หลักสูตร วิทยาศาสตร์ข้อมูลและการวิเคราะห์ข้อมูล

ระหว่างวันที่ 28 - 30 เมษายน 2568

ตารางการอบรม

วัน	เวลา	หัวข้อ
จันทร์ 28 เมษายน 2568	09.00 น.–12.00 น.	พื้นฐาน Data Science และ Python/SQL เบื้องต้น - พื้นฐาน Data Science และความสำคัญของข้อมูล
	13.00 น.–16.00 น.	- การใช้ Python และ SQL สำหรับการวิเคราะห์ข้อมูล (พื้นฐาน)
อังคาร 29 เมษายน 2568	09.00 น.–12.00 น.	Python/SQL เชิงลึก และการสร้าง Visualization ด้วย BI Tools - Python และ SQL สำหรับการวิเคราะห์ข้อมูลเชิงลึก
	13.00 น.–16.00 น.	- การใช้เครื่องมือ BI เช่น Power BI หรือ Google Data Studio
พุธ 30 เมษายน 2568	09.00 น.–12.00 น.	การสร้าง Dashboard และวิเคราะห์กรณีศึกษา - หลักการสร้าง Dashboard และการแปลผลข้อมูล
	13.00 น.–16.00 น.	- กรณีศึกษา – วิเคราะห์ข้อมูลจากสถานการณ์จริง

รายละเอียดหลักสูตร

วันที่ 1: พื้นฐาน Data Science และ Python/SQL เบื้องต้น

ช่วงเช้า (09.00 น.–12.00 น.): พื้นฐาน Data Science และความสำคัญของข้อมูล

• แนะนำหลักสูตรและภาพรวม Data Science
• ทำไม Data Science จึงสำคัญในปัจจุบัน (แบบเข้าใจง่าย ไม่มีคณิตศาสตร์ซับซ้อน)
• ประเภทของข้อมูลและแหล่งที่มา
• กระบวนการทำงานกับข้อมูลเบื้องต้น
• ตัวอย่างการใช้ Data Science ในธุรกิจจริง
• เตรียมความพร้อมสำหรับการใช้ Google Colab

ช่วงบ่าย (13.00 น.–16.00 น.): การใช้ Python และ SQL สำหรับการวิเคราะห์ข้อมูล (พื้นฐาน)

• แนะนำ Google Colab สำหรับการเขียนโค้ด Python
• พื้นฐาน Python ที่จำเป็นสำหรับการวิเคราะห์ข้อมูล
  • ตัวแปรและประเภทข้อมูล
  • ลิสต์และดิกชันนารี
  • การเขียนเงื่อนไขและลูป
• พื้นฐาน SQL สำหรับการดึงข้อมูล
  • คำสั่ง SELECT พื้นฐาน
  • การกรองข้อมูลด้วย WHERE
  • การจัดกลุ่มข้อมูลด้วย GROUP BY
• Workshop: ฝึกเขียน Python และ SQL เบื้องต้นใน Google Colab

วันที่ 2: Python/SQL เชิงลึก และการสร้าง Visualization ด้วย BI Tools

ช่วงเช้า (09.00 น.–12.00 น.): Python และ SQL สำหรับการวิเคราะห์ข้อมูลเชิงลึก

• การใช้ Pandas สำหรับการวิเคราะห์ข้อมูล
  • นำเข้าข้อมูลจากหลายรูปแบบ (CSV, Excel)
  • การจัดการและทำความสะอาดข้อมูล
  • การ filter และ transform ข้อมูล
• SQL เชิงลึกสำหรับการวิเคราะห์ข้อมูล
  • การใช้ JOIN เพื่อเชื่อมตาราง
  • การใช้ฟังก์ชัน Aggregation (SUM, AVG, COUNT)
  • การสร้าง Subqueries
• Workshop: การวิเคราะห์ข้อมูลด้วย Pandas และ SQL ใน Google Colab

ช่วงบ่าย (13.00 น.–16.00 น.): การใช้เครื่องมือ BI เช่น Power BI หรือ Google Data Studio

• การสร้าง Data Visualization ด้วย Python
  • แนะนำไลบรารี Matplotlib และ Seaborn
  • การสร้างกราฟพื้นฐาน (แท่ง, เส้น, วงกลม)
  • การปรับแต่งกราฟให้น่าอ่าน
• แนะนำ Power BI เบื้องต้น
  • ส่วนประกอบหลักของ Power BI
    • The ribbon (แถบเมนูด้านบน)
    • Workspace canvas (พื้นที่ทำงาน)
    • View mode selector (ตัวเลือกโหมดมุมมอง)
    • Visualizations pane (แผงการสร้างวิชวล)
    • Data pane (แผงข้อมูล)
  • การนำเข้าข้อมูลและการเชื่อมต่อ
  • การสร้างวิชวลพื้นฐานตามประเภทข้อมูล
    • ข้อมูลตัวเลข - สร้างแผนภูมิแท่ง
    • ข้อมูลข้อความ - สร้างตาราง
    • ข้อมูลภูมิศาสตร์ - สร้างแผนที่
• Workshop: สร้าง Visualization จากข้อมูลจริง

