Data Science คืออะไร และนำมาใช้ประโยชน์อย่างไร
วันที่เขียน 24/4/2567 13:27:01     แก้ไขล่าสุดเมื่อ 14/4/2569 10:01:45
เปิดอ่าน: 2645 ครั้ง

Data Science หรือ วิทยาการข้อมูล หมายถึง การนำข้อมูลมาใช้ประโยชน์ โดยครอบคลุมตั้งแต่ขั้นตอนการเก็บข้อมูล (Collect) การจัดการข้อมูล (Manage) การวิเคราะห์ข้อมูล (Analyze) ไปจนถึงขั้นตอนการนำข้อมูลมาช่วยตัดสินใจ (Decision) Data Science เป็นกระบวนการที่นำเอาข้อมูลมหาศาลมาใช้ให้เกิดประโยชน์และสร้างมูลค่าต่อธุรกิจ โดยจะต้องมีผู้เชี่ยวชาญที่เรียกว่า Data Expert หรือ Data Scientistในการจัดการและนำข้อมูลที่มีอยู่มาทำ Data Cleansing และนำมาวิเคราะห์เพื่อหาองค์ความรู้ใหม่จากชุดข้อมูลที่มีอยู่ และนำมาพัฒนาปรับปรุงการทำงานให้มีประสิทธิภาพมากขึ้น

เพื่อการนำข้อมูลมาใช้ประโยชน์ให้มีประสิทธิภาพ Data Scientist จำเป็นต้องมีความรู้พื้นฐานเกี่ยวกับสิ่งต่อไปนี้

  1. กระบวนการสร้างแบบจำลองทางด้านวิทยาการข้อมูล

- การเข้าใจในเรื่องธุรกิจ

- การเข้าใจข้อมูล

- การเตรียมข้อมูล

- การเตรียมแบบจำลอง

- การประเมินประสิทธิภาพของแบบจำลอง

- การนำแบบจำลองไปใช้จริง

- การติดตามประเมินผล

  1. การวัดคุณภาพของข้อมูลต้อง

- ความถูกต้อง

- ความสมบูรณ์

- ความสม่ำเสมอ

- การลำดับเวลา

- ความน่าเชื่อถือ

  1. การเขียนโปรแกรมคอมพิวเตอร์

 

