Programming · PRC-34

Machine learning and Deep Learning with KNIME

18 hours 3 days

Last updated 25 Sep 2026

Machine learning and Deep Learning with KNIME is a 18-hour training course by IT Genius Institute. ในปัจจุบันองค์กรทั้งภาครัฐและเอกชนมีการจัดเก็บข้อมูลเพิ่มขึ้นอย่างต่อเนื่อง และมีความจำเป็นต้องใช้ข้อมูลเพื่อสนับสนุนการตัดสินใจ การคาดการณ์แนวโน้ม…

Training schedule

No public rounds are open right now — register your interest and we will contact you when the next round opens, or request an in-house session for your team.

Corporate training quote

Machine learning and Deep Learning with KNIME ในปัจจุบันองค์กรทั้งภาครัฐและเอกชนมีการจัดเก็บข้อมูลเพิ่มขึ้นอย่างต่อเนื่อง และมีความจำเป็นต้องใช้ข้อมูลเพื่อสนับสนุนการตัดสินใจ การคาดการณ์แนวโน้ม และการสร้างความได้เปรียบในการดำเนินงาน เทคโนโลยีด้าน Machine Learning และ Deep Learning จึงเข้ามามีบทบาทสำคัญในการวิเคราะห์ข้อมูลเชิงลึกและสร้างแบบจำลองเชิงคาดการณ์ให้กับองค์กรได้อย่างมีประสิทธิภาพ

อย่างไรก็ตาม ผู้เริ่มต้นจำนวนมากมักเผชิญข้อจำกัดด้านการเขียนโปรแกรมหรือการสร้าง pipeline วิเคราะห์ข้อมูลที่ซับซ้อน เครื่องมือ KNIME Analytics Platform ซึ่งเป็นแพลตฟอร์มแบบ visual workflow และเป็นซอฟต์แวร์ open source จึงเป็นทางเลือกที่เหมาะสมสำหรับการเรียนรู้และประยุกต์ใช้ด้าน Data Analytics, Machine Learning และ Deep Learning เพราะช่วยให้ผู้เรียนมองเห็นลำดับการทำงานของข้อมูลอย่างเป็นระบบ ตั้งแต่การนำเข้าข้อมูล การปรับปรุงคุณภาพข้อมูล การสร้างโมเดล การประเมินผล และการประยุกต์ใช้งานจริง

หลักสูตรนี้จึงถูกออกแบบขึ้นเพื่อให้ผู้เข้าอบรมสามารถเรียนรู้ตั้งแต่พื้นฐานของการเตรียมข้อมูล ไปจนถึงการสร้างโมเดล Machine Learning และ Deep Learning ด้วย KNIME โดยเน้นทั้งความเข้าใจเชิงแนวคิดและการลงมือปฏิบัติจริง ผู้เรียนจะได้ฝึกสร้าง workflow สำหรับงาน classification, association rule, clustering, TensorFlow, deep learning, convolutional neural network และ LSTM

โปรแกรม KNIME เป็นโปรแกรมที่เป็นโปรแกรม Open Source ที่ Free ตัวหนึ่ง เหมาะสำหรับคนที่ต้องการทำ Data แต่ไม่ได้ถนัดในการเขียน Coding เนื่องจากโปรแกรมตัวนี้เป็นลักษณะ Graphical ในแบบที่ผู้ใช้งานสามารถลากวางได้ ซึ่งเหมาะกับทั้งผู้ใช้งานที่เพิ่งเริ่มใช้งานจนถึงผู้ใช้งานแบบเชี่ยวชาญเลย

