การวิเคราะห์ข้อมูลและพื้นฐานปัญญาประดิษฐ์
3(2-3-7)
วิชาบังคับก่อน : ไม่มี
ผู้เรียนในระดับบัณฑิตศึกษาสามารถนำหลักการการวิเคราะห์ข้อมูล ด้วยหลักทางสถิติขั้นสูงร่วมกับวิธีการทางปัญญาประดิษฐ์ ไปประยุกต์ในการแก้ปัญหาทางวิศวกรรมวัสดุที่มีความหลากหลายได้อย่างเหมาะสม รวมทั้งสามารถนำองค์ความรู้นี้ไปพัฒนาต่อยอดงานวิจัยได้
เค้าโครงรายวิชา
- สถิติเชิงพรรณนา การแจกแจงความน่าจะเป็น การทดสอบสมมติฐาน ( ชม.)
- การวิเคราะห์ความแปรปรวน การออกแบบการทดลอง การใช้โปรแกรมสำเร็จรูปทางสถิติ ( ชม.)
- ผลต่างของค่าเฉลี่ย : การทดสอบแบบที ( ชม.)
- การเปรียบเทียบแบบคู่ : ช่วงความเชื่อมั่น : ขนาดของตัวอย่าง ( ชม.)
- แบบจำลองแบบถดถอย และ ANOVA ในแบบจำลองแบบถดถอย ( ชม.)
- เทคนิคการออกแบบจำลองสำหรับตรวจสอบสมบัติของวัสดุ ( ชม.)
- การออกแบบหาจุดเหมาะสมแบบดี ( ชม.)
- แบบจำลองแบบ 2^k Fractional Factorial ( ชม.)
- พื้นฐานและแนวคิดทางปัญญาประดิษฐ์ ( ชม.)
- การเก็บรวบรวมข้อมูล การนำเสนอข้อมูล การวิเคราะห์ข้อมูล ( ชม.)
- การวิเคราะห์ข้อมูลและแสดงผลการวิเคราะห์ด้วยวิธีการทางสถิติและวิธีการทางปัญญาประดิษฐ์ ( ชม.)
- การใช้โปรแกรมสำเร็จรูปทางปัญญาประดิษฐ์เบื้องต้น ( ชม.)
- การระบุปัญหาและวิธีการแก้ปัญหาทางวิศวกรรมด้วยวิธีการทางสถิติและวิธีการทางปัญญาประดิษฐ์ ( ชม.)
ผลสัมฤทธิ์การเรียนรู้
- สามารถใช้เครื่องมือเพื่อคำนวณค่าทางสถิติเบื้องต้นได้
- สามารถเลือกใช้ตัวแปรที่เหมาะสมสำหรับการวิเคราะห์ทางสถิติ
- สามารถใช้โปรแกรมช่วยคำนวณทางสถิติเป็นเครืองมือในการตัดสินใจ
- สามารถประยุกต์ใช้หลักการทางสถิติร่วมกับแนวคิดทางปัญญาประดิษฐ์ในกระบวนการวิเคราะห์และค้นคว้าวิจัยได้
Data Analysis and Artificial Intelligence Basic
Prerequisite : None
Graduate students can apply data analysis principles using advanced statistical principles in conjunction with artificial intelligence methods to appropriately solve diverse materials engineering problems. This knowledge can also be used to further develop research.
Course Outline
- Descriptive statistics, probability distributions, hypothesis testing. ( hr.)
- Analysis of variance, experimental design, and use of statistical software packages. ( hr.)
- Difference of means : T-test. ( hr.)
- Pairwise comparisons: Confidence intervals: Sample size. ( hr.)
- Regression model and ANOVA in regression model. ( hr.)
- Simulation design techniques for examining material properties. ( hr.)
- Good design optimization. ( hr.)
- 2^k Fractional Factorial Model. ( hr.)
- Fundamentals and concepts of artificial intelligence. ( hr.)
- Data collection, data presentation, data analysis. ( hr.)
- Data analysis and display of analysis results using statistical methods and artificial intelligence methods. ( hr.)
- Basic use of ready-made artificial intelligence programs. ( hr.)
- Can apply statistical principles together with artificial intelligence concepts in analysis and research processes. ( hr.)
Learning Outcomes
- Able to use the tool to calculate basic statistical values.
- Able to select appropriate variables for statistical analysis.
- Able to use statistical calculation programs those can be used as decision-making tools.
- Able to apply statistical principles along with artificial intelligence concepts in the process of analysis and research.
