BIG DATA ANALYTICS AND AI - IT GRADUATE SCHOOL

โครงสร้างหลักสูตร MSIT

เเขนงการวิเคราะห์ข้อมูลขนาดใหญ่และปัญญาประดิษฐ์
(Big Data Analytics and AI)

หลักสูตรปรับปรุงปี พ.ศ. 2563

แผน ข (ไม่ทำวิจัย)

รายวิชาในหลักสูตรวิทยาศาสตรมหาบัณฑิต สาขาวิชาเทคโนโลยีสารสนเทศ (Big Data Analytics & AI) มีดังต่อไปนี้ – รายวิชาเเผน ข

1. จำนวนหน่วยกิต 40 หน่วยกิต
2. องค์ประกอบของหลักสูตร
ก. หมวดวิชาบังคับ 16 หน่วยกิต
ข. หมวดวิชาเเขนง 18 หน่วยกิต

คลิกดูเเผนการศึกษา

รายวิชาในหลักสูตรวิทยาศาสตรมหาบัณฑิต สาขาวิชาเทคโนโลยีสารสนเทศ (Big Data Analytics & AI)
มีดังต่อไปนี้ – รายวิชาเเผน ข

ก. หมวดวิชาบังคับ 16 หน่วยกิต

ITEC0706 เครือข่ายคอมพิวเตอร์ (Computer Networks) (Lab)
ITEC0707 เทคโนโลยีสารสนเทศสําหรับการบริหารจัดการองค์กร (Information Technology for Organization Management)
ITEC0708 การออกแบบและจัดการฐานข้อมูล (Database Design and Management) *
ITEC0760 หลักเบื้องต้นของวิทยาการข้อมูล (Fundamental of Data Science)
ITEC0780 การออกแบบและวิเคราะห์ระบบสารสนเทศสมัยใหม่ (Modern Information Systems Analysis and Design)
ITEC0779 การสร้างนวัตกรรมด้วยเทคโนโลยีสมัยใหม่ (Innovation with Emerging Technology)

ข. หมวดวิชาเลือก 18 หน่วยกิต

ITEC0709 การประมวลผลบนคลาวด์และการจำลองเครื่องเสมือน (Cloud Computing and Virtualization Technology)
ITEC0716 การประมวลผลภาษาธรรมชาติ (Natural Language Processing)
ITEC0717 สถาปัตยกรรมองค์กรและธรรมาภิบาลข้อมูล (Enterprise Architecture and Data Governance)
ITEC0761 การเรียนรู้ของเครื่อง (Machine Learning) *
ITEC0763 ข้อมูลขนาดใหญ่และการวิเคราะห์ (Big Data and Analysis)
ITEC0766 การจัดการข้อมูลและการแสดงภาพ (Data Management and Visualization) *
ITEC0767 หัวข้อเฉพาะทางด้านการวิเคราะห์ข้อมูลขนาดใหญ่และปัญญาประดิษฐ์ (Selected Topics in Big Data Analytics and AI)
ITEC0768 สถิติและคณิตศาสตร์สำหรับวิทยาการข้อมูล (Statistics and Mathematics for Data Science)
ITEC0769 คอมพิวเตอร์วิทัศน์ (Computer Vision)
ITEC0770 การวางแผนยุทธศาสตร์ทางด้านไอทีและเทคโนโลยีสารสนเทศในการบริหารจัดการธุรกิจ (IT Strategic Planning and Business Management)
ITEC0772 การวิเคราะห์ธุรกิจดิจิทัลและเครื่องมืออัจฉริยะทางธุรกิจ (Digital Business Analytics and Business Intelligent Tools) *
ITEC0789 การวิเคราะห์ข้อมูลเวลาจริง (Real-Time Analytics)ค. หมวดวิชาการค้นคว้าอิสระ 6 หน่วยกิต
ITEC0712 การค้นคว้าอิสระ 1 (Independent Study I)
ITEC0713 การค้นคว้าอิสระ 2 (Independent Study II)

หมายเหตุ: วิชาที่มีเครื่องหมาย * เป็นวิชาที่มีคาบปฏิบัติการ

รายละเอียดวิชาดังนี้

ITEC0706 COMPUTER NETWORKS (เครือข่ายคอมพิวเตอร์)

