การทำเหมืองข้อมูลขั้นสูง
4(4-0-12)
วิชาบังคับก่อน: ไม่มี
เทคนิคการเตรียมข้อมูลเพื่อการทำเหมืองข้อมูล การประเมินประสิทธิภาพการทำเหมืองข้อมูล รูปแบบการแสดงความรู้และการตรวจสอบความถูกต้อง การใช้เงื่อนไขบังคับในการทำเหมืองข้อมูล เทคนิคขั้นสูงในการทำเหมืองข้อมูลกรณีศึกษาในการทำเหมืองข้อมูลกับข้อมูลจริงที่มีขนาดใหญ่
เค้าโครงรายวิชา
1. การวิเคราะห์รูปแบบและลักษณะของข้อมูลที่เหมาะสมกับการทำเหมืองข้อมูล (8 ชั่วโมง)
2. รูปแบบการแสดงผลลัพธ์จากการทำเหมืองข้อมูล (8 ชั่วโมง)
3. การวิเคราะห์และคัดเลือกโมเดล (4 ชั่วโมง)
4. การคัดแยกและกรองความรู้ (4 ชั่วโมง)
5. การส่งต่อความรู้สู่ระบบอัตโนมัติ (4 ชั่วโมง)
6. เงื่อนไขบังคับและเทคนิคขั้นสูงในการทำเหมืองข้อมูล (12 ชั่วโมง)
7. กรณีศึกษาในการทำเหมืองข้อมูลกับข้อมูลจริงที่มีขนาดใหญ่ (8 ชั่วโมง)
ผลลัพธ์การเรียนรู้ที่คาดหวังระดับรายวิชา
1. สามารถอธิบายเกี่ยวกับกระบวนการวิเคราะห์ข้อมูลด้วยเทคนิคการทำเหมืองข้อมูล
2. สามารถประเมินประสิทธิภาพของโมเดลที่ได้
3. สามารถแปลความโมเดล และมีประสบการณ์ในการทำเหมืองข้อมูลกับข้อมูลจริง
Advanced Data Mining
Prerequisite: None
Data preparation techniques for data mining, Performance evaluation, Knowledge representation and validation, Constrained data mining, Advanced techniques in data mining, Case studies in mining from large datasets
Course Outline
1. Data preparation techniques for data mining (8 hours)
2. Performance evaluation (8 hours)
3. Knowledge representation and validation (4 hours)
4. Knowledge filtration (4 hours)
5. Conveying knowledge to automatic system (4 hours)
6. Constrained data mining and other advanced techniques (12 hours)
7. Case studies in mining from large datasets (8 hours)
Course Learning Outcomes (CLOs)
1. Describe the process of data analytics with data mining techniques.
2. Evaluate the model performance
3. Interpret the meaning of the model and gain experience from doing data mining on a real-world data set.