Basic R Programming
หลักสูตร Basic R Programming เป็นการอบรมพื้นฐานภาษา R ซึ่งเป็นภาษาโอเพนซอร์สที่ใช้ฟรีสำหรับสถิติและกราฟ ตั้งแต่ติดตั้ง R กับ RStudio หรือ Positron จัดการข้อมูลด้วย tidyverse ทำสถิติเบื้องต้น สร้างกราฟด้วย ggplot2 จนถึงทำรายงานด้วย Quarto เหมาะกับเจ้าหน้าที่ไอที นักศึกษา นักวิจัย และผู้สนใจทั่วไป
- ระยะเวลา18 ชั่วโมง · 3 วัน
- รูปแบบออนไซต์ / ออนไลน์สด
- รอบถัดไปเปิดตามคำขอ
- ใบรับรองมี Certificate
ภาพรวมหลักสูตร
R เป็นภาษาโปรแกรมและสภาพแวดล้อมสำหรับคำนวณทางสถิติและสร้างกราฟแบบโอเพนซอร์สที่ใช้ได้ฟรี มีฟังก์ชันสถิติให้เรียกใช้มากมายและมี Package บน CRAN ที่ชุมชนพัฒนาเพิ่มอย่างต่อเนื่อง จึงเป็นเครื่องมือหลักของนักวิจัย นักสถิติ และนักวิเคราะห์ข้อมูล ปัจจุบันการเขียน R สะดวกขึ้นมากด้วย IDE อย่าง RStudio และ Positron ชุด Package tidyverse ที่อ่านง่าย และ Quarto ที่ช่วยรวมโค้ด กราฟ และคำอธิบายเป็นรายงานฉบับเดียว
หลักสูตรนี้พาผู้เรียนเริ่มต้นภาษา R ตั้งแต่ติดตั้ง R และเลือก IDE ใช้ตัวแปร ชนิดข้อมูล Vector และ Data Frame ติดตั้ง Package นำข้อมูลจาก CSV, Excel และฐานข้อมูลเข้า R เขียนเงื่อนไข ลูป และฟังก์ชันของตัวเอง จัดการข้อมูลด้วย dplyr และ tidyr จัดการวันที่ หาค่าสถิติเชิงพรรณนาและทดสอบสมมติฐาน สร้างกราฟด้วย Base Graphics และ ggplot2 แล้วปิดท้ายด้วยการทำรายงานวิเคราะห์ข้อมูลด้วย Quarto (อบรม 3 วัน วันละ 6 ชั่วโมง รวม 18 ชั่วโมง ระดับ Beginner)
สิ่งที่คุณจะได้รับ
- ติดตั้งและใช้งาน R กับ RStudio หรือ Positron ได้อย่างเป็นระบบ
- ใช้ตัวแปร ชนิดข้อมูล และโครงสร้างข้อมูลหลักของ R ได้
- นำข้อมูลจากไฟล์และฐานข้อมูลเข้า R และจัดการด้วย dplyr และ tidyr ได้
- เขียนเงื่อนไข ลูป และฟังก์ชันของตัวเองได้
- หาค่าสถิติเชิงพรรณนาและทดสอบสมมติฐานเบื้องต้นได้
- สร้างกราฟด้วย Base Graphics และ ggplot2 และทำรายงานด้วย Quarto ได้
หลักสูตรนี้เหมาะสำหรับ
- ผู้สนใจทั่วไปที่อยากเริ่มวิเคราะห์ข้อมูลด้วยภาษา R
- เจ้าหน้าที่ไอทีและเจ้าหน้าที่ที่ต้องทำรายงานสถิติจากข้อมูลขององค์กร
- นักเรียน นักศึกษา และนักวิจัยที่ต้องใช้สถิติในงานเรียนหรืองานวิจัย
- ผู้ที่ใช้ Excel วิเคราะห์ข้อมูลและต้องการเครื่องมือที่ทำงานซ้ำได้อัตโนมัติ
พื้นฐานของผู้เข้าอบรม
- ใช้คอมพิวเตอร์ได้ จัดการไฟล์และโฟลเดอร์ได้
- ไม่จำเป็นต้องเคยเขียนโปรแกรมมาก่อน
- มีความรู้สถิติระดับพื้นฐาน เช่น ค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐาน จะช่วยให้เรียนได้เร็วขึ้น
- โน้ตบุ๊ก Windows หรือ macOS พร้อมสิทธิ์ติดตั้งโปรแกรม
หัวข้อการฝึกอบรม
รายละเอียดหลักสูตร
หลักสูตรนี้เป็นฉบับปรับปรุงใหม่ปี 2026 ของหลักสูตร Basic R Programming เนื้อหาเขียนใหม่ให้ตรงกับ R รุ่น 4.6 และ IDE รุ่นปัจจุบันทั้ง RStudio และ Positron อบรม 3 วัน วันละ 6 ชั่วโมง รวม 18 ชั่วโมง (09:00-16:00 น.) รูปแบบบรรยายพร้อม Lab ทุกหัวข้อ ระดับ Beginner วันแรกติดตั้งเครื่องมือ เรียนตัวแปร โครงสร้างข้อมูล Package และการนำข้อมูลเข้า วันที่สองเขียนเงื่อนไข ลูป