Computer Network เป็นวิชาพื้นฐานสำหรับทุกสาขาวิชา โดยจะเน้นความรู้ความการเข้าใจพื้นฐาน ตลอดจนทฤษฎีทางด้าน Network รวมถึงการ config อุปกรณ์เบื้องต้น เช่น router หรือ switch การแบ่ง subnet เป็นต้นนักศึกษาที่ผ่านวิชานี้สามารถจะนำความรู้ในวิชาไปต่อยอดวิชาต่างๆในหลักสูตรได้ เช่น นักศึกษาที่จะไปต่อยอดทางสาย Security สามารถที่จะเข้าใจในส่วน Infrastructure ส่วนนักศึกษาที่จะไปต่อยอดทางสาย IT วิชานี้จะให้ความรู้ความใจในส่วนการเชื่อมโยงภาพการทำงานของระบบ และองค์กร เป็นต้น

วิชานี้ครอบคลุมหัวข้อที่เกี่ยวข้องกับ ภาพรวมการทำงานเครือข่ายคอมพิวเตอร์ แบบจำลองการทำงานระบบเครือข่ายแบบ ทีซีพี/ไอพี การทำงานของโปรโตคอลชั้นแอพลิเคชั่น การทำงานโปรโตคอลชั้นเครือข่าย การทำงานโปรโตคอลชั้นลิงค์ การทำงานเครือข่ายท้องถิ่นแบบไร้สาย

Instructor: ผศ.ดร.วรพล ลีลาเกียรติสกุล
PhD. (Telecommunication Engineering) , University of New South Wales, Australia
คณบดี คณะวิทยาการและเทคโนโลยีสารสนเทศ

ครั้งที่	เรื่อง
1	Introduction to Computer Network (1)
2	Introduction to Computer Network (2)
3	Application Layer Protocol (1) – HTTP
4	Application Layer Protocol (1) – SMTP/DNS/FTP/P2P
5	Transport Layer Protocol (1) -UDP/Reliable Transport
6	Transport Layer Protocol (1) -Pipeline Protocol
7	Transport Layer Protocol (1) – TCP
8	Network Layer Protocol (1) – IP
9	Network Layer Protocol (1) – Addressing and Subnetting
10	Network Layer Protocol (1) – ICMP/NAT
11	Network Layer Protocol (1) – Routing Protocol
12	Network Layer Protocol (1) – RIP/OSPF
13	Data Link Layer (1) – Services
14	Data Link Layer (2) – Ethernet
15	Data Link Layer (3) – Switch Operation

ครั้งที่	เรื่อง
1	Register CCNA & Introduction to CCNA resource & Tool
2	Analysis application based on TCP/IP
3	TCP/IP configuration & basic trobershooting
4	Enterprise networking with packet tracer (1)
5	Enterprise networking with packet tracer (2)
6	Cisco router password Recovery
7	Cisco basic configuration
8	IP addressing design
9	Static route (1)
10	Static route (2)
11	RIP version 1
12	RIP version 2
13	OSPF
14	PreTest & Free Lab
15	Final Exam (hands-on)

Computer Networks, “A Top-down Approach”, James F. Kurose

ITEC0707 INFORMATION TECHNOLOGY FOR ORGANIZATION MANAGEMENT(เทคโนโลยีสารสนเทศสําหรับการบริหารจัดการ)

วิชานี้ครอบคลุมหัวข้อที่เกี่ยวข้องกับ การจัดการข้อมูลเพื่อปรับปรุงประสิทธิภาพของการดำเนินธุรกิจ เครือข่ายและการร่วมมือกันทำงานก่อให้เกิดแนวทางต่าง ๆ ทางธุรกิจ ความปลอดภัยของวิสาหกิจและความต่อเนื่องในการดำเนินธุรกิจ พาณิชย์อิเล็กทรอนิคส์ พาณิชย์บนโทรศัพท์เคลื่อนที่ เครือข่ายสังคมในสภาพแวดล้อมของเว็บ 2.0 กระบวนการดำเนินธุรกรรมการค้าแบบออนไลน์ โปแกรมประยุกต์ตามหน้าที่งานและการควบรวม ระบบที่ใช้ในวิสาหกิจขนาดใหญ่ เช่น เอสซีเอ็ม ซีอาร์เอ็ม อีอาร์พี เป็นต้น

Instructor: ผศ.ดร.พนม เพชรจตุพร
วศ.ด. (วิศวกรรมคอมพิวเตอร์) มหาวิทยาลัยเทคโนโลยีมหานคร
วศ.ม. (วิศวกรรมอิเล็กทรอนิกส์) สถาบันเทคโนโลยีพระจอมเกล้าเจ้าคุณทหารลาดกระบัง
วศ.บ. (วิศวกรรมอิเล็กทรอนิกส์) สถาบันเทคโนโลยีพระจอมเกล้าเจ้าคุณทหารลาดกระบัง
MSIT Blog
MSIT Blog Author