Objectives

อธิบายแนวคิดพื้นฐานของ Data Preparation, Machine Learning และ Deep Learning ได้อย่างถูกต้อง
ใช้งาน KNIME Analytics Platform เพื่อสร้างและจัดการ workflow สำหรับงานวิเคราะห์ข้อมูลได้
นำเข้าข้อมูลจากแหล่งข้อมูลต่างๆ และดำเนินการ preprocessing เช่น type conversion, filtering, join, split, aggregation, pivot, binning และ normalization ได้
ใช้เครื่องมือ visualization ภายใน KNIME เพื่อสำรวจรูปแบบและคุณลักษณะของข้อมูลเบื้องต้นได้
สร้างโมเดล Machine Learning สำหรับงาน classification ด้วยอัลกอริทึมสำคัญ เช่น Naive Bayes, Decision Tree, k-Nearest Neighbour และ Support Vector Machine ได้
ประเมินประสิทธิภาพของโมเดลด้วยแนวทางที่เหมาะสม และสามารถเปรียบเทียบผลของอัลกอริทึมแต่ละชนิดได้
สร้าง workflow สำหรับการทำ Association Rule Mining และ Clustering ด้วยเทคนิค เช่น k-Means, Hierarchical Clustering และ DBSCAN ได้
อธิบายหลักการพื้นฐานของ Deep Learning และเชื่อมการใช้งาน TensorFlow ใน KNIME ได้
สร้างโมเดลเบื้องต้นสำหรับงาน Deep Learning, CNN และ LSTM ภายใน KNIME ได้
ประยุกต์ใช้ KNIME เพื่อสร้าง workflow ต้นแบบสำหรับงานวิเคราะห์ข้อมูลหรือการพยากรณ์ในบริบทองค์กรได้

Who this course is for

Data Engineer
Data Scientist
Data Analyst
นักพัฒนาระบบหรือผู้ปฏิบัติงานด้านข้อมูล
บุคลากรที่ต้องการเริ่มต้นเรียนรู้ Machine Learning และ Deep Learning ด้วยเครื่องมือแบบ visual workflow
อาจารย์ วิทยากร หรือผู้สอนที่ต้องการเครื่องมือสำหรับสาธิตกระบวนการวิเคราะห์ข้อมูลและสร้างโมเดลให้เห็นภาพได้ง่าย

Prerequisites

ไม่ต้องมีความรู้พื้นฐานใดๆ มาก่อน

Curriculum

วันที่ 1

พื้นฐาน KNIME และการเตรียมข้อมูลสำหรับงานวิเคราะห์

ชั่วโมงที่ 1

Introduction to KNIME และภาพรวมการทำงานแบบ Visual Workflow

ความรู้เบื้องต้นเกี่ยวกับ KNIME
แนวคิดของ node-based workflow
ส่วนประกอบของหน้าจอโปรแกรม
การสร้างและบันทึก workflow
การ execute node และตรวจสอบผลลัพธ์

ชั่วโมงที่ 2

การนำเข้าข้อมูลและการสำรวจข้อมูลเบื้องต้น

การอ่านข้อมูลจาก CSV, Excel และ text file
การตรวจสอบ schema และประเภทข้อมูล
การสำรวจ dataset เบื้องต้น
การตรวจสอบ missing values และข้อมูลผิดรูปแบบ

ชั่วโมงที่ 3

Data Manipulation และ Preprocessing I

Type Conversion
Formula สำหรับสร้างคอลัมน์ใหม่
String Replace / Rule-based Replace
การจัดการค่าว่าง
การปรับรูปแบบข้อมูลให้พร้อมวิเคราะห์

ชั่วโมงที่ 4

Data Manipulation และ Preprocessing II

Filtering ข้อมูล
Column Filter / Row Filter
การ split และ combine data
Concatenation
การตรวจสอบผลลัพธ์หลังแปลงข้อมูล

ชั่วโมงที่ 5

Join, Grouping, Aggregation และ Pivot

Join ข้อมูลจากหลายแหล่ง
Grouping and Aggregation
การสรุปผลเชิงกลุ่ม
Pivot Operation
การ reshape ข้อมูลเพื่อใช้งานต่อ

ชั่วโมงที่ 6

Data Transformation เพิ่มเติมและ Visualization เบื้องต้น

Discrete & Binning
Normalization
การใช้ visualization เพื่อดู pattern ของข้อมูล
Workshop: สร้าง workflow เตรียมข้อมูลครบกระบวนการ

วันที่ 2

Machine Learning ด้วย KNIME

ชั่วโมงที่ 1

Introduction to Machine Learning

แนวคิดของ Machine Learning
Supervised และ Unsupervised Learning
Train/Test Dataset
การเตรียมข้อมูลก่อนเข้าโมเดล
แนวคิดเรื่อง data leakage

ชั่วโมงที่ 2

Evaluation of Algorithms

Confusion Matrix
Accuracy, Precision, Recall, F1-score
ROC และ AUC
การอ่านผลประเมินโมเดล
การเปรียบเทียบอัลกอริทึมเบื้องต้น

