ข้ามไปที่เนื้อหาหลัก

ไพธอนเพื่อการวิเคราะห์ข้อมูลและการนำเสนอข้อมูล (ตอนที่ 2) | Python for Data Analysis and Data Visualization (Part 2)


KMUTT

คำอธิบายรายวิชา

รายวิชานี้ประกอบด้วย 2 ตอน ได้แก่ ตอนที่ 1 วิธีการนำเสนอข้อมูลด้วยโปรแกรมภาษาไพธอน และตอนที่ 2 วิธีการวิเคราะห์ข้อมูลด้วยโปรแกรมภาษาไพธอน โดยในตอนที่ 2 ผู้เรียนจะได้เรียนรู้วิธีการวิเคราะห์ข้อมูลด้วยไลเบอร์รีของโปรแกรมภาษาไพธอน โดยเริ่มตั้งแต่การทำ data cleansing เพื่อจัดการข้อมูลให้พร้อมในการวิเคราะห์ เทคนิคเบื้องต้นของ machine learning และการเขียนฟังก์ชันในโปรแกรมภาษาไพธอนเพื่อวิเคราะห์ข้อมูล

จำนวนชั่วโมงเรียนรู้

จำนวนชั่วโมงเรียนรู้ทั้งหมด 13 ชั่วโมงเรียนรู้ (จำนวนชั่วโมงสื่อวีดิทัศน์ 9 ชั่วโมง 30 นาที)

วัตถุประสงค์การเรียนรู้

LO 1 ผู้เรียนสามารถใช้ไพธอนเพื่อเตรียมข้อมูลให้เหมาะสม และพร้อมสำหรับการวิเคราะห์ข้อมูลได้

LO 2 ผู้เรียนสามารถใช้ฟังก์ชันการวิเคราะห์ข้อมูลในไลบาร์รีของไพธอน เพื่อวิเคราะห์ข้อมูลได้อย่างเหมาะสม พร้อมทั้งแปลความหมายของผลลัพธ์ได้

คุณสมบัติผู้เรียน

นักเรียน นักศึกษา และประชาชนทั่วไป ทุกเพศ ทุกวัย ที่สนใจสามารถเรียนได้

เกณฑ์การวัดผล

แบบทดสอบก่อนเรียน 0% แบบทดสอบระหว่างเรียนทุกบท 60% กิจกรรม Discussion (เก็บคะแนนไม่ได้) แบบทดสอบหลังเรียน (Final Exam) 40%

ผู้เรียนมีคะแนนรวมทั้งหมดไม่ต่ำกว่า 70% ถือว่าผ่านเกณฑ์เพื่อรับประกาศนียบัตรในระบบได้

ทีมผู้รับผิดชอบรายวิชา MOOC

Course Staff Image #1

อาจารย์ผู้รับผิดชอบรายวิชาหลัก

อ.กิตติพงศ์ วะระทรัพย์
คณะเทคโนโลยีสารสนเทศ มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าธนบุรี

ช่องทางติดต่อทีมผู้สอน

e-Mail kwarasup@gmail.com เบอร์ 024708910

cc

Creative commons สัญญาอนุญาตสิทธิ์

“สื่อการสอนนี้เป็นส่วนหนึ่งของโครงการ Thai MOOC (thaimooc.org)
และเผยแพร่ภายใต้สัญญาอนุญาตสิทธิ์แบบ Creative Commons ด้วยเงื่อนไข CC BY NC SA”

Enroll