หลักสูตร Practical Data Science with Jupyter เป็นการอบรมวิทยาการข้อมูลด้วย Python บน JupyterLab ตั้งแต่คำนวณด้วย NumPy จัดการและทำความสะอาดข้อมูลด้วย pandas สรุปข้อมูล และสร้างกราฟด้วย Matplotlib จนทำ EDA ได้ เหมาะกับนักวิเคราะห์ข้อมูลและผู้เริ่มต้นสายวิทยาศาสตร์ข้อมูลที่ผ่าน Python Basic มาแล้ว
งานวิทยาการข้อมูลส่วนใหญ่ไม่ได้เริ่มจากการสร้างโมเดล แต่เริ่มจากการโหลดข้อมูลที่กระจัดกระจาย ทำความสะอาด จัดรูปแบบ สรุป และทำกราฟให้เห็นภาพ Python กับ Jupyter Notebook เป็นเครื่องมือมาตรฐานของงานนี้ เพราะเขียนโค้ด ดูผลลัพธ์ และอธิบายสิ่งที่ค้นพบไว้ในไฟล์เดียว ทำให้ทำงานซ้ำและแบ่งปันกับทีมได้ง่าย
หลักสูตรนี้พาผู้ที่ผ่าน Python เบื้องต้นมาแล้ว ทำงานข้อมูลอย่างเป็นขั้นตอนบน JupyterLab เริ่มจากทบทวน Python ที่ใช้กับข้อมูล คำนวณด้วย NumPy จัดการข้อมูลด้วย pandas 3 อ่านไฟล์ CSV, Excel และ JSON ทำความสะอาดข้อมูลทั้งค่าว่าง ข้อมูลซ้ำ ข้อความ และวันที่ รวมและสรุปข้อมูล สร้างกราฟด้วย Matplotlib และ seaborn แล้วปิดท้ายด้วยการทำ EDA กับชุดข้อมูลจริงจนได้รายงานใน Notebook (อบรม 3 วัน วันละ 6 ชั่วโมง รวม 18 ชั่วโมง ระดับ Beginner)
รายละเอียดหลักสูตร
หลักสูตรนี้เป็นฉบับปรับปรุงใหม่ปี 2026 ของหลักสูตร Practical Data Science with Jupyter อบรม 3 วัน วันละ 6 ชั่วโมง รวม 18 ชั่วโมง (09:00-16:00 น.) รูปแบบบรรยายพร้อม Lab ระดับ Beginner ยังคงแกนเดิมคือ Jupyter, ทบทวน Python อย่าง lambda และการจัดการไฟล์ .csv, NumPy, pandas, การทำความสะอาดข้อมูล และกราฟด้วย Matplotlib แต่เปลี่ยนจากการติดตั้ง Anaconda มาใช้ uv
ติดตั้ง JupyterLab อัปเดตเป็น pandas 3 และ NumPy 2 ตัดการแยกวิเคราะห์ XML ด้วย lxml.objectify และเพิ่ม merge, groupby, seaborn และ Workshop ทำ EDA หลักสูตรนี้เน้นการเตรียมและสำรวจข้อมูล ผู้ที่ต้องการสร้างโมเดลพยากรณ์ต่อยอดได้ด้วยหลักสูตร Data Science with Python เครื่องมือทั้งหมดเป็นโอเพนซอร์สและใช้ฟรี ผู้เรียนได้ Lab Guide ไฟล์ Notebook และชุดข้อมูลตัวอย่างกลับไปฝึกต่อ
Section 1: Lab: เตรียม JupyterLab
Section 2: Lab: Python สำหรับงานข้อมูล
Section 3: Lab: โครงสร้างข้อมูลและฟังก์ชัน
Section 4: Lab: NumPy ndarray
Section 5: คำนวณและสถิติด้วย NumPy
Section 6: Lab: เริ่มต้น pandas 3
Section 7: Lab: เลือก กรอง และคำนวณข้อมูล
Section 8: Lab: อ่านและบันทึกไฟล์ข้อมูล
Section 9: Lab: ทำความสะอาดข้อมูล ภาค 1
Section 10: Lab: ทำความสะอาดข้อมูล ภาค 2
Section 11: Lab: รวมและสรุปข้อมูล
Section 12: Lab: กราฟด้วย Matplotlib
Section 13: Lab: กราฟด้วย seaborn และ pandas
Section 14: Exploratory Data Analysis (EDA)
Section 15: Workshop: โปรเจกต์ข้อมูลจริง
ขณะนี้ยังไม่มีรอบอบรมเปิดรับสมัคร ลงชื่อจองไว้ได้เลย ทีมงานจะติดต่อกลับเป็นกลุ่มแรกเมื่อเปิดรอบถัดไป หรือสอบถามทางไลน์ หรือโทร 02-570-8449 หรือ 088-807-9770
