Direct to Dean

Big Data Management and Visualisation

การจัดการและนำเสนอข้อมูลมหัต

3(3-0-6)

วิชาบังคับก่อน : ENG23 1001 การเขียนโปรแกรมคอมพิวเตอร์ 1 และ ENG35 2116 สถิติวิศวกรรม

รูปแบบข้อมูล: ดิจิทัล, ข้อความ, รูปภาพ; การจัดเก็บข้อมูลที่มีโครงสร้างอย่างเป็นระเบียบ; ฐานข้อมูลเชิงสัมพันธ์; ระบบจัดการฐานข้อมูล: การสร้างตาราง, การแก้ไขตาราง, การลบตาราง, การเรียกใช้ข้อมูล, การเพิ่มข้อมูล, การแก้ไขข้อมูล, การลบข้อมูล; โครงสร้างและองค์ประกอบของฐานข้อมูล: ตาราง, ความสัมพันธ์, คีย์; การเชื่อมต่อข้อมูล: ฐานข้อมูล, สเปรชีท; การเลือกใช้การแสดงภาพข้อมูล: แผนภูมิ, กราฟ, ตาราง, แผนที่; การวิเคราะห์ข้อมูลการผลิต: การวิเคราะห์ข้อมูลแบบเชิงพยากรณ์, ปัญญาประดิษฐ์ในการวิเคราะห์ข้อมูล;

ผลสัมฤทธิ์การเรียนรู้

  1. วิเคราะห์พารามิเตอร์ที่จำเป็นต่อการควบคุมและตัดสินใจทางการผลิตเพื่อเลือกใช้ข้อมูลมหัต (ดัชนีชี้วัดสมรรถนะ = 2.1)
  2. ออกแบบและพัฒนาระบบข้อมูลมหัตสำหรับการผลิตอัฉริยะ (ดัชนีชี้วัดสมรรถนะ = 2.2)
  3. ออกแบบและพัฒนาระบบติดตามสำหรับการผลิตอัจฉริยะ (ดัชนีชี้วัดสมรรถนะ = 2.2)
  4. นำเสนอสารสนเทศในรูปแบบที่มองเห็นและเข้าใจได้ด้วยตาผ่านแดชบอร์ดเพื่อสนับสนุนการตัดสินใจ (ดัชนีชี้วัดสมรรถนะ = 3.3)
  5. ตรวจสอบผลของการวิเคราะห์ข้อมูลในด้านความแม่น ความถูกต้องของการตีความ และเป็นไปตามความต้องการ (ดัชนีชี้วัดสมรรถนะ = 6.3)

 

Big Data Management and Visualisation

Prerequisite : ENG23 1001 Computer Programming I and ENG35 2116 Engineering Statistics

Data formats: Digital, Text, Images; Structured storage; Relational databases; Database management systems: Creating tables, Editing tables, Deleting tables, Retrieving data, Adding data, Editing data, Deleting data; Database structures and elements: Tables, Relationships, Keys; Data connectivity: Databases, Spreadsheets; Data visualization options: Charts, Graphs, Tables, Maps; Production data analysis: Predictive analytics, Artificial intelligence in data analysis.

Learning Outcomes

  1. Analyze the parameters essential for production control and decision-making to select the use of big data. (PI = 2.1)
  2. Design and develop big data systems for smart manufacturing. (PI = 2.2)
  3. Design and develop tracking systems for smart manufacturing. (PI = 2.2)
  4. Present information in a visual and comprehensible format through dashboards to support decision-making. (PI = 3.3)
  5. Verify the results of data analysis in terms of accuracy, correctness of interpretation, and alignment with requirements. (PI = 6.3)