วันที่ 3: การสร้าง Dashboard และวิเคราะห์กรณีศึกษา

ช่วงเช้า (09.00 น.–12.00 น.): หลักการสร้าง Dashboard และการแปลผลข้อมูล

• หลักการออกแบบ Dashboard ที่มีประสิทธิภาพ
  • การแบ่งโซนตามลำดับความสำคัญของข้อมูล:
    • Header (level zero): ชื่อเรื่อง, ปุ่มนำทาง, ตัวกรอง
    • ระดับที่ 1 - KPIs: การใช้การ์ดแสดงตัวชี้วัดสำคัญที่ด้านบน
    • ระดับที่ 2 - การแสดงผลรวมย่อย, แนวโน้ม
    • ระดับที่ 3 - รายละเอียด: ข้อมูลเชิงลึกที่แสดงในรูปตารางหรือกราฟ
  • การเลือกรูปแบบการแสดงผลที่เหมาะสม
  • การจัดวางองค์ประกอบให้น่าอ่าน
  • การใช้สีและการออกแบบที่เหมาะสม
• การแปลผลข้อมูลจาก Dashboard
  • การอ่านแนวโน้มและรูปแบบ
  • การระบุความผิดปกติและโอกาส
  • การนำข้อมูลไปใช้ในการตัดสินใจ
• Workshop: การสร้าง Dashboard ตามขั้นตอน
  1. วาง KPI cards ไว้ด้านบน
  2. กำหนดพื้นที่การทำงานและตั้งค่าพื้นหลัง
  3. ปรับแต่งพื้นหลัง
  4. ปรับแต่งธีมสี
  5. ตรวจสอบการกรองข้อมูลร่วมกัน (cross-filtering)

ช่วงบ่าย (13.00 น.–16.00 น.): กรณีศึกษา – วิเคราะห์ข้อมูลจากสถานการณ์จริง

• นำเสนอกรณีศึกษาจากสถานการณ์จริง
• การฝึกปฏิบัติ:
  • วิเคราะห์ข้อมูลด้วย Python และ SQL
  • สร้าง Visualization และ Dashboard
  • แปลผลและหาข้อเสนอแนะ
• นำเสนอผลการวิเคราะห์
• สรุปบทเรียนและแนวทางการประยุกต์ใช้ต่อ

การเตรียมตัวก่อนเข้าอบรม

1. อุปกรณ์ที่ต้องเตรียม:

   • คอมพิวเตอร์โน้ตบุ๊กส่วนตัว
   • อินเทอร์เน็ตสำหรับใช้งาน Google Colab

2. ซอฟต์แวร์ที่ควรมี:

   • เว็บเบราว์เซอร์ (Google Chrome แนะนำ)
   • บัญชี Google สำหรับใช้งาน Google Colab
   • Power BI Desktop (สำหรับวันที่ 2 ช่วงบ่าย)

3. เอกสารและไฟล์ที่จะได้รับ:

   • Google Colab Notebooks สำหรับแต่ละหัวข้อ
   • ชุดข้อมูลตัวอย่างสำหรับการฝึกปฏิบัติ
   • เอกสารอ้างอิงคำสั่ง Python และ SQL ที่ใช้บ่อย

Lab Notebooks (เปิดใน Google Colab)

วันที่ 1 - เช้า

• 01 แนะนำ Data Science
• 02 ประเภทของข้อมูล

วันที่ 1 - บ่าย

• 01 พื้นฐาน Python
• 02 พื้นฐาน SQL

วันที่ 2 - เช้า

• 01 Pandas สำหรับการวิเคราะห์ข้อมูล
• 02 SQL เชิงลึกสำหรับการวิเคราะห์ข้อมูล

วันที่ 2 - บ่าย

• 02 การสร้าง Visualization ด้วย BI Tools
• 03 หลักการออกแบบการแสดงผลข้อมูลที่มีประสิทธิภาพ

วันที่ 3 - เช้า

• วันที่3-เช้า.ipynb

วันที่ 3 - บ่าย

• วันที่3-บ่าย-1-บทนำ.ipynb
• วันที่3-บ่าย-2-การเตรียมข้อมูล.ipynb
• วันที่3-บ่าย-3-การวิเคราะห์ยอดขายและกำไร.ipynb
• วันที่3-บ่าย-4-การวิเคราะห์ภูมิภาคและร้านค้า.ipynb
• วันที่3-บ่าย-5-การวิเคราะห์พฤติกรรมลูกค้า.ipynb
• วันที่3-บ่าย-6-การวิเคราะห์ประสิทธิภาพสินค้า.ipynb

หมายเหตุ: หลักสูตรนี้เน้นการเรียนรู้แบบปฏิบัติจริง (Hands-on) ด้วย Google Colab โดยใช้ตัวอย่างที่เข้าใจง่าย ไม่มีคณิตศาสตร์ซับซ้อน เหมาะสำหรับผู้เริ่มต้นและผู้ที่ต้องการเรียนรู้การวิเคราะห์ข้อมูลแบบเข้าใจง่าย