ครั้งที่	เรื่อง
1	Core concept of Information system and information technology, Competitive model
2	Type of IS and supports, Supply chain and Logistics supports, IT infrastructure and Cloud Computing
3	Data Text Document Management, Data Warehouse, Data Mart and Data Center, Enterprise Content Management
4	Business network, Network management and portal, Collaboration, Legal and Ethical issues
5	Protecting data and Business operations, IS vulnerability and Threats, Fraud crime and violation, Network security and controls
6	E Business, E Commerce, M Commerce and Collaborative Commerce
7	Mobile computing technologies, Mobile shopping Entertainment Advertising and Entertainment
8	Social media and Mobile Enterprise Application, Connected Economy, Digital Ecosystem
9	Management Level, Functions and Operational Systems, Manufacturing and Production Systems
10	Sale and Marketing System, Accounting and Finance System, Human Resources System
11	Enterprise Systems, ERP, SCM, CPFR and CRM
12	Business Intelligence (BI) and Decision Support System (DSS), Mobile intelligence
13	IT Strategies, Aligning IT with Business Strategy, IT Strategic Planning Process
14	Business Process Management and Service – Oriented Architecture, IT Outsorcing
15	IT Project Management, Knowledge Management

Information Technology for Management, Improving Strategies and Operation Performance, Turban and Volonino, Wiley

ITEC0708 DATABASE DESIGN AND MANAGEMENT (การออกแบบและจัดการฐานข้อมูล)

วิชานี้ครอบคลุมหัวข้อที่เกี่ยวข้องกับ หลักการระบบฐานข้อมูลและสถาปัตยกรรม การจำลองแบบฐานข้อมูลโดยใช้อีอาร์/อีอีอาร์ ทฤษฎีการจำลองแบบเชิงความสัมพันธ์ การออกแบบฐานข้อมูลเชิงลอจิก คำสั่งเอสคิวแอล อัลกอริทึ่มการออกแบบฐานข้อมูลเชิงความสัมพันธ์

Instructor: รศ.ดร.วีระศักดิ์ คุรุธัช
PhD. (Computer Science and Engineering), University of New South Wales, Australia
รองอธิการบดีฝ่ายเทคโนโลยีสารสนเทศ (CIO) มหาวิทยาลัยเทคโนโลยีมหานคร
อดีตคณบดี คณะวิทยาการและเทคโนโลยีสารสนเทศ มหาวิทยาลัยเทคโนโลยีมหานคร (พ.ศ. 2545-2559)
อดีตประธานคณะกรรมการก่อตั้งสภาคณบดีคณะเทคโนโลยีสารสนเทศแห่งประเทศไทย (พ.ศ. 2554)

ครั้งที่	เรื่อง
1	แนะนำเนื้อหาวิชาในภาพรวมและการบูรณาการกับเนื้อหาวิชาอื่นๆ
2	ความเป็นมาของเทคโนโลยีฐานข้อมูลและบริบทของฐานข้อมูล
3	สถาปัตยกรรมและแนวความคิดของระบบฐานข้อมูล
4	กระบวนการในการพัฒนาระบบฐานข้อมูลและแนวความคิดของแบบจำลองข้อมูล ER
5	การสร้างแบบจำลองข้อมูล ER
6	การสร้างแบบจำลองข้อมูล ER/EER และแนวความคิดเบื้องต้นของ Class Diagram
7	แบบจำลองข้อมูลเชิงสัมพันธ์
8	การออกแบบฐานข้อมูลเชิง logic (การแปลงแบบจำลองข้อมูล ER/EER เป็นแบบจำลองข้อมูลเชิงสัมพันธ์)
9	ทฤษฎีการนอร์มัลไลซ์เซชัน (Normalization) – แนวความคิดเบื้องต้น และFunctional Dependency
10	ทฤษฎีการนอร์มัลไลซ์เซชัน (Normalization) – 1NF, 2NF, 3NF และ BCNF
11	พีชคณิตเชิงสัมพันธ์ ตอนที่ 1
12	พีชคณิตเชิงสัมพันธ์ ตอนที่ 2
13	ภาษา SQL – ตอนที่ 1
14	ภาษา SQL – ตอนที่ 1
15	ประมวลเนื้อหาทั้งหมดและเนื้อหาที่เกี่ยวข้องกับเทคโนโลยีของฐานข้อมูล

ครั้งที่	เรื่อง
1	Retrieving Data Using the SQL SELECT Statement
2	Restricting and Sorting Data
3	Using Single-Row Functions to Customize Output
4	Using Conversion Functions and Conditional Expressions
5	Reporting Aggregated Data Using the Group Functions
6	Displaying Data from Multiple Tables
7	Displaying Data from Multiple Tables เเละ Using the Set Operators
8	Using Subqueries to Solve Queries
9	Retrieving Data Using Subqueries (Fundamentals II)
10	Manipulating Data
11	Using DDL Statements to Create and Manage Tables
12	Creating Other Schema Objects
13	Controlling User Access
14	Managing Schema Objects (Fundamentals II)
15	Test Lab