ฟังก์ชัน และจัดการข้อมูลด้วย dplyr, tidyr และ lubridate วันที่สามหาค่าสถิติ ทดสอบสมมติฐาน สร้างกราฟด้วย Base Graphics และ ggplot2 และทำรายงานด้วย Quarto หลักสูตรนี้เน้นพื้นฐานการเขียนภาษา R หากต้องการต่อยอดด้านการทำเหมืองข้อมูลสามารถเรียนหลักสูตรการทำเหมืองข้อมูลด้วยซอฟแวร์ R ของสถาบันได้ ผู้เรียนจะได้สคริปต์และชุดข้อมูลของทุก Lab กลับไปใช้งานต่อ
Day 1 เริ่มต้นภาษา R และนำข้อมูลเข้า
Section 1: Lab: รู้จัก R และเครื่องมือ
- R คืออะไร จุดเด่น ข้อจำกัด และ CRAN
- ติดตั้ง R และเลือก IDE ระหว่าง RStudio กับ Positron
- Console, Script, Environment และการเรียกดู Help
- สร้าง Project เพื่อจัดไฟล์และไม่ต้องใช้ setwd()
- Lab: ติดตั้งเครื่องมือและรันสคริปต์ R แรกของตัวเอง
Section 2: Lab: ตัวแปร ชนิดข้อมูล และ Vector
- กำหนดค่าด้วย <- และหลักการตั้งชื่อตัวแปร
- ชนิดข้อมูล numeric, integer, character, logical และ factor
- สร้าง Vector และคำนวณแบบ Vectorized
- ค่าว่าง NA และการจัดการในการคำนวณ
- Lab: คำนวณยอดขาย ภาษี และส่วนลดของสินค้าหลายรายการพร้อมกัน
Section 3: Lab: โครงสร้างข้อมูล
- Matrix, List, Data Frame และ Tibble
- เลือกข้อมูลด้วย [ ], [[ ]] และ $
- กรองแถวและเลือกคอลัมน์ด้วยเงื่อนไข
- ตรวจข้อมูลด้วย str(), head() และ summary()
- Lab: สร้างและสำรวจ Data Frame ข้อมูลพนักงาน
Section 4: Lab: Package และการจัดการโปรเจกต์
- ค้นหาและติดตั้ง Package จาก CRAN ด้วย install.packages()
- เรียกใช้ด้วย library() และรู้จักชุด tidyverse
- อ่านเอกสารและตัวอย่างของ Package (Vignette)
- renv สำหรับล็อกรุ่น Package ของแต่ละโปรเจกต์
- Lab: ตั้งโปรเจกต์ที่ทำงานซ้ำได้บนเครื่องอื่นด้วย renv
Section 5: Lab: นำข้อมูลเข้าและส่งออกจาก R
- ชุดข้อมูลตัวอย่างที่มีมากับ R
- อ่าน CSV ด้วย readr และ Excel ด้วย readxl
- แก้ปัญหาภาษาไทยและ Encoding แบบ UTF-8
- เชื่อมต่อฐานข้อมูลด้วย DBI และ odbc
- Lab: รวมข้อมูลยอดขายจาก CSV และ Excel แล้วบันทึกเป็นไฟล์ใหม่
Day 2 เขียนโปรแกรมและจัดการข้อมูล
Section 6: Lab: ควบคุมลำดับการทำงาน
- ตรวจค่าความจริงและตัวดำเนินการเปรียบเทียบ
- if, else และ if_else สำหรับข้อมูลทั้งคอลัมน์
- for และ while Loop
- เมื่อไรควรใช้ Vectorized หรือฟังก์ชันตระกูล apply แทน Loop
- Lab: จัดเกรดคะแนนนักเรียนและสรุปจำนวนในแต่ละเกรด
Section 7: Lab: เขียนฟังก์ชันของตัวเอง
- สร้างฟังก์ชัน Parameter และค่าเริ่มต้น
- ค่าที่ส่งกลับและขอบเขตของตัวแปร
- จัดการ Error ด้วย stop(), warning() และ tryCatch()
- เขียนคำอธิบายให้ฟังก์ชันใช้ซ้ำได้ง่าย
- Lab: ฟังก์ชันคำนวณสถิติสรุปที่ใช้ได้กับทุกคอลัมน์ตัวเลข
Section 8: Lab: จัดการข้อมูลด้วย dplyr
- Native Pipe (|>) เชื่อมขั้นตอนให้อ่านง่าย
- filter, select, mutate และ arrange
- summarise และการจัดกลุ่มด้วย .by หรือ group_by
- รวมตารางด้วย left_join และ inner_join
- Lab: สรุปยอดขายตามสาขาและหมวดสินค้า
Section 9: Lab: จัดรูปข้อมูลด้วย tidyr และข้อความ
- แนวคิด Tidy Data
- pivot_longer และ pivot_wider
- แยกและรวมคอลัมน์ และจัดการค่าว่าง
- ทำความสะอาดข้อความด้วย stringr
- Lab: แปลงรายงานแบบตารางไขว้จาก Excel ให้พร้อมวิเคราะห์
Section 10: Lab: วันที่และเวลา
- คลาส Date และ POSIXct ใน R
- แปลงข้อความเป็นวันที่ด้วย lubridate
- เขตเวลา Asia/Bangkok และการแปลงปี พ.ศ. กับ ค.ศ.