Jupyter Notebook คือไฟล์ที่รวมโค้ด ผลลัพธ์ กราฟ และคำอธิบายไว้ด้วยกันเป็น Cell ทำให้ทดลองและเล่าผลการวิเคราะห์ได้ในที่เดียว JupyterLab เป็นโปรแกรมสำหรับเปิดและแก้ Notebook รุ่นปัจจุบัน ในหลักสูตรติดตั้งด้วย uv โดยสร้างโปรเจกต์ เพิ่มแพ็กเกจ jupyterlab, pandas และ matplotlib แล้วรัน uv run jupyter lab ผู้ที่ใช้ Anaconda อยู่แล้วใช้ต่อได้ หรือจะเปิด Notebook ใน VS Code ก็ได้
เริ่มจากตรวจว่ามีค่าว่างที่ Column ใดและมากแค่ไหนด้วย isna().sum() จากนั้นเลือกวิธีให้เหมาะกับข้อมูล ถ้าแถวที่ขาดมีน้อยและไม่สำคัญใช้ dropna ลบออก ถ้าต้องเก็บไว้ใช้ fillna เติมค่า เช่น ค่าเฉลี่ย มัธยฐาน ค่าที่พบบ่อย หรือค่าก่อนหน้าในข้อมูลอนุกรมเวลา และควรบันทึกเหตุผลของการตัดสินใจไว้ใน Notebook ใน pandas 3 Column ข้อความใช้ NaN เป็นค่าว่างเหมือน Column ชนิดอื่น
list ของ Python เก็บข้อมูลชนิดใดก็ได้ปนกัน และการคำนวณต้องวนลูปทีละตัว ส่วน NumPy array เก็บข้อมูลชนิดเดียวกันต่อเนื่องในหน่วยความจำ จึงคำนวณทั้งชุดได้ในคำสั่งเดียวแบบ Vectorized ซึ่งเร็วกว่ามากเมื่อข้อมูลมีขนาดใหญ่ รองรับหลายมิติ และมีฟังก์ชันคณิตศาสตร์และสถิติให้ใช้ทันที pandas เองก็สร้างอยู่บนแนวคิดนี้
เหมาะกับนักวิเคราะห์ข้อมูลที่อยากย้ายจาก Excel มาใช้ Python ผู้ที่ต้องการเริ่มสายงานนักวิทยาศาสตร์ข้อมูล นักศึกษาและนักวิจัยที่ต้องจัดการข้อมูลจำนวนมาก และพนักงานที่ทำรายงานเป็นประจำ ควรผ่านหลักสูตร Python Basic หรือเขียน Python พื้นฐานได้ ใช้ Excel เบื้องต้นได้ และเข้าใจสถิติเบื้องต้น เช่น ค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐาน
ใช้ JupyterLab ทำงานข้อมูลได้คล่อง คำนวณด้วย NumPy จัดการตารางด้วย pandas 3 อ่านไฟล์ CSV, Excel และ JSON ทำความสะอาดข้อมูลทั้งค่าว่าง ข้อมูลซ้ำ ข้อความ และวันที่ รวมและสรุปข้อมูล สร้างกราฟด้วย Matplotlib และ seaborn และทำ EDA จนได้ข้อสรุปจากข้อมูลจริง ผู้ผ่านการอบรมได้รับใบประกาศนียบัตร (Certificate of Completion) ที่มีเลขที่ของตัวเองและตรวจสอบออนไลน์ได้
ใช้โน้ตบุ๊กที่มีสิทธิ์ติดตั้งโปรแกรม ติดตั้ง uv แล้วให้ uv ติดตั้ง Python 3.13 ขึ้นไป JupyterLab, NumPy, pandas, Matplotlib และ seaborn ให้ หรือใช้ VS Code เปิด Notebook ก็ได้ เครื่องมือทั้งหมดเป็นโอเพนซอร์สและใช้ฟรี ผู้สอนเตรียมชุดข้อมูลตัวอย่างและไฟล์ Notebook ให้ครบทุก Lab
Python เป็นภาษาที่ถูกใช้มากที่สุดภาษาหนึ่งในปัจจุบัน ทั้งงานเว็บ งานอัตโนมัติ งานข้อมูล IoT และ AI ด้วยรูปแบบภาษาที่อ่านง่ายและเรียนรู้ได้เร็ว จึงเป็นภาษาแรกที่สถาบันการศึกษาและองค์กรจำนวนมากเลือกใช้ แต่ผู้เริ่มต้นหลายคนเรียนจากตัวอย่างกระจัดกระจาย…
องค์กรส่วนใหญ่มีข้อมูลยอดขาย ลูกค้า และการใช้งานระบบสะสมอยู่มาก แต่ยังใช้ข้อมูลเหล่านั้นเพียงทำรายงานย้อนหลัง ทั้งที่ข้อมูลชุดเดียวกันนี้สามารถนำมาสร้างแบบจำลองพยากรณ์ได้ เช่น คาดการณ์ยอดขาย ทำนายลูกค้าที่มีแนวโน้มยกเลิกบริการ แบ่งกลุ่มลูกค้า…
Django เป็นเว็บเฟรมเวิร์กภาษา Python ที่ใช้สร้างเว็บไซต์และระบบงานที่ขับเคลื่อนด้วยฐานข้อมูลมาอย่างยาวนาน เพราะมีของที่ต้องใช้มาให้ครบตั้งแต่ ORM, หน้า Admin, ระบบฟอร์ม, ระบบผู้ใช้ ไปจนถึงการป้องกันช่องโหว่พื้นฐาน…