Fundamentals of Database Systems, 4th Edition, Etmasri & Navathe, 2004
Modern Database Management, 8th Edition, Hoffer, Prescott and McFadden, 2007
Software: Oracle 11g

ITEC0710 INFORMATION SYSTEM MANAGEMENT RELATED STANDARDS (มาตรฐานที่เกี่ยวข้องกับการจัดการระบบสารฯ)

วิชานี้ครอบคลุมหัวข้อที่เกี่ยวข้องกับ มาตรฐาน สถาปัตยกรรมองค์กรการปฏิบัติที่ดี ในการจัดการสารสนเทศ มาตรฐานการจัดการความมั่นคงสารสนเทศ มาตรฐานการบริหารความต่อเนื่องธุรกิจ มาตรฐานการจัดการความเสี่ยง เช่น ITIL ISO 22301 ISO27001 31000 และ

This course includes: Best Practice and Information Management Standards; enterprise architecture; information security standards; business continuity standard; risk management standard such as Information technology infrastructure library (ITIL); ISO/IEC 27001; ITIL ISO 22301; ISO 27001; ISO 31000

Instructor: ดร.บรรจง หะรังสี
IT security adviser บริษัท ทีเน็ต จำกัด
ISO/IEC 27001, ISO/IEC 20000, CMMI

ครั้งที่	เรื่อง
1	Risk Management
2	Information Security Standards (ISO/IEC 27001) (1/3)
3	Information Security Standards (ISO/IEC 27001) (2/3) and Project Discussion of how to do
4	Information Technology Infrastructure Library (ITIL) (1/2) and Project Discussion of how to do
5	Business Continuity Management (ISO 22301) (1/2) and Project Discussion of how to do
6	Enterprise Architecture (TOGAF) (1/2) and Project Discussion of how to do
7	Project Progress and Review & Midterm Presentation Preparation
8	Midterm Group Project Presentation
9	Information Security Standards (ISO/IEC 27001) (3/3) and Project Discussion of how to do
10	Information Technology Infrastructure Library (ITIL) (2/2) and Project Discussion of how to do
11	Business Continuity Management (ISO 22301) (2/2) and Project Discussion of how to do
12	Enterprise Architecture (TOGAF) (2/2) and Project Discussion of how to do
13	Project Progress and Review & Final Presentation Preparation
14	Project Progress and Review & Final Presentation Preparation
15	Final Group Project Presentation

Information Technology for Management, Improving Strategies and Operation Performance, Turban and Volonino, Wiley

ITEC0760 FUNDAMENTAL OF DATA SCIENCE (หลักเบื้องต้นของวิทยาการข้อมูล)

Instructor: อาจารย์ ศศิวิมล ฮงมา
หัวหน้าภาคเทคโนโลยีสารสนเทศ คณะวิทยาการเเละเทคโนโลยีสารสนเทศ

ครั้งที่	เรื่อง
1	Introduction to Data Science – What is data science?, History of Data Science, and How to Apply Data Science – Data-Analytic Thinking – Other Analytics Techniques and Technologies
2	Business Problems and Data Science Solutions – Role, Characteristics, and skills of data scientist – Data Science Life Cycles & Process – Component Parts of Data Science and Engineering a Data Science Solution
3	Data Science for Organization
4	Basic Probability and Statistics for Data Science
5	Data Mining Concept and Process – Correlation (Statistics) – Association Rules, Decision Trees
6	Introduction to Predictive Modeling – Statistical Experiments and Estimation (i.e., Hypothesis test, Chi-Square test, t-test ANOVA, P-value, cross validation) – statistical Machine Learning and its predictive model- Supervised vs Unsupervised Learning
7	Supervised Learning – Regression problems – Regression Analysis (Statistics) – Linear Regression – Non Linear Regression
8	Supervised Learning – Classification problems – Classification (Statistics) – Logistic regression (Classification via Class Probability Estimation) – Other Classifications (Classification via Mathematical Function)
9	Suoervised – Naïve Bayes – Probability Theory – Bayesian Classification
10	Overfitting and Its Avoidance Common Model Evaluation – Precision versus Accuracy – Evaluation metrics – Precision/ Recall, F- measure, Sensitivity
11	Optimization Problems – convex/non-convex – constrain/ unconstrain – Common Optimization Techniques (e.g., Accelerated Gradient, Stochastic Gradient, Coordinate Descent)
12	Unsupervised Learning – Similarity, Neighbors, and Clusters
13	Understanding the data – Exploratory Data Analysis (EDA) – Representing and Mining Text (e.g., Bag of words N-grams, Named entity extraction)
14	Data Visualization – Visualization techniques such as ROC – Basic Plot, Box Plot, Histogram Plot and Scatter Plot
15	Data Science and Business Strategy

– Data Science for Business. What you need to Know about Data Mining and Data Analytic Thinking by Foster Provost & Tom Fawcett.
– Fundamental Data Science for Data Scientist by Software Park, Thailand.

