หลักสูตรนี้ออกแบบมาเพื่อให้ความรู้ทางด้าน Data Science  และประโยชน์ของ Data Science  
ในการนำไปใช้ให้เกิดประโยชน์กับองค์กร  ทั้งทางด้านกลยุทธ์องค์กรและการบริหารงานโดยอิงกับ Data  
เพื่อให้มีความเข้าใจถึงประโยชน์ของการนำ Data ไปใช้ในด้านการพยากรณ์ และเข้าใจถึงปัญหาและโอกาส
ที่ Data จะชี้ช่องทางให้
       หลักสูตรนี้เป็นหลักสูตรที่อธิบายถึง  Data Science ในแต่ละด้าน นอกจากนั้นจะพูดถึง ในแต่ละด้าน
ของ Data Science โดยเป็นการเตรียมความพร้อมสำหรับผู้ที่จะทำงานในสายงานด้าน Data Science
โดยผู้เรียนจะได้ประโยชน์และสามารถนำไปปรับประยุกต์ใช้กับงานของตนเอง

       วัตถุประสงค์
     - เพื่อเรียนรู้และเข้าใจหลักการของ Data Science  รวมถึงการสร้างทีม  Data Science  
หรือผู้ที่มีงานที่เหมาะสมกับการนำเอา Data Science  ไปใช้ และการประยุกต์กิจกรรมวงจรชีวิต
ของ Data Science เอาไปสร้างประโยชน์ให้กับองค์กร ในด้านการตัดสินใจ และกระบวนการต่างๆ ขององค์กร

Data Scientist, BI Manager, Programmer หรือ ผู้ที่สนใจในสายงานด้าน  Data Science  หรือผู้ที่อยากจะเปลี่ยนอาชีพของ
ตนเองไปเป็น Data Scientist

ผู้เข้าอบรมควรมีความรู้ (Prerequisite)

- ควรมีความรู้หรือผ่านการเข้าอบรม หลักสูตร Data Science for Business มาก่อน

- จำเป็นต้องผ่านการอบรม " หลักสูตร Introduction to R Programming for Data Science "  มาก่อน

ประโยชน์ที่จะได้รับ
1. เข้าใจในหลักการและเทคนิคของงาน  Data Science
2. นำเอาหลักการของ Data Science  ไปใช้ในการจัดองค์กร, จัดระบบฐานข้อมูลขององค์กร  
3. สามารถทำงาน Data Science  ในองค์กรที่สนใจเกี่ยวกับการนำ  Data ไปใช้ประโยชน์
4. สามารถนำไปสื่อสารต่อองค์กรให้เข้าใจถึงความสำคัญของศาสตร์ด้าน Data

     Day 1 :
     1. Introduction
        • Introduction to Data Science
        • What is Data Science?
        • Discussion

     2. Data Science Life Cycles
        • A Strategy to Approach Any Data Analytics Problems
        • Identify problems
        • Identify Data Sources
        • Identify Additional Data Sources
        • Statistic Analysis
        • Development and Implementation
        • Communicating Result
        • Maintenance
        • Discussion

     Day 2 :
     3. Component Parts of Data Science and Engineering a Data Science Solution
        • Overview of Data Engineering and Big Data Technologies
        • The Data Scientist’s Toolbox – Languages, Platforms, Tools and Industry Solutions
        • Discussion

     4. Basic Data Science Methods and Machine Learning Fundamentals
        • Regression
        • Decision Tree
        • K-Nearest Neighbor
        • Naive Bayesian Classifier
        • Association Rules
        • Other advanced topics  
        • Discussion

     5. Review R Programming
        • R for Data Input and Output
        • Data Frame
        • Basic Operation/Function
        • Discussion

     Day 3 :
     6. Getting and Cleaning Tidy using R
        • Concept of Tidy Data
        • Data preparation for Data Science
        • Import and Export Data in Excel, CSV, XML, JSON
        • Import and Export Data from Hadoop
        • Discussion

     7. Exploratory Data Analysis
        • Statistic Summary
        • Visualization using standard graphic and ggplot2
        • Clustering data
        • Discussion

     8. Practical Machine Learning
        • Predictive Analytics
        • Classification Problems
        • Association Rules Problems
        • Big Data Problems
        • Discussion

     9. Wrap-up