ชั่วโมงที่ 3

Classification Algorithms I

Naive Bayes
Decision Tree
หลักการและ workflow ของแต่ละโมเดล
การ train และการ prediction

ชั่วโมงที่ 4

Classification Algorithms II

k-Nearest Neighbour
Support Vector Machines
การเลือกอัลกอริทึมให้เหมาะกับลักษณะข้อมูล
Workshop เปรียบเทียบ classification algorithms

ชั่วโมงที่ 5

Association Rule Mining

แนวคิด Market Basket Analysis
Support, Confidence, Lift
การสร้าง association rule workflow
การแปลผลกฎความสัมพันธ์

ชั่วโมงที่ 6

Clustering Techniques

k-Means Clustering
Optimum Number of K
Hierarchical Clustering
DBSCAN
Comparison of Clustering Algorithms
Workshop: Customer Segmentation หรือ Data Grouping

วันที่ 3

Deep Learning with KNIME, TensorFlow, CNN และ LSTM

ชั่วโมงที่ 1

Introduction to Deep Learning

ความแตกต่างระหว่าง Machine Learning และ Deep Learning
Neural Network เบื้องต้น
Hidden Layer, Activation Function, Loss Function
use case ที่เหมาะกับ Deep Learning

ชั่วโมงที่ 2

TensorFlow with KNIME

ภาพรวม TensorFlow integration
การเตรียมข้อมูลสำหรับ neural network
การสร้าง workflow สำหรับ deep learning
การ train และ monitor model

ชั่วโมงที่ 3

Deep Learning for Classification

การสร้างโมเดล deep learning สำหรับ classification
การตั้งค่าพื้นฐานของโมเดล
การประเมินผล accuracy/loss
การสังเกตปัญหา overfitting

ชั่วโมงที่ 4

Convolutional Neural Networks และ Computer Vision

หลักการ CNN
Convolution, Pooling, Feature Map
การเตรียมข้อมูลรูปภาพ
Image Classification เบื้องต้นด้วย KNIME

ชั่วโมงที่ 5

LSTM และ Sequence Modeling

แนวคิด sequence data
พื้นฐานของ recurrent model
LSTM คืออะไร
ตัวอย่างงาน time series หรือ sequence prediction
การเตรียมข้อมูลลำดับเวลา

ชั่วโมงที่ 6

Mini Project / Capstone Workshop

สร้าง workflow แบบครบกระบวนการ
เลือกโจทย์จาก classification, clustering หรือ deep learning
สรุปการประยุกต์ใช้ KNIME ในงานจริง
ถามตอบและแนวทางต่อยอดหลังจบหลักสูตร

Frequently asked questions

Who is Machine learning and Deep Learning with KNIME for, and what background is needed?

Built for Data Engineer · Data Scientist · Data Analyst Background you should have: ไม่ต้องมีความรู้พื้นฐานใดๆ มาก่อน Not sure the fit is right? Talk to our team on LINE @itgenius or call 02-570-8449.

How much does Machine learning and Deep Learning with KNIME cost and how long does it run?

THB 13,500 (currently THB 12,150 on promotion). The course runs 18 hours. The fee covers course materials, lunch and refreshments throughout. Pay by bank transfer to the company account, confirm it on our payment page, and we can issue the receipt or tax invoice in your company's name.

Do I get a certificate?

Yes. Everyone who completes the course receives a Certificate of Completion from IT Genius Institute. Each certificate carries its own number, and anyone holding that number can verify it online on our certificate page, so you can add it to your portfolio or pass it to HR as evidence of training.

Where does the training take place, and is there an online option?

You can attend onsite at IT Genius Institute or arrange to join online, and we also run it as a private in-house session for your team. Ask about dates and venues on LINE @itgenius or call 02-570-8449.

What if I fall behind or miss a session — can I retake it?

Yes. You may retake the same course free of charge in a later round, under the institute's conditions. Tell our team which course and round you attended, and we will check it and offer you the rounds that still have seats. Ask us on LINE @itgenius or call 02-570-8449.

How do I enrol, or request a quotation for my company?

Enrol online with the registration form on this page. You can register several attendees at once and enter your tax ID and billing address for the tax invoice. Or request a company quotation straight from the quote button. For anything else call 02-570-8449 or reach us on LINE @itgenius.