ITEC0764 TOOLS AND PROGRAMMING FOR DATA ANALYTICS (เครื่องมือและการเขียนโปรแกรมสำหรับการวิเคราะห์)

วิชานี้ครอบคลุมหัวข้อที่เกี่ยวข้องกับ หลักการออกแบบโปรแกรม ขั้นตอนและวิธีการเขียนโปรแกรมโดยใช้ภาษาสคริปต์ โดยจะเน้นการเขียนโปรแกรมเชื่อมต่อฐานข้อมูลสำหรับการทำ Analytics ผู้เรียนจะได้เขียนโปรแกรมด้วย ภาษาไพทอน เเละวิเคราะห์ข้อมูลด้วยโปรแกรมเอ็กซ์เซล(Excel) เพื่อใช้ในการจัดการข้อมูลตั้งแต่การรวบรวมข้อมูล ปรับแต่งข้อมูลที่ได้จากการอ่านจากเท็กซ์ไฟล์และฐานข้อมูล รวมถึงมีการนำเสนอผลการวิเคราะห์ข้อมูลในรูปกราฟแบบที่ต้องการ

Instructor: อาจารย์อุไรพร เจตตนชัย
Master of Science Program in Applied Statistics, NIDA
วท.บ. (คอมพิวเตอร์), มหาวิทยาลัยขอนเเก่น

ครั้งที่	เรื่อง
1	Excel (Function)
2	Excel (Function, Import data)
3	Excel (Sort and Filter Data, Charting, Pivot Table)
4	Excel (What if Analysis)
5	Python (Introduction, Variable)
6	Python (Variable, Operator)
7	Python (Flow Controls)
8	Python (Flow Controls, Variable2)
9	Python Function
10	Python File Management (1)
11	Python File Management (2)
12	Python Regular Expression
13	Python Connect Database
14	Python Connect Database
15	Python Graph

รั้งที่	เรื่อง
1	Excel (Function)
2	Excel (Function, Import data)
3	Excel (Sort and Filter Data, Charting, Pivot Table)
4	Excel (What if Analysis)
5	Python (Introduction, Variable)
6	Python (Variable, Operator)
7	Python (Flow Controls)
8	Python (Flow Controls, Variable2)
9	Python Function
10	Python File Management (1)
11	Python File Management (2)
12	Python Regular Expression
13	Python Connect Database
14	Python Connect Database
15	Python Graph

Learning Python 5th Edition, Mark Lutz สำนักพิมพ์ O’REILLY

ITEC0766 DATA MANAGEMENT AND VISUALIZATION (การจัดการข้อมูลและการแสดงภาพนามธรรม)

วิชานี้ครอบคลุมหัวข้อที่เกี่ยวข้องกับ การเตรียมข้อมูลเพื่อการวิเคราะห์อย่างมีประสิทธิภาพ กระบวนการขั้นพื้นฐานในการจัดการข้อมูล เช่น การเก็บรวบรวมข้อมูล การคลีนข้อมูล การบูรณาการข้อมูล การสื่อสารข้อมูลที่ผ่านการวิเคราะห์อย่างถูกต้องเพื่อให้ผู้บริหารสามารถใช้ในการเพิ่มประสิทธิภาพในการตัดสินใจต่างๆในการดำเนินธุรกิจ รวมถึงปัญหาและประเด็นต่างๆรวมถึงความท้าทายที่เกี่ยวข้องกับการจัดการข้อมูล

Instructor: ดร.เอกรัฐ รัฐกาญจน์
Ph.D. (Electrical Engineering and Computer Science), National Chiao Tung University, Taiwan
วท.ม.(เทคโนโลยีสารสนเทศ), มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าธนบุรี
สถ.บ.(สถาปัตยกรรม) จุฬาลงกรณ์มหาวิทยาลัย

Instructor: ดร.ภูริพันธ์ รุจิขจร
Lecturer, Faculty of Commerce and Accountancy, Chulalongkorn University
Ph.D. (Computer Science), Visual Analytics and Imaging (VAI) Lab, Department of Computer Science, Stony Brook University, Stony Brook, NY
Master of Science (Computer Science), User Interface Research Group (Igarashi Laboratory), Department of Computer Science, The University of Tokyo, Tokyo, Japan
ฺB.Eng(Computer Engineering), จุฬาลงกรณ์มหาวิทยาลัย