- สรุปข้อมูลรายวัน รายเดือน และรายไตรมาส
- Lab: วิเคราะห์ยอดขายรายเดือนจากข้อมูลวันที่หลายรูปแบบ
Day 3 สถิติ กราฟ และรายงาน
Section 11: Lab: สถิติเชิงพรรณนา
- ค่าเฉลี่ย มัธยฐาน ส่วนเบี่ยงเบนมาตรฐาน และควอร์ไทล์
- สรุปข้อมูลต่อเนื่องและข้อมูลเชิงกลุ่ม
- ตารางความถี่และตารางไขว้
- สรุปสถิติแยกตามกลุ่มด้วย dplyr
- Lab: สรุปข้อมูลแบบสอบถามความพึงพอใจของลูกค้า
Section 12: Lab: สถิติเชิงอนุมาน
- สหสัมพันธ์ระหว่างสองตัวแปรด้วย cor.test()
- t-test และวิธี Non-parametric ที่เทียบเท่า
- Chi-squared Test สำหรับตัวแปรเชิงกลุ่ม
- ทดสอบการแจกแจงของข้อมูลและ Power Analysis
- Lab: ทดสอบว่ายอดขายสองสาขาต่างกันอย่างมีนัยสำคัญหรือไม่
Section 13: Lab: กราฟด้วย Base Graphics
- plot, hist, barplot, boxplot และ dotchart
- ใส่ชื่อกราฟ ชื่อแกน Label และ Legend
- จัดหลายกราฟในหน้าเดียว
- ส่งออกกราฟเป็น PNG และ PDF
- Lab: ชุดกราฟสำรวจข้อมูลอย่างรวดเร็ว
Section 14: Lab: กราฟด้วย ggplot2
- Grammar of Graphics: ข้อมูล Aesthetic และ Geom
- สร้างกราฟทีละ Layer ด้วย ggplot()
- Facet สำหรับเทียบหลายกลุ่ม
- ปรับ Theme สี ป้ายชื่อ และบันทึกด้วย ggsave()
- Lab: กราฟแนวโน้มยอดขายแยกตามภูมิภาคที่พร้อมใส่รายงาน
Section 15: Workshop: รายงานวิเคราะห์ข้อมูลด้วย Quarto
- สร้างเอกสาร Quarto ที่รวมโค้ด ผลลัพธ์ กราฟ และคำอธิบาย
- Render รายงานเป็น HTML และ Word
- Workshop: วิเคราะห์ชุดข้อมูลจริงตั้งแต่นำเข้าจนสรุปผล
- ตรวจให้รายงานรันซ้ำได้เมื่อข้อมูลเปลี่ยน
- นำเสนอผลงานและแนวทางเรียนต่อด้าน Data Science
รอบอบรมและรูปแบบการอบรม
สำหรับบุคคล — รอบอบรมทั่วไป
ขณะนี้ยังไม่มีรอบอบรมเปิดรับสมัคร ลงชื่อจองไว้ได้เลย ทีมงานจะติดต่อกลับเป็นกลุ่มแรกเมื่อเปิดรอบถัดไป หรือสอบถามทางไลน์ หรือโทร 02-570-8449 หรือ 088-807-9770
สำหรับองค์กร — In-house / Private Training
- ปรับเนื้อหาให้ตรงกับเครื่องมือและงานจริงของทีม
- เลือกวันเอง อบรมที่บริษัทหรือออนไลน์สด
- ออกใบเสนอราคาในนามนิติบุคคลให้ฝ่ายจัดซื้อ
วิทยากรผู้สอน
คำถามที่พบบ่อย
นำข้อมูลจากไฟล์ CSV เข้า R ทำอย่างไร
ใช้ read_csv() จาก Package readr เช่น sales <- read_csv("data/sales.csv") หรือใช้ read.csv() ที่มากับ R ก็ได้ ข้อมูลจะถูกเก็บเป็นตาราง (Data Frame หรือ Tibble) จากนั้นตรวจดูด้วย head() เพื่อดูไม่กี่แถวแรก str() หรือ glimpse() เพื่อดูชนิดข้อมูลของแต่ละคอลัมน์ และ summary() เพื่อดูค่าสถิติสรุป แนะนำให้เก็บไฟล์ไว้ใน Project ของ RStudio หรือ Positron แล้วอ้างพาธแบบสัมพัทธ์ แทนการใช้ setwd()
