• ผู้บริหารองค์กร และผู้จัดการที่ต้องการนำ AI และ Machine Learning มาใช้ในองค์กร
• Business Analysts และ Data Analysts
• นักวิทยาศาสตร์ข้อมูล และบุคลากรด้าน Artificial Intelligence
• บุคลากรด้าน Digital Transformation และ Business Intelligence
• บุคลากรด้านการตลาด การขาย การเงิน และการบริหารความเสี่ยง
• บุคลากรด้าน Operations และ Supply Chain
• บุคลากรด้าน Engineering, IoT และ Maintenance
• บุคลากรด้าน IT และผู้พัฒนาระบบ
• ผู้ที่ทำงานเกี่ยวกับข้อมูลและต้องการนำ Machine Learning มาประยุกต์ใช้
• ผู้ประกอบการและผู้ที่สนใจการประยุกต์ใช้ AI เพื่อแก้ปัญหาทางธุรกิจ

• เข้าใจกระบวนการทำงานของ Machine Learning Model
• เข้าใจเรียนรู้ Explainable AI เพื่ออธิบายผลการทำนาย
• สามารถเปลี่ยนผลการวิเคราะห์และการทำนายให้เป็น Business Insight และ Decision Support
• สามารถประยุกต์ Machine Learning Model กับกรณีศึกษาต่างๆ ได้

Module 1: Introduction to AI and Machine Learning

• Overview of Artificial Intelligence and Machine Learning
• Generative AI and Machine Learning
• Supervised Learning and Unsupervised Learning
• Classification, Regression, Forecasting and Clustering
• Anomaly Detection and Prediction
• AI and Machine Learning Applications in Business

Module 2: Data and Machine Learning Mapping

• Features and Target Variables
• Data Preparation for Machine Learning
• Feature Selection and Feature Engineering
• Matching Data with Machine Learning Problems

Case Study: Sales Prediction

Module 3: Machine Learning Model and Prediction Evaluation

• Model Performance
• Confusion Matrix
• Accuracy, Precision, Recall and F1-score
• MAE, RMSE and R²
• False Positive and False Negative
• Model Selection and Business Impact

Module 4: Sales and Product Prediction (Case Study: Predicting Sales and Product Demand)

• Business Problem Definition
• Sales Data Analysis
• Historical Sales Data
• Product and Customer Data
• Price and Promotion Data
• Sales Trends and Seasonality
• Sales Forecasting
• Demand Prediction

Module 5: IoT and Predictive Maintenance (Case Study: Predicting Machine Failure)

• Introduction to IoT Analytics
• Sensor Data
• Machine Monitoring
• Time-series Sensor Data
• Anomaly Detection
• Machine Failure Prediction
• Predictive Maintenance
• Preventive Maintenance vs. Predictive Maintenance
• Machine Learning for IoT
• Risk Score and Maintenance Priority
• Business Impact of Predictive Maintenance

Module 6: Drone and AI Visual Analytics (Case Study: From Drone Data to Business Intelligence)

• Introduction to Drone Data Analytics
• Image and Video Data
• AI-powered Image Analysis
• Object Detection
• Image Classification
• Anomaly Detection
• Damage Detection
• Infrastructure Inspection
• Agriculture Analytics
• Disaster and Environmental Monitoring
• Risk Classification and Priority Detection

Module 7: Explainable AI and Decision Intelligence

• Introduction to Explainable AI
• Model Interpretability
• Feature Importance
• Global and Local ExplanationSHAP Concept
• Human-in-the-Loop