ครั้งที่	เรื่อง
1	Introduction to Data & R
2	Review R programming
3	Reading data & Variable & Table
4	Data cleaning
5	Data operation I: sorting, merging
6	Data operation II: agregating, reshaping
7	Data operation III: subseting
8	Introduction to data visualization ggplot2
9	Ploting data I (Graph)
10	Ploting data II (Graph)
11	3D ploting I, plot3D
12	3D ploting II
13	Spatial visualization: map
14	Realtime streaming visualization, Dash board
15	Real world case study, Airbnb, Agoda, Uber

ครั้งที่	เรื่อง
1	Introduction to Data & R
2	Review R programming
3	Reading data & Variable & Table
4	Data cleaning
5	Data operation I: sorting, merging
6	Data operation II: agregating, reshaping
7	Data operation III: subseting
8	Introduction to data visualization ggplot2
9	Ploting data I (Graph)
10	Ploting data II (Graph)
11	3D ploting I, plot3D
12	3D ploting II
13	Spatial visualization: map
14	Realtime streaming visualization, Dash board
15	Real world case study, Airbnb, Agoda, Uber

The Book of R: A First Course in Programming and Statistics
https://cran.r-project.org/doc/contrib/usingR.pdf

Software: ใช้ R + ggplot2 และ package อื่นๆ ที่เกี่ยวข้อง

ITEC0761 MACHINE LEARNING (การเรียนรู้ของเครื่อง)

วิชานี้ครอบคลุมหัวข้อที่เกี่ยวข้องกับ หลักการสำคัญของการเรียนรู้ของเครื่อง ตัวแปรเช่น ตัวแปรเชิงเลข ตัวแปรเชิงกลุ่ม วิธีการเรียนรู้ เช่น การเรียนรู้แบบซุปเปอร์ไวซ์ และการเรียนรู้แบบไม่ซุปเปอร์ไวซ์ การฝึกฝนและทดสอบข้อมูล รีเกรสชั่น เช่น รีเกรสชั่นเชิงเส้น รีเกรสชั่นแบบลอจิสติก การจำแนก เช่น การจำแนกแบบนาอีฟ-เบย์ การจำแนกแบบเคเนียเรสเนเบอร์ การจำแนกแบบดิซิชั่นทรี การจัดกลุ่ม เช่น การจัดกลุ่มแบบเค-มีน การจัดกลุ่มแบบลำดับชั้น เครือข่ายประสาท

Instructor: ผศ.ดร.สุรณพีร์ ภูมิวุฒิสาร
ผู้อำนวยการบัณฑิตศึกษา คณะวิทยาการเเละเทคโนโลยีสารสนเทศ
PhD. (Computer Science and Engineering), University of New South Wales, Australia
M.Sc., Information Science, University of Pittsburgh, USA
B.Eng., Computer Engineering, Chulalongkorn University, Thailand.

ครั้งที่	เรื่อง
1	Introduction to R Programming – R data structures – Managing data with R (i.e., save, load, remove, import)
2	Introduction to R Programming – Statistical measuring with R – Visualizing with R
3	Regression Problems (1) – predicting medical expenses using linear regression
4	Regression Problems (2) – estimating the quality of wines with regression trees and model trees
5	Association Rules – identifying frequently purchased groceries with association rules Decision Trees – identifying risky bank loans using C5.0 decision trees
6	Classification using Nearest Neighbor – diagnosing breast cancer with the k-NN algorithm
7	Resampling Example
8	Support Vector Machine – performing OCR with SVMs
9	Classification Using Naive Bayes – filtering mobile phone spam with the Naive Bayes algorithm
10	Evaluating Model Performance
11	Neural Network – Modeling the strength of concrete with ANNs
12	Clustering with k-means – finding teen market segments using k-means clustering
13	Dimensionality Reduction and PCA
14	Ensemble Methods – Bagging, Boosting, Random Forests
15	Lab Test

ครั้งที่	เรื่อง
1	Introduction to Data & R
2	Review R programming
3	Reading data & Variable & Table
4	Data cleaning
5	Data operation I: sorting, merging
6	Data operation II: agregating, reshaping
7	Data operation III: subseting
8	Introduction to data visualization ggplot2
9	Ploting data I (Graph)
10	Ploting data II (Graph)
11	3D ploting I, plot3D
12	3D ploting II
13	Spatial visualization: map
14	Realtime streaming visualization, Dash board
15	Real world case study, Airbnb, Agoda, Uber

