Machine Learning for Engineering Data Analytics

การเรียนรู้ของเครื่องสำหรับการวิเคราะห์ข้อมูลทางวิศวกรรม

3(3-0-6)

วิชาบังคับก่อน : SCI03 1001 แคลคูลัส 1 และ ENG35 2116 สถิติวิศวกรรม

การเขียนโปรแกรมสำหรับสถิติ;เรียนรู้การเขียนโปรแกรมพัฒนาการเรียนรู้ของเครื่องจักรเพื่องานวิศวกรรม; การเตรียมข้อมูลเชิงสำหรับงานวิเคราะห์เชิงวิศวกรรม;การใช้การเรียนรู้เครื่องจักรเพื่อจำแนกประเภทข้อมูล; การใช้การเรียนรู้เครื่องจักรเพื่อทำนายข้อมูลอนาคต; การใช้การเรียนรู้เครื่องจักรเพื่อจัดกลุ่มข้อมูลที่คล้ายคลึงกัน; การลดจำนวนตัวแปรที่ใช้ในการวิเคราะห์ข้อมูล; การวิเคราะห์ข้อมูลอนุกรมเวลา; การประเมินผลและปรับแต่งโมเดลการเรียนรู้ของเครื่อง;

ผลสัมฤทธิ์การเรียนรู้

  1. วิเคราะห์ข้อมูลและความสัมพันธ์ของข้อมูลทางวิศวกรรมโดยใช้การเรียนรู้ของเครื่องได้ (ดัชนีชี้วัดสมรรถนะ = 2.1)
  2. ออกแบบและพัฒนาอัลกอริทึมการเรียนรู้ของเครื่องเพื่อการวิเคราะห์ข้อมูลทางวิศวกรรมได้ (ดัชนีชี้วัดสมรรถนะ = 2.2)
  3. ประยุกต์อัลกอริทึมหรือวิธีการที่จำเป็นสำหรับการแก้ไขปัญหาที่เกี่ยวข้องกับข้อมูลทางวิศวกรรมได้ (ดัชนีชี้วัดสมรรถนะ = 7.2)

 

Machine Learning for Engineering Data Analytics

Prerequisite : SCI03 1001 Calculus I and ENG35 2116 Engineering Statistics

Learn statistical programming; programming for machine learning development in engineering tasks; data preparation for engineering analysis; using machine learning for data classification; using machine learning for future data prediction; using machine learning for clustering similar data; reducing the number of variables used in data analysis; time series data analysis; evaluating and tuning machine learning models.

Learning Outcomes

  1. Analyze engineering data and relationships using machine learning. (PI = 2.1)
  2. Design and develop machine learning algorithms for engineering data analysis. (PI = 2.2)
  3. Apply algorithms or methods necessary to solve problems related to engineering data. (PI = 7.2)