ติดตั้งและเรียกใช้ Package ใน R ทำอย่างไร
ติดตั้งครั้งแรกด้วย install.packages("ชื่อแพ็กเกจ") ซึ่ง R จะดาวน์โหลดจาก CRAN มาเก็บไว้ในเครื่อง จากนั้นทุกครั้งที่เปิด R ใหม่ให้เรียกใช้ด้วย library(ชื่อแพ็กเกจ) ก่อนใช้ฟังก์ชันในแพ็กเกจนั้น ถ้าต้องการรู้ว่าแพ็กเกจมีฟังก์ชันอะไรบ้างให้ใช้ help(package = "ชื่อแพ็กเกจ") หรือพิมพ์ ? หน้าชื่อฟังก์ชัน และถ้าต้องการให้โปรเจกต์ใช้รุ่นแพ็กเกจเดิมทุกครั้งบนทุกเครื่องให้ใช้ renv
t-test กับ Chi-squared test ใช้ต่างกันอย่างไร
t-test ใช้เปรียบเทียบค่าเฉลี่ยของข้อมูลต่อเนื่องระหว่างสองกลุ่ม เช่น ยอดขายเฉลี่ยของสองสาขา ใน R ใช้ t.test() และถ้าข้อมูลไม่แจกแจงแบบปกติใช้ wilcox.test() แทนได้ ส่วน Chi-squared test ใช้ตรวจว่าตัวแปรเชิงกลุ่มสองตัวสัมพันธ์กันหรือไม่ เช่น เพศกับสินค้าที่เลือก โดยใช้ตารางไขว้กับ chisq.test() ทั้งสองแบบมักดูค่า p-value ถ้าต่ำกว่า 0.05 ถือว่าต่างกันหรือสัมพันธ์กันอย่างมีนัยสำคัญ
หลักสูตร Basic R Programming เหมาะกับใคร ต้องมีพื้นฐานอะไรมาก่อน
เหมาะกับเจ้าหน้าที่ไอที นักเรียน นักศึกษา นักวิจัย ผู้ที่ใช้ Excel วิเคราะห์ข้อมูล และผู้สนใจทั่วไปที่อยากเริ่มวิเคราะห์ข้อมูลและทำกราฟด้วย R ไม่ต้องเคยเขียนโปรแกรมมาก่อน ขอเพียงใช้คอมพิวเตอร์ได้ เพราะเริ่มตั้งแต่ติดตั้ง R และ IDE ถ้ามีความรู้สถิติพื้นฐานอยู่บ้างจะเรียนได้เร็วขึ้น
เรียนจบหลักสูตร Basic R Programming แล้วทำอะไรได้บ้าง
ติดตั้ง R และ IDE จัดโปรเจกต์และ Package เขียนและรันสคริปต์ จัดการตัวแปรและโครงสร้างข้อมูล นำข้อมูลเข้าจาก CSV, Excel และฐานข้อมูล เขียนเงื่อนไข ลูป และฟังก์ชันของตัวเอง จัดการข้อมูลด้วย dplyr และ tidyr หาค่าสถิติเชิงพรรณนา ทดสอบสมมติฐานด้วย t-test และ Chi-squared สร้างกราฟด้วย ggplot2 และทำรายงานด้วย Quarto ได้ ผู้ผ่านการอบรมได้รับประกาศนียบัตร (Certificate of Completion)
เรียน Basic R Programming ต้องใช้โปรแกรมอะไร
ใช้ R รุ่น 4.6 ซึ่งดาวน์โหลดฟรีจาก CRAN และ IDE แบบฟรีอย่าง RStudio Desktop หรือ Positron ผู้เรียนเลือกใช้ตัวใดก็ได้ เพราะโค้ด R ใช้ได้เหมือนกัน พร้อม Package อย่าง tidyverse, readxl และ renv ที่ติดตั้งจาก CRAN และ Quarto สำหรับทำรายงาน ทั้งหมดใช้ได้ทั้งบน Windows และ macOS