คำสำคัญ :
กลุ่มบทความ :
หมวดหมู่ :
แชร์ :
https://erp.mju.ac.th/acticleDetail.aspx?qid=1443
ความคิดเห็นทั้งหมด (0)
ไม่มีข้อมูลตามเงื่อนไขที่ท่านกำหนด
รายการบทความการแลกเปลี่ยนเรียนรู้หมวดหมู่ : กลุ่มงานสายวิชาการ
การเผยแพร่ความรู้ที่ได้จากการเข้าร่วมงานประชุมวิชาการ/อบรม/สัมมนา » ความรู้ที่ได้รับจากการเข้าร่วมโครงการประเมินแผนปฏิบัติงานประจำปีงบประมาณ พ.ศ.2569 และจัดทำแผนปฏิบัติงานประจำปีงบประมาณ พ.ศ.2570
ได้เข้าร่วมประชุมเชิงปฏิบัติการโครงการประเมินแผนปฏิบัติงานประจำปีงบประมาณ พ.ศ.2569 และจัดทำแผนปฏิบัติงานประจำปีงบประมาณ พ.ศ.2570 โดยแบ่งออกเป็น 2 กิจกรรม ระหว่างวันที่ 25 ธันวาคม 2568 - 26 ธันวาคม ...
  กลุ่มงานตามสมรรถนะบุคลากร   กลุ่มงานสายวิชาการ
ผู้เขียน เพชรลดา กันทาดี  วันที่เขียน 8/4/2569 20:32:41  แก้ไขล่าสุดเมื่อ 14/4/2569 9:10:51   เปิดอ่าน 31  ครั้ง | แสดงความคิดเห็น 0  ครั้ง
ความรู้อาจารย์กับการบริการวิชาการ » การออกแบบการวิจัยทางการศึกษาในยุคปัญญาประดิษฐ์: บทบาทใหม่ของอาจารย์ในฐานะนักวิจัยร่วมกับ AI
บทความนี้นำเสนอองค์ความรู้จากการอบรมเรื่อง “การออกแบบการวิจัยทางการศึกษาในยุคปัญญาประดิษฐ์” โดยมุ่งอธิบายบทบาทของ AI ในฐานะทั้งเครื่องมือและตัวแปรทางการวิจัย ตลอดจนแนวทางการออกแบบงานวิจัยเชิงปริมาณ...
Mixed Methods  การวิจัยทางการศึกษา  การออกแบบการวิจัย  จริยธรรมการวิจัย  ปัญญาประดิษฐ์ (AI)     กลุ่มงานตามสมรรถนะบุคลากร   กลุ่มงานสายวิชาการ
ผู้เขียน อัณชยารัศมิ์ เนาว์โสภา  วันที่เขียน 2/4/2569 21:04:01  แก้ไขล่าสุดเมื่อ 14/4/2569 8:13:15   เปิดอ่าน 2107  ครั้ง | แสดงความคิดเห็น 0  ครั้ง
ความรู้อาจารย์กับการบริการวิชาการ » การออกแบบการวิจัยทางการศึกษาในยุคปัญญาประดิษฐ์: บทบาทใหม่ของอาจารย์ในฐานะนักวิจัยร่วมกับ AI
บทความนี้นำเสนอองค์ความรู้จากการอบรมเรื่อง “การออกแบบการวิจัยทางการศึกษาในยุคปัญญาประดิษฐ์” โดยมุ่งอธิบายบทบาทของ AI ในฐานะทั้งเครื่องมือและตัวแปรทางการวิจัย ตลอดจนแนวทางการออกแบบงานวิจัยเชิงปริมาณ...
Mixed Methods  การวิจัยทางการศึกษา  การออกแบบการวิจัย  จริยธรรมการวิจัย  ปัญญาประดิษฐ์ (AI)     กลุ่มงานตามสมรรถนะบุคลากร   กลุ่มงานสายวิชาการ
ผู้เขียน อัณชยารัศมิ์ เนาว์โสภา  วันที่เขียน 2/4/2569 21:03:34  แก้ไขล่าสุดเมื่อ 14/4/2569 8:13:00   เปิดอ่าน 41  ครั้ง | แสดงความคิดเห็น 0  ครั้ง
ความรู้อาจารย์กับการบริการวิชาการ » การพัฒนากรอบแนวคิดการวิจัยเชิงสาเหตุ: องค์ความรู้สำคัญสำหรับอาจารย์ยุคดิจิทัล
จากองค์ความรู้ที่ได้รับจากการอบรม บทบาทใหม่ของอาจารย์ในยุคการวิจัยเชิงระบบ สามารถสรุปได้ว่า “การวิจัยที่มีคุณภาพ” ไม่ได้ขึ้นอยู่กับเทคนิคการวิเคราะห์เพียงอย่างเดียว แต่ขึ้นอยู่กับ “การออกแบบกรอบแนว...
กรอบแนวคิดการวิจัย  การพัฒนางานวิจัยอุดมศึกษา  การวิจัยทางการศึกษา  ความสัมพันธ์เชิงสาเหตุ  ภาวะผู้นำเชิงผู้ประกอบการ     กลุ่มงานตามสมรรถนะบุคลากร   กลุ่มงานสายวิชาการ
ผู้เขียน อัณชยารัศมิ์ เนาว์โสภา  วันที่เขียน 2/4/2569 20:36:02  แก้ไขล่าสุดเมื่อ 13/4/2569 21:10:03   เปิดอ่าน 65  ครั้ง | แสดงความคิดเห็น 0  ครั้ง