การจัดการข้อมมูลสำหรับแบบจำลองทางปัญญาประดิษฐ์
4(4-0-12)
วิชาบังคับก่อน : ไม่มี
รายวิชานี้มุ่งเน้นการศึกษาแนวคิดและเทคนิคที่ทันสมัยสำหรับการจัดการข้อมูลเชิงลึก (Deep Data Management) เพื่อสนับสนุนการพัฒนาแบบจำลองทางด้านปัญญาประดิษฐ์ (Artificial Intelligence – AI) ผู้เรียนจะได้เรียนรู้กระบวนการจัดการข้อมูลตั้งแต่การเก็บรวบรวม การทำความสะอาด การแปลงข้อมูล การจัดโครงสร้างข้อมูล และการสร้างข้อมูลที่เหมาะสมสำหรับแบบจำลอง AI โดยเน้นทั้งข้อมูลเชิงโครงสร้าง (Structured Data) และข้อมูลที่ไม่มีโครงสร้าง (Unstructured Data) รวมถึง แนวทางการประมวลผลข้อมูลขนาดใหญ่ (Big Data) ด้วยเทคโนโลยีที่ นอกจากนี้ ผู้เรียนจะได้รับการฝึกปฏิบัติการวิเคราะห์และจัดการข้อมูลผ่านงานวิจัยที่เกี่ยวข้องกับ AI
เค้าโครงรายวิชา
- บทนำเกี่ยวกับการจัดการข้อมูลสำหรับปัญญาประดิษฐ์ (6 ชม.)
- การเลือกข้อมูลและออกแบบวิธีการเตรียมข้อมูลที่เหมาะสม (6 ชม.)
- การทำความสะอาดและเตรียมข้อมูลเบื้องต้น (6 ชม.)
- การแปลงและสร้างคุณลักษณะของข้อมูล (6 ชม.)
- การจัดการข้อมูลขนาดใหญ่ (6 ชม.)
- การจัดการข้อมูลที่ไม่มีโครงสร้าง (6 ชม.)
- การประเมินและวิเคราะห์คุณภาพข้อมูล (6 ชม.)
- การวิจัยและการนำเสนอผลงาน (6 ชม.)
ผลสัมฤทธิ์การเรียนรู้
- สามารถเข้าใจแนวคิดและกระบวนการจัดการข้อมมูลเชิงลึกที่ซับซ้อนและเหมาะสมสำหรับการพัฒนาแบบจำลองทางด้านปัญญาประดิษฐ์ได้อย่างแม่นยำ รวมถึงสามารถประยุกต์ใช้ความรู้ด้านการทำความสะอาดข้อมูล การแปลงข้อมูล และการจัดการข้อมูลขนาดใหญ่ เพื่อพัฒนาแบบจำลองที่มีประสิทธิภาพสูง
- สามารถวิเคราะห์และแก้ไขปัญหาคุณภาพข้อมูลที่ซับซ้อน สร้างข้อมูลที่ช่วยเพิ่มประสิทธิภาพของแบบจำลองและเลือกใช้เครื่องมือและเทคโนโลยีที่เหมาะสมในบริบาต่างๆ ได้อย่างมีประสิทธิภาพสูง
- สามารถดำเนินการวิจัยที่เกี่ยวข้องกับการจัดการข้อมูลเชิงลึกได้อย่างเป็นระบบ รวมถึงสามารถนำเสนอผลงานวิจัยและผลการวิเคราะห์ในเชิงวิชาการได้อย่างชัดเจน น่าเชื่อถือ และมีคุณภาพ
Data Management for Artificial Intelligence Models
Prerequisite : None
This course focuses on studying modern concepts and techniques for Deep Data Management to support the development of Artificial Intelligence (AI) models. Students will learn data management processes, including data collection, cleaning, transformation, structuring, and creating suitable data for AI models. Emphasis is placed on both structured and unstructured data, along with approaches for processing large-scale data (Big Data) using advanced technologies. Additionally, students will engage in practical exercises to analyze and manage data through research projects related to AI.
Course Outline
- Introduction to Data Management for Artificial Intelligence. (6 hr.)
- Data Selection and Designing Appropriate Data Preparation Methods. (6 hr.)
- Data Cleaning and Preliminary Data Preparation. (6 hr.)
- Data Transformation and Feature Engineering. (6 hr.)
- Managing Large-Scale Data. (6 hr.)
- Managing Unstructured Data. (6 hr.)
- Evaluating and Analyzing Data Quality. (6 hr.)
- Research and Presentation of Results. (6 hr.)
Learning Outcomes
- Have a deep understanding of the principles and methods of writing a literature review in artificial intelligence research, as well as the ability to apply this knowledge effectively in researching and processing information from various sources.
- Be able to systematically analyze and critique existing research, as well as connect the gathered information to guide future research directions.
- Be capable of writing high-quality literature reviews that effectively support and drive research in the field of artificial intelligence.
