Data science and big data for business and industrial application
•
2 likes•703 views
Data science and big data for business and industrial application บรรยายที่วิทยาลัยเทคโนโลยีจิตรลดา สนามเสือป่า ให้คณาจารย์ฟังครับ 5/23/2018 ผศ. ดร. อานนท์ ศักดิ์วรวิชญ์
Recommended
Recommended
More Related Content
Similar to Data science and big data for business and industrial application
Similar to Data science and big data for business and industrial application (20)
More from BAINIDA
More from BAINIDA (20)
Recently uploaded
Recently uploaded (9)
Data science and big data for business and industrial application
- 1. Big data and data science for business and Industrial applications ผู้ช่วยศาสตราจารย์ ดร. อานนท์ ศักดิ์วรวิชญ์ ผู้อานวยการหลักสูตร Ph.D. and M.Sc. (Business Analytics and Data Science) สาขาวิชา Actuarial Science and Risk Management
- 4. Business Analytics and Intelligence @ Graduate School of Applied Statistics, NIDA
- 12. Understanding Business Data Requirement ETL and EDA Data Analytics and Modeling Knowledge Deployment
- 15. ข้อมูลใหญ่
- 21. Big Data Analytics • Association • Regression and Forecasting • Classification • Data Reduction • Clustering • Anomaly detection
- 22. หลักสูตรวิทยาศาสตรมหาบัณฑิต สาขาวิชาการวิเคราะห์ธุรกิจและวิทยาการข้อมูล การเรียนการสอนวิทยาการข้อมูล
- 23. โครงสร้างรายวิชา หมวดวิชาเสริมพื้นฐาน วิชาที่มุ่งปรับความรู้ในระดับต่่ากว่า ขั้นบัณฑิตศึกษาของนักศึกษา เพื่อให้พร้อมที่จะศึกษาในชั้น ปริญญาโท นักศึกษาทั้งสองหลักสูตรเรียน เหมือนกัน • พื้นฐานส่าหรับบัณฑิตศึกษา • การพัฒนาทักษะการอ่านภาษาอังกฤษส่าหรับบัณฑิตศึกษา • การซ่อมเสริมการพัฒนาทักษะการอ่านภาษาอังกฤษส่าหรับ บัณฑิตศึกษา (หากไม่ผ่านตัวก่อนหน้า) • การพัฒนาทักษะภาษาอังกฤษแบบบูรณาการ • การซ่อมเสริมการพัฒนาทักษะภาษาอังกฤษแบบบูรณาการ (หาก ไม่ผ่านตัวก่อนหน้า) • พื้นฐานคณิตศาสตร์และสถิติ • การเขียนโปรแกรมภาษาไพธอนและการจัดการฐานข้อมูล • ภาษาอังกฤษส่าหรับการวิเคราะห์ธุรกิจและวิทยาการข้อมูล
- 24. หมวดวิชาหลัก กลุ่มวิชาที่มุ่งให้นักศึกษามีความรู้ ความช่านาญเฉพาะด้าน (จ่านวน 15 หน่วยกิต) นักศึกษาทั้งสองหลักสูตรเรียน เหมือนกัน • การวิเคราะห์ธุรกิจและวิทยาการข้อมูลเบื้องต้น • การวิเคราะห์สถิติและการออกแบบงานวิจัย • การวิเคราะห์ข้อมูลเชิงบุกเบิกและการสร้างภาพนิทัศน์จาก ข้อมูล • การจัดการข้อมูลขนาดใหญ่ • การเรียนรู้ของเครื่องจักรประยุกต์ โครงสร้างรายวิชา
- 25. โครงสร้างรายวิชา หมวดวิชาเอก กลุ่มวิชาที่มุ่งให้นักศึกษา มีความรู้ความช่านาญ เฉพาะด้านตามสาขา วิชาเอกที่ก่าหนดไว้ (จ่านวน 15 หน่วยกิต) สาขาวิชาปัญญาและการวิเคราะห์ธุรกิจ • ปัญญาและการวิเคราะห์การตลาด • ปัญญาและการวิเคราะห์การเงิน • ปัญญาและการวิเคราะห์ทรัพยากรมนุษย์ • ปัญญาและการวิเคราะห์ความเสี่ยงเชิง ปริมาณ • ปัญญาและการวิเคราะห์การจัดการลูกค้า สัมพันธ์ สาขาวิทยาการข้อมูล • การเขียนโปรแกรมส่าหรับการเรียนรู้ของ เครื่องจักร • การวิเคราะห์ข้อมูลขนาดใหญ่ • การวิเคราะห์วีดีทัศน์และรูป • การวิเคราะห์ข้อความและการ ประมวลผลภาษาธรรมชาติ • การวิเคราะห์เรียลไทม์และการสตรีมมิ่ง ข้อมูล
- 26. โครงสร้างรายวิชา หมวดวิชาเลือก วิชาในหมวดนี้แบ่งออกเป็นกลุ่ม วิชา นักศึกษาสามารถเลือก รายวิชาในกลุ่มวิชาต่าง ๆ หรือ รายวิชาของหลักสูตรอื่นทั้ง ภายในหรือภายนอกคณะได้ สาขาวิชาปัญญาและการวิเคราะห์ธุรกิจ • ปัญญาและการวิเคราะห์ห่วงโซ่อุปทาน • การวิเคราะห์เศรษฐมิติ • การวิเคราะห์ข้อมูลเชิงพื้นที่ • แบบจ่าลองพหุระดับ • การจ่าลองมอนติคาร์โลและกระบวนการ เฟ้นสุ่ม • วิธีวิจัยเชิงคุณภาพ • การวิเคราะห์ข้อมูลสูญหายประยุกต์ สาขาวิทยาการข้อมูล • การค่านวณแบบกระจายและก้อนเมฆ • การหาค่าเหมาะสุดและการวิเคราะห์เชิง ก่าหนด • การวิเคราะห์เชิงท่านายและการพยากรณ์ • การวิเคราะห์และจดจ่าเสียง • การวิเคราะห์สื่อและเครือข่ายสังคม • การวิเคราะห์คอคนิทีฟ • ปัญญาประดิษฐ์
