Logo

 

หลักสูตรวิทยาศาสตรมหาบัณฑิต สาขาวิชาเทคโนโลยีสารสนเทศ เเขนงการวิเคราะห์ข้อมูลขนาดใหญ่และปัญญาประดิษฐ์ (Big Data Analytics and AI) 

ปัจจุบันการทำการตลาดในยุคดิจิตอลสามารถช่วยให้ Startup Company เข้าถึงกลุ่มลูกค้าได้หลากหลายสะดวกมากขึ้น แต่ในขณะเดียวกันการมีช่องทางที่มากขึ้นอาจส่งผลต่อการทำตลาดที่ไม่มีทิศทาง ยังผลให้การตลาดมุ่งเน้นกลุ่มลูกคาที่ไม่ใช่กลุ่มเป้าหมายที่แท้จริงหรือสามารถเข้าถึงกลุ่มลูกคาเป้าหมายได้แต่ในช่องทางที่ไม่เหมาะสม ซึ่งทำให้บริษัทต้องสูญเสียค่าใช่จ่ายที่ไม่ก่อใหเกิดผลกำไร ในยุคดิจิตอลข้อมูลดิบเกี่ยวกับลูกค้าเกิดขึ้นอย่างต่อเนื่อง และจำนวนมาก ความสามารถในการนำข้อมูลดังกล่าวจากหลายๆที่มาวิเคราะห์จึงจำเป็นอย่างมากในการกำหนดทิศทางการทำการตลาดของบริษัทเพื่อต่อยอดและแข่งกันทางธุรกิจได้ หลักสูตรวิทยาศาสตรมหาบัณฑิต สาขาวิชาเทคโนโลยีสารสนเทศ แขนงการวิเคราะห์ข้อมูลขนาดใหญ่ (Big Data Analytics) มุ่งเน้นการวิเคราะห์ข้อมูลที่มีจำนวนมหาศาล ที่มีหลากหลายรูปแบบ มาเป็นสารสนเทศที่มีคุณค่าทางธุรกิจสามารถนำไปประยุกต์ใช้ในการขับเคลื่อนองค์กร สร้างโอกาสทางการตลาดเเละเเข่งขันทางธุรกิจได้ บัณฑิตที่จบการศึกษาจะมีทักษะที่จำเป็นในการวิเคราะห์ข้อมูล เช่น กระบวนการการรวบรวมและจัดการช้อมูล (Data Preparation)โดยเฉพาะข้อมูลจาก Social media ที่มีความต่อเนื่องสูงเเบบ unstructured data, วิธีการ (Algorithms)ในการวิเคราะห์ข้อมูล เช่น Machine Learning ตลอดจนวิธีการนำเสนอสารสนเทศที่ได้จากการวิเคราะห์ในรูปเเบบที่ชัดเจน มีประสิทธิภาพ

Top 10 Skills ที่ Data Scientist ต้องรู้

 

Statistics & Math คณิตศาสตร์เเละสถิติเป็นพื้นฐานที่สำคัญในการทำ Data Analytics หลายๆทฤษฎีที่มีรากฐานจาก Statistics ได้ถูกนำมาในการสรัาง Model ในการวิเคราะห์ข้อมูล Data Science อาทิเช่น Regression Analysis นอกจากนั้นคณิตศาสตร์ (Math) หลายๆตัวถูกนำมาใช้ประกอบการทำ Data Science อาทิเช่น linear algebra ที่ใช้สำหรับการคำนวณต่างๆ ใน Algorithms ที่ซับซ้อน มีหลายมิติ, Probability and Statistics ที่เป็นรากฐานของ Machine Learning หรือแม้กระทัง Calculus ที่จะมีในบาง Algorithms ของ Machine Learning โดยเฉพาะในเรื่องเกี่ยวกับ Parameter Optimization, อีกหนึ่งพื้นฐานที่ Data Scientist ต้องมีก็คือ Computer Science Background (องค์ความรู้ทาง computer science) ซึ่งถือเป็นพื้นฐานที่สำคัญมาก เปรียบสมือนเครื่องมือที่จะทำให้การวิเคราะห์ข้อมูลเป็นจริงได้ เช่นความรู้ในเรื่องของ ฐานข้อมูล (Database) ไม่ว่าจะเป็น Relation หรือ NoSQL ที่ใช้เก็บ data ที่จะวิเคราะห์ หรือ Soft Skills ที่ได้จากความรู้ในการทำงานประสานงานในองค์กร หรือ การเขี่มมต่อกับระบบเครือข่ายขององค์กร เป็นต้น, ทักษะทางด้าน Programming ทุก Application ของ Data Science ต้องการ Coding ทั้งนั้น ไม่ว่าจะใช้ภาษาที่เป็นที่นิยมเช่น R หรือ Python หรือภาษทั่วไปก็ตาม เพื่อที่จะทำการจัดการ การเตรียมข้อมูล ไปจนถึงที่การเขียน Script ต่างๆเพื่อเชื่อมต่อกับ Library ในการทำ Modelling หรือเเม้กระทั่ง ความรู้ความสามารถในเข้าใจและประยุกต์ใช้ Algorithms ต่างๆ ไม่ว่าจะเป็น Machine Learning หรือ Data Mining เพื่อมาสร้าง Model (Modelling) ให้ตอบโจทย์ปัญหาได้ ก็เป็นพื้นฐานทาง Computer Science ที่เปรียบเหมือนสมองในการทำ Data Science เลยทีเดียว 