An Introduction to Statistical Learning with Applications in R, Gareth James, Daniela Witten, Trevor Hastie, Robert Tibshirani
Machine Learning A Probabilistic Perspective, Kevin P. Murphy
Machine Learning with R, Brett Lantz
Software: R Studiio

ITEC0762 DATA MINING (การทำเหมืองข้อมูล)

Instructor: อาจารย์พัชวรัทย์ พิพัฒน์ธนอุดมดี
SAS Thailand Specialist

ครั้งที่	เรื่อง
1	Introduction to Data Mining
2	Predictive Modeling using Decision Tree (1)
3	Predictive Modeling using Decision Tree (2)
4	Predictive Modeling using Regression (1)
5	Predictive Modeling using Regression (2)
6	Variable Selection
7	Predictive Modeling using Neural Network (1)
8	Predictive Modeling using Neural Network (2)
9	Model Evaluation and Implementation (1)
10	Model Evaluation and Implementation (2)
11	Clustering Analysis (1)
12	Clustering Analysis (2) – Hierarchy
13	Association and Sequence Analysis
14	Data Mining, Big Data and Machine Learning
15	Presentation

ครั้งที่	เรื่อง
1	Introduction to SAS Software Suite
2	Introduction to SAS Enterprise Guide
3	SAS Enterprise Guide and Tasks, Introduction to SAS Enterprise Miner
4	Predictive Modeling Using Decision Tree Lab (1)
5	Predictive Modeling Using Decision Tree Lab (2)
6	Predictive Modeling Using Regression Lab (1)
7	Predictive Modeling Using Regression Lab (2)
8	Variable Selection Lab
9	Predictive Modeling Using Neural Network Lab (1)
10	Model Evaluation and Implementation Lab (1)
11	Clustering Analysis Lab (1)
12	Clustering Analysis Lab (2) – Hierarchy
13	Association and Sequence Analysis Lab (1)
14	Association and Sequence Analysis Lab (2)
15	Presentation

ITEC0763 BIG DATA AND ANALYSIS (ข้อมูลขนาดใหญ่และการวิเคราะห์)

วิชานี้ครอบคลุมหัวข้อที่เกี่ยวข้องกับ องค์ประกอบข้อมูลขนาดใหญ่ การคำรวณแบบกระจาย คลาวด์และข้อมูลขนาดใหญ่ การจัดการข้อมูลขนาดใหญ่ ฐานข้อมูลการปฏิบัติการ รากฐานของฮาดูป หลักการพื้นฐานการทำซ้ำข้อมูล การวิเคราะห์ข้อมูลขนาดใหญ่ การนำข้อมูลขนาดใหญ่ไปใช้งาน โซลูชั่นของข้อมูลขนาดใหญ่

Instructor: อาจารย์เชาวริน สกุลวรากลาง
ผู้อำนวยการสำนักนวัตกรรมด้านซอฟต์แวร์ มหาวิทยาลัยเทคโนโลยีมหานคร

ITEC0768 MATHEMATICS FOR DATA SCIENCE (คณิตศาสตร์สำหรับวิทยาการข้อมูล)

วิชานี้ครอบคลุมหัวข้อที่เกี่ยวข้องกับ พีชคณิตเชิงเส้น เช่น เวกเตอร์และเมทริกซ์ ค่าเจาะจงและเวกเตอร์เจาะจง และ การแยกค่าเอกฐาน ตัวแบบการหาค่าเหมาะสุด ตัวแบบจำลอง สถิติและความน่าจะเป็นขั้นสูง เช่น ตัวแบบสโทแคสติก This course includes: Linear algebra including vector and matrix, singular value decomposition, eigenvalues and eigenvectors; optimization models; simulation models; advanced statistics and probability including stochastic models

Instructor: ผศ.ดร. นพรัตน์ โพธิ์ชัย
Lecturer in Mathematics, Department of Mathematics, Faculty of Science, King Mongkut’s Institute of Technology Ladkrabang (KMITL)

ITEC0784 การสร้างและออกแบบเชิงวัตถุ (OBJECT ORIENTED DESIGN AND CONSTRUCTION)

วิชานี้ครอบคลุมหัวข้อที่เกี่ยวข้องกับพื้นฐานโครงสร้างเชิงวัตถุ ยูเอ็มแอล การสืบทอด การพัฒนาโปรแกรมเชิงวัตถุ รูปแบบการออกแบบ รูปแบบเชิงโครงสร้าง รูปแบบเชิงพฤติกรรม รูปแบบการทำงานเว็บเซอร์วิส This course includes: Basic of object oriented construction; UML; inheritance; object oriented programming; design pattern; structural pattern; behavioral pattern; web services