- 27. โครงสร้างรายวิชา หมวดวิชาเลือก วิชาในหมวดนี้แบ่งออกเป็นกลุ่ม วิชา นักศึกษาสามารถเลือก รายวิชาในกลุ่มวิชาต่าง ๆ หรือ รายวิชาของหลักสูตรอื่นทั้ง ภายในหรือภายนอกคณะได้ สาขาวิชาวิทยาการสื่อปฏิสัมพันธ์ • การวิเคราะห์มัลติมีเดีย • ส่วนต่อประสานกับผู้ใช้อัจฉริยะ • การวิจัยประสบการณ์ของผู้ใช้งาน • คอมพิวเตอร์กราฟฟิคและแอนิเมชัน • โลกเสมือนจริง ความเป็นจริงผสมความเป็น จริงเสริม กลุ่มวิชาสัมมนาและการศึกษาเฉพาะเรื่อง • การศึกษาเฉพาะเรื่องทางการวิเคราะห์ธุรกิจ และวิทยาการข้อมูล • การสื่อสาร การน่าเสนอและการให้ ค่าปรึกษาด้านวิเคราะห์ธุรกิจและวิทยาการ ข้อมูล • การฝึกปฏิบัติวิเคราะห์ธุรกิจและวิทยาการ ข้อมูล • สัมมนาการวิเคราะห์ธุรกิจและวิทยาการ ข้อมูล
- 32. BADS 7106 Supply Chain Analytics and Intelligence Cost analysis through activity-based costing, resource allocation through linear and non-linear programming, logistic management with transportation model, inventory management, waiting time management with queuing model, project planning and control with PERT and CPM, and competition analysis with games theory. BADS 7113 Statistical Quality Control and Predictive Maintenance Concept of six sigma and lean manufacturing, DMAIC improvement process, define critical process tools, measure tools including process mapping, gage repeatability and reproducibility, control charts, analyze tools including analysis of variance and process capability, improvement tools including total preventive maintenance and design of experiment, statistical process control tools, predictive analytics and models e.g. survival analysis
- 35. Marketing and CRM Analytics BADS 7101 Marketing Analytics and Intelligence Investigating consumer behavior through survey research and questionnaire design, customer satisfaction measurement with exploratory factor analysis and psychometric models, brand positioning through multidimensional scaling and correspondence analysis, new product design and development through conjoint analysis, new product testing and usability study with experiments. BADS 7105 Customer Relationship Management Analytics and Intelligence Overview of customer relationship management and customer relationship management analytics, market segmentation using K-means clustering and self-organizing map, up-sell, cross-sell, customer retention, and direct marketing using artificial neural network, market basket analysis, response analysis, and decision tress.
- 47. BADS 7102 Financial Analytics and Intelligence Valuation and financial feasibility with basic financial mathematics, fundamental analysis with financial statement analysis, investment portfolio theory and capital asset pricing model with simple regression analysis, arbitrage pricing model with multiple regression analysis, technical analysis with time-series data analysis, asset volatility and volatility model BADS 7104 Quantitative Risk Analytics and Intelligence Credit scoring with linear probability model, fraud detection with discriminant analysis, bankruptcy model with logistic regression analysis, behavioral analysis with survival analysis, risk measurement and simulation with Markov chain model, value-at-risk model.
- 55. mu
- 57. HR, OB, OD Analytics and Intelligence
- 58. Copyright © 2011 Pearson Education, Inc. publishing as Prentice Hall 1–58 Human Resource Management Processes Acquisition Training Appraisal CompensationLabor Relations Health and Safety Fairness Human Resource Management (HRM)
- 59. Copyright © 2011 Pearson Education, Inc. publishing as Prentice Hall 1–59 Evidence-Based HRM Actual measurements Existing data Providing Evidence for HRM Decision Making Research studies
- 60. Cummings & Worley,9e (c) 2008 South- Western/Cengage Learning 2-60 General Model of Planned Change Evaluating and Institutionalizing Change Planning and Implementing Change Diagnosing Entering and Contracting