หลังจากมีพื้นฐานที่เพียงพอในกระบวกการทำ Data Science, Data Scientist จะต้องเข้าใจเรื่องของ Scientific Methods เป็นอันดับเเรก การทำโปรเจคทาง Data Science ส่วนใหญ่จะมีกระบวนการที่ชัดเจนในการทำ เช่น CRISP-DM (Cross Industry Process for Data Mining), Experimental Design, หรือ Hypothesis Testing ซึ่งเราสามารทำตามได้ จะได้ไป focus กับสิ่งอื่นๆมากกว่า โดยกระบวกการเเรกในการทำ Data Analytics จะเป็นการรวมรวมและการเตรียมข้อมูล (Data Management) ก่อนการวิเคราะห์ เช่นการ Clean ข้อมูล การ Normalize ข้อมูล การดึงข้อมูลจาก Social Media เช่น Twitter เป็นต้น ซึ่ง Programming จะมีส่วนสำคัญมาก เมื่อนำข้อมูลมาวิเคราะห์ตาม Algorithms จนได้ Model หลังจากที่เราได้ Model ที่ดีเเล้ว ความสามารถในการนำเสนอข้อมูล (Visualization) ที่ค้นพบในรูปแบบที่เข้าใจง่าย มีประสิทธิภาพ ก็มีความสำคัญ ถ้าขาดความทักษะด้านนี้ไป ทำทุกอย่างมาดี เสียของเเน่ๆเลย ถ้าสื่อสารข้อมูลเชิงลึกที่ค้นพบออกมาไม่ได้

เเน่นอน Data Science เป็นศาสตร์ที่พัฒนามาเพื่อวิเคราะห์ข้อมูลจำนวนมหาศาล (Big Data) ทักษะในการคำนวณประมวณผลขั้นสูง (Advance Computing) ที่เกี่ยวข้องกับการทำ parallel computing, algorithms สำหรับ process ข้อมูลขนาดใหญ่ เช่น MapReduce จำเป็นจะต้องมี, ด้วย Technology ปัจจุบัน การคำนวณประมวณผลขั้นสูง ก็เป็นไปได้ ความเชี่ยวชาญใน Tools หรือ Technology ปัจจุบันจะช่วยให้การทำโปรเจคทาง Data Science รวดเร็วและมีประสิทธิภาพมากขึ้น เช่น การใช้ Apache Spark ในการ process Big Data หรือ การใช้ SAS ในการช่วยตัดสินใจใน Level ของ Business Intelligent ได้ดีขี้น, Domain Knowledge การทำโปรเจคทาง data science สามารถประยุกต์ไปยัง domain ต่างๆได้หลากหลาย เพราะฉะนั้นปฏิเสธไม่ได้เลยว่า ความเข้าใจใน Domain ที่นำ Data Science ไปแก้ปัญหามีความสำคัญต่อการออกแบบ model ต่างๆ เป็นอย่างมาก, สุดท้าย Hacker Mindset (ความกระตือรือร้นการค้นหาข้อมูลเชิงลึก) ถ้าคุณเป็นคนที่ อยากรู้ อยากค้นหา ข้อมูลเชิงลึกที่ถูกซ้อนอยู่ในกองข้อมูล ยิ่งเป็นคนอยากรู้อยากเห็น นักวิเคราะห์ นักตั้งคำถามมากเท่าไหร่ คุณก็มีเเนวโน้มที่จะทำอาชีพนี้ได้ดี เรียกว่ามีชัยไปกว่าครึ่งเเล้ว 

ความสอดคล้องของหลักสูตรในการพัฒนา Skills ด้านต่างๆให้กับ Data Scientist  

โครงสร้างหลักสูตร MSIT เเขนงการวิเคราะห์ข้อมูลขนาดใหญ่และปัญญาประดิษฐ์ (Big Data Analytics and AI) หลักสูตรปรับปรุงปี พ.ศ. 2563
 
แผน ข (ไม่ทำวิจัย)

1. จำนวนหน่วยกิต   40 หน่วยกิต
2. องค์ประกอบของหลักสูตร 
          ก.  หมวดวิชาบังคับ   16 หน่วยกิต
          ข.  หมวดวิชาเเขนง  18 หน่วยกิต
          ค.  หมวดวิชาการศึกษาค้นคว้าอิสระ  6 หน่วยกิต

 
เเผนการศึกษา
http://www.msit.mut.ac.th/index.php/curriculum/msit/data-analytics/daplan 
  
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

Copyrights by ITGrad.