Microsoft Data Science

Business & Office Program

หลักสูตร Microsoft Data Science

ข้อมูลที่มีปริมาณมาก มีความหลากหลาย ทั้งแบบมีโครงสร้าง กึ่งโครงสร้างไม่มีโครงสร้าง และมีขนาดเพิ่มขึ้นอย่างรวดเร็ว หรือที่เราเรียกว่า เป็นยุค Big Data ดังนั้นการบริหารจัดการ และ วิเคราะห์ข้อมูล เพื่อนำข้อมูลไปสร้างโอกาสทาง ธุรกิจ เพิ่มขีดความสามารถในการแข่งขัน และ เพิ่มโอกาสให้กับองค์กรจึงเป็นสิ่งสำคัญ วิทยาศาสตร์ข้อมูล (Data Science) คือ แนวคิดในการเก็บรวบรวมจัดการวิเคราะห์ และนำเสนอผลการวิเคราะห์ข้อมูล โดยข้อมูล เชิงลึกที่ได้จากการวิเคราะห์ สามารถทำให้ องค์กรปรับปรุงพัฒนาผลิตภัณฑ์ และการ บริการตลอดจนมีส่วนช่วยในการตัดสินใจ โดยใช้โปรแกรม Microsoft Excel

ระยะเวลา 12 ชั่วโมง

อบรม 2 วัน | 9.00 น. - 16.00 น.

ระดับ Intermediate

ระดับความรู้ขั้นปานกลาง

ประกาศนียบัตรที่เกี่ยวข้อง

Excel and Excel 2019 Associate

ราคา

7,900 บาท

เนื้อหาการอบรม

  • ความรู้เบื้องต้นเกี่ยวกับวิทยาศาสตร์ข้อมูล (Data Science)
    • Data Science คืออะไร
    • Data Science ต้องการทักษะอะไรบ้าง
  • การคิดวิเคราะห์ข้อมูล
    • โอกาสของการเข้าถึงข้อมูล
    • ประโยชน์ของการตัดสินใจที่ขับเคลื่อนด้วยข้อมูล
  • การทำงานกับข้อมูลใน Excel
    • การ Import ข้อมูลใน Excel
    • โครงสร้างของข้อมูล
    • เทคนิคการทำ Data formatting
      • การจัดรูปแบบตาราง (Format as Table)
      • การใช้ Condition Formatting
  • การจัดการข้อมูล (Data Manipulation)
    • การจัดเรียงข้อมูล (Sorting Data)
    • การกรองข้อมูล (Filtering Data)
    • การทำความเข้าใจกับข้อมูลในตาราง
      • การสร้างคอลัมน์เพื่อหาผลลัพธ์
      • การรวมข้อความ
      • การแยกข้อความ
  • การทำ Data Cleansing
    • การลบข้อมูลที่ซ้ำกัน Remove Duplicate
    • Changing
      • การจัดการกับชนิดข้อมูล
      • การจัดการกับข้อมูลที่ไม่ตรงตามรูปแบบ เช่น วันที่ เวลา อีเมล เพศ
  • Replacing
    • การทำ Fill Series
    • การเอาค่าเฉลี่ยมาเติม
    • การลบสัญลักษณ์ หรือ ช่องวาง
  • การสำรวจข้อมูล (Exploring Data)
    • Descriptive ข้อมูลเชิงพรรณนา
    • Associative การวิเคราะห์แบบเชื่อมโยง
    • Comparative การเปรียบเทียบ
    • Predictive การคาดเดา
  • การใช้ฟังก์ชันพื้นฐาน เช่น C ount, Average, Sum, if
  • การนำเสนอแผนภาพข้อมูล (Data Visualization)
    • การนำแผนภูมิมาแสดงข้อมูล เช่น Line, Stack Column, Pie, Scatter, Histogram, Box and Whisker
    • การเพิ่มองค์ประกอบให้กับแผนภูมิ
    • การเพิ่มข้อมูล (Select Data)
    • การปรับเปลี่ยนมุมมองของผลลัพธ์ (Slicing and Dicing Data)
    • การสร้าง Pivot table
    • การสร้าง Pivot Chart
  • หลักสถิติเบื้องต้น
    • ตัวแปรต่อเนื่อง (Continuous variables)
    • ข้อมูลเป็นตัวเลขชนิดไม่ต่อเนื่อง (Discrete number)
    • ตัวแปรจัดกลุ่ม (Categorical Variables)
  • สถิติเชิงพรรณนา (Descriptive statistics)
    • Mean, Median และ Mode.
    • ส่วนเบี่ยงเบนมาตรฐาน (Standard Deviation)
    • การเพิ่ม Add in ใน Office 365
  • สถิติเชิงความสัมพันธ์ (Associative statistics)
Download Course Outline