ໂທ. 02-570-8449 ມືຖື 088-807-9770 ຊຳລະເງິນ
ຈ–ສ 9:00–17:00 ໂມງ @itgenius
ສະຖາບັນໄອທີຈີເນຍສ໌IT Genius Institute
ສະຖາບັນໄອທີຈີເນຍສ໌IT Genius Institute
ຫຼັກສູດເວີກຊັອບຕາຕະລາງຝຶກອົບຮົມ
ສຳລັບອົງກອນ
ຝຶກອົບຮົມພາຍໃນອົງກອນ (In-house)AI Transformationຝຶກອົບຮົມໜ່ວຍງານລັດບໍລິການພັດທະນາລະບົບເຊົ່າຫ້ອງຝຶກອົບຮົມ
ບົດຄວາມ
ກ່ຽວກັບພວກເຮົາ
ຮູ້ຈັກສະຖາບັນໄອທີຈີເນຍສ໌ວິທະຍາກອນຜົນງານລູກຄ້າຂອງພວກເຮົາຊ່ອງທາງຊຳລະເງິນ
ຕິດຕໍ່ພວກເຮົາຄອສອອນລາຍ
ຮູບແບບສີ
ພາສາ
THENLA
ສອບຖາມຫຼັກສູດເລືອກຊ່ອງທາງທີ່ສະດວກ ທີມງານຕອບເອງທຸກຊ່ອງທາງ
LINE @itgeniusຕອບໄວທີ່ສຸດ · ຈ–ສ 9:00–17:00 ໂມງ
ໂທລະສັບ
02-570-8449ຫ້ອງການ088-807-9770ມືຖື
ອີເມວ ແລະ ໂຊຊຽວ
contact@itgenius.co.thສຳລັບໃບສະເໜີລາຄາ ແລະ ເອກະສານFacebookitgeniusonlineYouTubeitgeniusengຂໍຄຳປຶກສາຈັດຝຶກອົບຮົມໃຫ້ທີມ
ໜ້າຫຼັກ / ຫຼັກສູດ / ພາສາໂປຣແກຣມມິງ / ລາຍລະອຽດ
ພາສາໂປຣແກຣມມິງ · PRC-34

Machine learning and Deep Learning with KNIME

หลักสูตร Machine learning and Deep Learning with KNIME เป็นการอบรมการใช้ KNIME Analytics Platform แบบ Visual Workflow ตั้งแต่เตรียมข้อมูล สร้างโมเดล Classification และ Clustering จนถึงเชื่อม TensorFlow ทำ Deep Learning โดยไม่ต้องมีพื้นฐาน เหมาะกับ Data Analyst, Data Scientist และอาจารย์ผู้สอน

ອັບເດດລ່າສຸດ
ລາຄາເລີ່ມຕົ້ນ 12,150 ບາດ / ທ່ານ 13,500 −10% ຍັງບໍ່ລວມ VAT 7% · ມີລາຄາໝູ່ຄະນະ
ຂໍໃບສະເໜີລາຄາຝຶກອົບຮົມອົງກອນ ລົງຊື່ຈອງໄວ້
PDFດາວໂຫຼດ Course Outline
  • ໄລຍະເວລາ18 ຊົ່ວໂມງ · 3 ມື້
  • ຮູບແບບຢູ່ສະຖາບັນ / ອອນລາຍສົດ
  • ຮອບຕໍ່ໄປເປີດຕາມຄຳຂໍ
  • ໃບຢັ້ງຢືນມີໃບຢັ້ງຢືນ

ພາບລວມຫຼັກສູດ

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

ສິ່ງທີ່ທ່ານຈະໄດ້ຮັບ

  • 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

ຫຼັກສູດນີ້ເໝາະສຳລັບ

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

ພື້ນຖານຂອງຜູ້ເຂົ້າຝຶກອົບຮົມ

  • ไม่ต้องมีความรู้พื้นฐานใดๆ มาก่อน

ຫົວຂໍ້ການຝຶກອົບຮົມ

วันที่ 1 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 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 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

ຮອບຝຶກອົບຮົມ ແລະ ຮູບແບບການຝຶກອົບຮົມ

ສຳລັບບຸກຄົນ — ຮອບຝຶກອົບຮົມທົ່ວໄປ

ຂະນະນີ້ຍັງບໍ່ມີຮອບຝຶກອົບຮົມເປີດຮັບສະໝັກ ລົງຊື່ຈອງໄວ້ໄດ້ເລີຍ ທີມງານຈະຕິດຕໍ່ກັບເປັນກຸ່ມທຳອິດເມື່ອເປີດຮອບຕໍ່ໄປ ຫຼື ສອບຖາມທາງ LINE ຫຼື ໂທ 02-570-8449 ຫຼື 088-807-9770

