมอาหารกลางวัน และอาหารว่างทั้ง 3 วันของการอบรมแล้ว

    • ผู้เข้าอบรมจะได้รับ

        1) กระเป๋าเป้ IT TRAINING

        2) หนังสือประกอบการฝึกอบรม

        3) flash drive card 8 GB พร้อมข้อมูลที่ใช้ในการอบรม

        4) เกียรติบัตร

 

วิธีการชำระเงิน

    •ชำระเงินด้วยตัวเองที่ งานฝึกอบรมและบริการวิชาการ สำนักคอมพิวเตอร์ มหาวิทยาลัยราชภัฏนครราชสีมา อาคารบูรณวิทยาการ (อาคาร 27 ชั้น 2) 340 ถ.สุรนารายณ์ ต.ในเมือง อ.เมือง จ.นครราชสีมา 30000

    •ชำระเงินทางธนาคารได้ที่ 

        1.ธนาคารกรุงศรีอยุธยา สาขามหาวิทยาลัยราชภัฏนครราชสีมา

          -ชื่อบัญชี นางสายสุนีย์ จับโจร 

          -เลขบัญชี 419-1-73311-4

           

        2.ธนาคารกรุงไทย สาขามหาวิทยาลัยเทคโนโลยีราชมงคลอีสาน

          -ชื่อบัญชี นางสายสุนีย์ จับโจร

          -เลขที่ 985-2-19174-8

             

 

ยืนยันการชำระเงิน

    •หลังจากชำระเงินเรียบร้อยแล้ว กรุณาแจ้งยอดเงินชื่อที่ใช้ในการลงทะเบียน วันเวลาในการชำระเงินที่

        -โทร.093-328-8973(คุณเหน่ง) หรือ ที่เบอร์044-009-009 ต่อ 2723 และส่งหลักฐานการโอนมาที่ Line ID : Neng_naka

                                             

เป้าหมาย

บุคคลภายนอก / บุคลากรภายในมหาวิทยาลัย

คุณสมบัติผู้เข้าอบรม

สามารถใช้งานคอมพิวเตอร์ได้

วันอบรม

24 เมษายน-26 เมษายน 2560

เวลาอบรม

09.00-17.00 น.

สถานที่อบรม

ชั้น 1 ห้อง 27.01.01(IT Learning Center) อาคารบูรณวิทยาการ(27)

ค่าลงทะเบียน

4,000 บาท