ครั้งที่	เรื่อง
1	Introducing UML
2	Following Best Practices (1)
3	Following Best Practices (2)
4	Relating Objects That Work Together (1)
5	Relating Objects That Work Together (2)
6	Including the Parts with the Whole (1)
7	Including the Parts with the Whole (2)
8	The Basics of Use-Case Modeling (1)
9	The Basics of Use-Case Modeling (2)
10	The Basics of Functional Modeling (1)
11	The Basics of Functional Modeling (2)
12	Capturing Scenarios with Sequence Diagrams (1)
13	Capturing Scenarios with Sequence Diagrams (2)
14	Web-Service (1)
15	Web-Service (2)

Unified Modeling Language User Guide, (ISBN: 0-201-57168-4, 512 pages)

ITEC0774 E-BUSINESS AND DIGITAL MARKETING (ธุรกิจอิเล็กทรอนิกส์และการตลาดดิจิทัล)

วิชานี้ครอบคลุมการทำความเข้าใจเกี่ยวกับการทำธุรกิจโดยใช้ประโยชน์จากสื่อ Online ศึกษาช่องทางในการสร้างรายได้ และการประชาสัมพันธ์ โดยเน้นการประยุกต์ทฤษฎีทางการตลาดมาสู่การนำเสนอบนสังคม Online ผ่านการสร้างอัตลักษณ์ขององค์กร เพื่อการเป็นที่จดจำ นักศึกษที่ผ่านวิชานี้จะเข้าใจถึงช่องทางในการประกอบธุรกิจ Online การมองเห็นโอกาสในการสร้างรายได้ รวมถึงการได้พบปะพูดคุยกับผู้ที่ได้รับความนิยม และมีตัวตนในสื่อ Social media

This course includes: Concept and component of E-business; infrastructure of E-Business; E-commerce; M-commerce; strategy of E-Business; logistic management; supply chain management; E-procurement; digital marketing; social media marketing; customer relationship management

Instructor: อาจารย์จิรายุ ตระกูลเขียว
รองคณบดีฝ่ายกิจกรรมนักศึกษาเเละประชาสัมพันธ์ คณะวิทยาการเเละเทคโนโลยีสารสนเทศ

ครั้งที่	เรื่อง
1	Connected to Customer
2	The Paradoxes of Marketing to Connected Customers
3	The Influential Subcultures
4	Meeting with Special Guest I
5	Marketing 4.0 in the Digital Economy
6	Marketing Productivity Metric
7	Meeting with Special Guest II
8	Industry Archetypes and Best Practices
9	Human-Centric Marketing for Brand Attraction
10	Content Marketing for Brand Curiosity
11	Content Marketing for Brand Curiosity
12	Meeting with Special Guest III
13	Omnichannel Marketing for Brand Commitment
14	Engagement Marketing for Brand Affinity
15	Meeting with Special Guest IIII

คุณสมบัติของผู้เข้าศึกษา

(1) สำเร็จการศึกษาไม่ต่ำกว่าระดับปริญญาตรีหลักสูตรของกระทรวงศึกษาธิการหรือ เทียบเท่า
(2) ไม่เป็นโรคติดต่อร้ายแรงและแพทย์มีความเห็นว่ามีสุขภาพเหมาะสมที่จะเข้าเรียนได้
(3) ไม่มีความประพฤติที่สังคมรังเกียจและไม่บกพร่องในศีลธรรมอันดีระบบการจัดการศึกษา

การจัดการศึกษาเป็นแบบทวิภาค หลักสูตร 2 ปี (ไม่มีการจัดการศึกษาภาคการศึกษาฤดูร้อน)
ภาคการศึกษาที่ 1 เดือนมิถุนายน – กันยายนภาคการศึกษาที่ 2 เดือนพฤศจิกายน – ธันวาคม

คลิกดูค่าใช้จ่าย

เวลาเรียน

วันเสาร์-อาทิตย์ 9.00-18.30

การรับสมัคร
กำหนดการรับสมัคร
ขั้นตอนการรับสมัคร
สมัครออนไลน์ที่นี่

บัณฑิตศึกษาEmail: itgrad@mutacth.com คณะวิทยาการเเละเทคโนโลยีสารสนเทศ มหาวิทยาลัยเทคโนโลยีมหานคร

อาคาร Q 140 ถ.เชื่อมสัมพันธ์ หนองจอก กรุงเทพฯ 10530 โทร 02-988 3666 ต่อ 4111

เเขนงการวิเคราะห์ข้อมูลขนาดใหญ่และปัญญาประดิษฐ์ (Big Data Analytics and AI)