Unlock Skill Data Science & Visualization with Python
Programming & Coding
หลักสูตร Unlock Skill Data Science & Visualization with Python
อาชีพนักวิทยาศาสตร์ข้อมูล (Data Scientist) เคยถูกขนานนามจากนิตยสาร HBR (Harvard Business Review) ว่า “เป็นอาชีพที่เซ็กซี่ที่สุดในศตวรรษที่ 21” เพราะเป็นสายงานอาชีพที่กำลังเป็นที่ต้องการของใครหลาย ๆ คน สายงาน Data Science ก็เป็นหนึ่งในนั้น มีทั้งทักษะที่เป็นที่ต้องการของตลาด อีกทั้งค่าตัวสูง แต่การที่เราจะก้าวไปสู่งานสาย Data Science ได้นั้น จำเป็นที่จะต้องปูพื้นฐานและทำความเข้าใจเกี่ยวกับสายงานนี้ให้ดีเสียก่อน หลักสูตรนี้จะพาผู้เรียนมาปลดล็อกทักษะพื้นฐานงาน Data Science ที่ใช้ Python ในการพัฒนาโปรแกรม เริ่มตั้งแต่การปูพื้นฐานการใช้งานไลบรารี NumPy Pandas ซึ่งเป็นไลบรารีสำคัญในเรื่องของการจัดการข้อมูล อีกทั้งการนำข้อมูลมาตีความ วิเคราะห์ และแสดงผลในรูปแบบ Data Visualization ที่หลากหลายด้วยไลบรารี Matplotlib และ Seaborn เสริมเรื่องเทคนิคการทำความสะอาดข้อมูลและวิธีการจัดการกับข้อมูลสูญหาย เป็นต้น
ด้วยการอบรมที่มุ่งเน้นให้ผู้รับการอบรมได้ฝึกการคิด ฝึกการแก้ปัญหา ฝึกทักษะลงมือปฏิบัติจริง และดำเนินการอบรมโดยวิทยากรผู้ชำนาญในด้านการพัฒนาโปรแกรม ดังนั้นผู้รับการอบรมจะสามารถเก็บเกี่ยวความรู้ ประสบการณ์ เทคนิคต่าง ๆ มากมายโดยตรงได้จากวิทยากร และมีแนวคิดที่ถูกต้องเพื่อต่อยอดในการพัฒนางานจริงหลากหลายด้าน ด้วยภาษา Python ต่อไป
ระยะเวลา 12 ชั่วโมง
อบรม 2 วัน | 9.00 น. - 16.00 น.
ระดับ Intermediate
ระดับความรู้ขั้นปานกลาง
ราคา
6,900 บาท
ตารางอบรม
Onsite Online Hybrid Confirm6-7 มิถุนายน 2567 ลงทะเบียนรอบนี้
เนื้อหาการอบรม
- ทำความเข้าใจกับงาน Data Science
- Data Science คืออะไร
- กระบวนการของงาน Data Science
- แนะนำเครื่องมือที่ใช้ในงาน Data Science
- แนะนำภาษาโปรแกรม Python
- การใช้งานภาษา Python สำหรับงาน Data Science
- เรียนรู้หลักทางภาษาไวยากรณ์ของ Python เบื้องต้น
- การใช้งานโปรแกรมย่อย Lambda
- การใช้งานไลบรารี NumPy
- การจัดการข้อมูลด้วย Pandas
- Pandas คืออะไร
- โครงสร้างข้อมูลแบบ Series
- โครงสร้างข้อมูลแบบ DataFrame
- การอ่าน แก้ไขและบันทึกไฟล์ข้อมูล CSV
- การอ่าน แก้ไขและบันทึกไฟล์ข้อมูล Excel
- การคำนวณสถิติเบื้องต้นด้วย Pandas
- การ Pivot Table ด้วย Pandas
- การสร้าง นำเสนอ และตีความแผนภาพข้อมูล (Data Visualization) ด้วยไลบรารี Matplotlib
- การพล็อตกราฟแท่ง
- การบันทึกภาพกราฟเป็นไฟล์ (.png .jpg .pdf)
- การพล็อตกราฟเส้น
- การพล็อตกราฟวงกลม
- การพล็อตกราฟ Scatter
- การพล็อตกราฟ Histogram
- การพล็อต Boxplot
- การกำหนดรายละเอียดกราฟของ matplotlib
- การสร้าง นำเสนอ และตีความแผนภาพข้อมูล (Data Visualization) ด้วยไลบรารี Seaborn
- การใช้ฟังก์ชันเตรียมข้อมูล (Datasets) ใน Seaborn
- การพล็อตกราฟ Distplot
- การพล็อตกราฟ Joinplot
- การพล็อตกราฟ Pairplot
- การพล็อตกราฟ Rugplot
- การพล็อตกราฟ KDE Plot
- การพล็อตกราฟ Count Plot
- การพล็อตกราฟ Violinplot
- การพล็อตกราฟ Stripplot
- การพล็อตกราฟ Swarmplot
- การพล็อต Heatmap
- การพล็อต Clustermap
- การจัดการข้อมูลสูญหาย (Missing Data)
- ข้อมูลสูญหาย คืออะไร
- ประเภทของข้อมูลสูญหาย
- วิธีการจัดการกับข้อมูลสูญหาย
- การจัดระเบียบข้อมูล (Data Cleansing)
- การโหลดข้อมูลและตรวจสอบเบื้องต้น
- การลบแถว และคอลัมน์ที่ไม่ใช้
- การเปลี่ยนชื่อคอลัมน์
- การตรวจสอบความเหมาะสมของข้อมูลประเภท Category
- การจัดการกับข้อมูลผิดชนิด
- วิธีการคัดตัวเลขออกจาก Object/String
- วิธีจัดการกับข้อมูลทศนิยม
- วิธีการจัดการกับข้อมูลซ้ำ
- ค่าผิดปกติ (Outlier) และวิธีการกำจัด
- ค่าผิดปกติ คืออะไร
- การหาค่าผิดปกติด้วยวิธี IQR
- การกำจัดค่าผิดปกติด้วยวิธี Z-Score
- ข้อมูลอนุกรมเวลา (Time Series Data)
- อนุกรมเวลา คืออะไร
- การกำหนดค่าให้อยู่ในรูป DatetimeIndex
- การวิเคราะห์ข้อมูลและ การพยากรณ์ข้อมูล