ລົງຊື່ຈອງໄວ້ ສອບຖາມຮອບຝຶກອົບຮົມ

ສຳລັບອົງກອນ — In-house / Private Training

  • ປັບເນື້ອໃນໃຫ້ກົງກັບເຄື່ອງມື ແລະ ວຽກຈິງຂອງທີມ
  • ເລືອກວັນເອງ ຝຶກອົບຮົມທີ່ບໍລິສັດ ຫຼື ອອນລາຍສົດ
  • ອອກໃບສະເໜີລາຄາໃນນາມນິຕິບຸກຄົນໃຫ້ຝ່າຍຈັດຊື້
ຂໍໃບສະເໜີລາຄາຝຶກອົບຮົມອົງກອນ

ວິທະຍາກອນຜູ້ສອນ

ຄຳຖາມທີ່ພົບເລື້ອຍ

หลักสูตร Machine learning and Deep Learning with KNIME เหมาะกับใคร ต้องมีพื้นฐานอะไรมาก่อน

เหมาะกับ Data Engineer · Data Scientist · Data Analyst พื้นฐานที่ผู้เรียนควรมี ไม่ต้องมีความรู้พื้นฐานใดๆ มาก่อน หากไม่แน่ใจว่าพื้นฐานพอหรือไม่ ปรึกษาทีมงานได้ฟรีทาง LINE @itgenius หรือโทร 02-570-8449

หลักสูตร Machine learning and Deep Learning with KNIME ราคาเท่าไร ใช้เวลาเรียนกี่ชั่วโมง

ราคาปกติ 13,500 บาท (โปรโมชันปัจจุบันเหลือ 12,150 บาท) ใช้เวลาอบรม 18 ชั่วโมง ราคานี้ยังไม่รวม VAT 7% (กรณีชำระในนามนิติบุคคล) ชำระค่าอบรมด้วยการโอนเข้าบัญชีบริษัท แล้วแจ้งชำระเงินผ่านหน้าแจ้งชำระเงินของเว็บไซต์ และขอใบเสร็จรับเงินหรือใบกำกับภาษีในนามบริษัทได้

เรียนจบได้รับ Certificate หรือไม่

ได้รับ ผู้ผ่านการอบรมทุกท่านจะได้รับใบประกาศนียบัตร (Certificate of Completion) จากสถาบันไอทีจีเนียส ใบประกาศแต่ละใบมีเลขที่ของตัวเอง ใครก็ตามที่มีเลขที่ใบประกาศตรวจสอบความถูกต้องออนไลน์ได้ที่หน้าตรวจสอบใบประกาศของสถาบัน จึงใช้แนบแฟ้มผลงานหรือส่งให้ฝ่ายบุคคลประกอบการพัฒนาบุคลากรได้

อบรมที่ไหน มีเรียนแบบออนไลน์หรือไม่

เรียนได้ทั้งแบบออนไซต์ที่สถาบันไอทีจีเนียส และนัดเรียนผ่านออนไลน์ และรับจัดอบรมเฉพาะทีม (In-house Training) ให้องค์กร สอบถามรอบและสถานที่ได้ที่ LINE @itgenius หรือโทร 02-570-8449

ถ้าเรียนไม่ทันหรือขาดเรียน มีเรียนซ้ำ/เรียนชดเชยหรือไม่

มี ผู้เรียนสามารถแจ้งขอเรียนซ้ำ (repeat) ในรอบถัดไปของหลักสูตรเดียวกันได้ฟรีตามเงื่อนไขของสถาบัน แจ้งชื่อหลักสูตรและรอบที่เคยเรียนกับทีมงาน แล้วทีมงานจะตรวจสอบและแจ้งรอบที่ยังมีที่นั่งว่างให้เลือก สอบถามได้ที่ LINE @itgenius หรือโทร 02-570-8449

สมัครเรียนหรือขอใบเสนอราคาในนามบริษัทได้อย่างไร

สมัครออนไลน์ได้จากแบบฟอร์มลงทะเบียนบนหน้านี้ ลงทะเบียนผู้เข้าอบรมหลายคนได้ในครั้งเดียว และกรอกเลขประจำตัวผู้เสียภาษีกับที่อยู่สำหรับออกใบกำกับภาษีได้ในฟอร์ม หรือขอใบเสนอราคา (Quotation) ในนามนิติบุคคลได้ทันทีจากปุ่มขอใบเสนอราคา สอบถามเพิ่มเติมโทร 02-570-8449 หรือ LINE @itgenius