Practical Data Science using RapidMiner
- TTDT02
- Classroom
- Fundamental
- Thai | 0
หลักสูตรนี้เหมาะสำหรับทุกท่าน ที่ต้องการเรียนรู้และลงมือปฏิบัติจริง สำหรับการทำงานในสายงานด้าน Data Science (ตั้งแต่ การนำเข้าข้อมูล,
การเตรียมและจัดการข้อมูล, การทำโมเดลวิเคราะห์ข้อมูล รวมถึงตัวอย่างแนวทางการประยุกต์และเลือกใช้โมเดลรูปแบบต่างๆ สำหรับการแก้ไขปัญหาและตอบโจทย์ทางธุรกิจได้)
** การอบรมนี้ Non-coding ** (เน้นสอนการใช้งานโปรแกรม RapidMiner สำหรับการทำงาน Data Science เป็นหลัก)
Course description
Time
Instructor
Venue
Practical Data Science using RapidMiner
Objectives (วัตถุประสงค์) :
- Able to understand the workflow of Data Science in practical way
- Able to apply the statistical knowledge to the business problems
- Able to apply the machine learning knowledge to the business problems
- Able to understand the use cases and able to apply to students’ business problems.
Data Scientist, Data Analysis Engineer, Data Engineer, BI Consultant, BI Programmer,
System Programmer, System Analyst, Development Manager, Project Manager or
Chief Technology Officer, Chief Innovation Officer นักไอที หรือ ผู้สนใจทุกท่าน
ที่ต้องการเรียนรู้การใช้โปรแกรม RapidMiner เพื่อการทำงานด้าน Data Science
Benefits (ประโยชน์ที่จะได้รับ) :
- Master the use of the RapidMiner interactive environment
- Explore and understand how to use the RapidMiner documentation
- Read Structured Data into RapidMiner from various sources
- Deal with missing data
- Understand base RapidMiner visualization tools
- Use RapidMiner for descriptive statistics
- Use RapidMiner for inferential statistics
- Write multivariate models in RapidMiner
- Understand confounding and adjustment in multivariate models
- Understand interaction in multivariate models
- Using Machine Learning in RapidMiner
- Understand use cases and able to adapt to students’ environment
1. What is Data Science?
2. What is AI?
3. Methodologies
4. RapidMiner Introduction
- IDE
- Help
- Process
5. RapidMiner and CRISP-DM
6. Reference Architecture for Data Science
7. Introduction to Advanced Analytics
8. ETL in RapidMiner
9. Descriptive Analytics vs Referential Analytics
10. Exploratory Analysis
- Univariate Analysis
11. Advanced Plot
- Bivariate Analysis
- Multivariate Analysis
12. Implementing Machine Learning Models with Rapidminer Stuidio
- Supervised Learning Machine Learning Model
- Unsupervised-Learning Machine Learning Model
13. Model Validation and Performance
14. Use Cases and Practices
- Horizontal Use Cases
- Vertical Use Cases
i. Manufacturing
ii. Retail
iii. Transportation
iv. E-Commerce
v. Agriculture
Payment can be made by:
- Cash or Credit Card or Bank Cheque payable to สำนักงานพัฒนาวิทยาศาสตร์และเทคโนโลยีแห่งชาติ
(a post-dated cheque is not accepted) on the first day of the service or within the last day of the service. - Account transfer and send the proof of the payment (the deposit slip) via email ttd@swpark.or.th
- ธนาคารกรุงเทพ สาขาอุทยานวิทยาศาสตร์
Saving Account Number: 080-0-00001-0
Account Name: สำนักงานพัฒนาวิทยาศาสตร์และเทคโนโลยีแห่งชาติ - ธนาคารกรุงไทย สาขาตลาดไท
Saving Account Number: 152-1-32668-1
Account Name: สำนักงานพัฒนาวิทยาศาสตร์และเทคโนโลยีแห่งชาติ
- ธนาคารกรุงเทพ สาขาอุทยานวิทยาศาสตร์
Notes:
- Withholding tax (3%) is exempt.
- Should you need to withdraw, you must send the notice of the withdrawal in writing no later than 7 working days before the commencement date. The cancellation less than 7 days will be subject to a fine of 40% of the fee.
- Software Park Thailand reserves the rights to cancel courses due to unforeseen circumstances.
Contact Person
For more information, contact our course coordinator on:
Juntima Klumchaun
Tel: 02-583-9992 Ext. 81424
Tel: 02-564-7000 Ext. 81424
Email: juntima@swpark.or.th
You are encouraged to use the course schedule as a guide to plan your training. The schedule is accessible at www.swpark.or.th for more information.
12,000 THB .
วันที่ 20-22 สิงหาคม 2567
เวลา 09.00-16.00 น. ณ ห้องอบรมชั้น 3
อาคารซอฟต์แวร์พาร์ค
Download => เอกสารประชาสัมพันธ์หลักสูตร
Course Detail :
Instructor info
Dr.Veerasak Krisanapraphan
Senior Director