250FDEV01C00 - การใช้งาน Python ทางด้าน Data Analytics

📊 หลักสูตรการวิเคราะห์ข้อมูลด้วย Python สำหรับธุรกิจ

📋 สารบัญ

• 🎯 วัตถุประสงค์หลักสูตร
• 👥 คุณสมบัติผู้อบรม
• 🚀 เริ่มต้นใช้งาน
• 📚 โครงสร้างหลักสูตรและ Labs
  • 📁 วันที่ 1: Essential Data Analytics & Basic Python
  • 📁 วันที่ 2: Data Profiling & Preparation
  • 📁 วันที่ 3: Predictive Analytics & Machine Learning
• 📊 ข้อมูลและทรัพยากร
• 📖 Lending Club Business Guide
• 🔧 การใช้งาน
• 🛠️ เครื่องมือที่ใช้
• 📖 Case Study: Lending Club
• 🚀 ก่อนเริ่มหลักสูตร
• ⏱️ ระยะเวลาหลักสูตร
• 📋 การประเมินผล

---

🎯 วัตถุประสงค์หลักสูตร

• เพื่อให้ผู้เรียนสามารถเลือกใช้เทคโนโลยีให้เหมาะสมกับข้อมูลและโจทย์ทางธุรกิจ
• เพื่อให้ผู้เรียนสามารถปรับพื้นฐานการพัฒนาโปรแกรมภาษา Python
• เพื่อให้ผู้เรียนสามารถใช้ภาษา Python สำหรับการสำรวจข้อมูลและปรับแต่งข้อมูล
• เพื่อให้ผู้เรียนสามารถอธิบายหลักการพื้นฐานด้าน Machine Learning และการนำไปใช้กับโจทย์ทางธุรกิจ
• เพื่อให้ผู้เรียนสามารถใช้ภาษา Python สำหรับการสร้าง Machine Learning Model

👥 คุณสมบัติผู้อบรม

• นักปฏิบัติการ/วิศวกรคอมพิวเตอร์
• ผู้ปฏิบัติงานเกี่ยวกับวิเคราะห์ข้อมูลขนาดใหญ่ Big Data
• ผู้สนใจการใช้ภาษา Python ในการวิเคราะห์ข้อมูล

---

🚀 เริ่มต้นใช้งาน

การเชื่อมต่อ Google Drive และโหลดข้อมูล

💡 เคล็ดลับ: กดปุ่ม Ctrl+Click (Windows) หรือ Cmd+Click (Mac) เพื่อเปิดลิงค์ใน tab ใหม่

• 00 Setup Google Drive Data Connection

---

📚 โครงสร้างหลักสูตรและ Labs

📁 วันที่ 1: Essential Data Analytics & Basic Python

ระยะเวลา: 8 ชั่วโมง

🌅 เช้า (4 ชั่วโมง)

• 01a Data Analytics คืออะไร
• 01b Descriptive Analytics

🌆 บ่าย (4 ชั่วโมง)

• 01c Diagnostic Analytics
• 01d Predictive Analytics ความรู้เบื้องต้น
• 01e เทคนิคการทำนาย Linear Trend
• 01f Python Basics with Real Data

---

📁 วันที่ 2: Data Profiling & Preparation

ระยะเวลา: 8 ชั่วโมง

🌅 เช้า (4 ชั่วโมง)

• 02a Pandas DataFrame ความรู้เบื้องต้น
• 02b การอ่านข้อมูลจากไฟล์
• 02c การจัดการและเลือกข้อมูล
• 02d Data Profiling ความรู้เบื้องต้น

🌆 บ่าย (4 ชั่วโมง)

• 02h Multivariate Analysis เชิงสถิติ
• 02i Correlation Analysis
• 02j การวิเคราะห์การกระจายข้อมูล
• 02k Outlier Detection

🔧 Workshop & Labs

• 02m Workshop Data Preparation
• 02n Lab Complete Pipeline

---

📁 วันที่ 3: Predictive Analytics & Machine Learning

ระยะเวลา: 8 ชั่วโมง

🌅 เช้า (4 ชั่วโมง)

• 03a ML Introduction Theory
• 03b Classification Algorithms
• 03c Classification LAB

🌆 บ่าย (4 ชั่วโมง)

• 03d Regression Algorithms
• 03e Regression LAB
• 03f Model Evaluation Comparison
• 03g ML Best Practices Conclusion

---

📊 ข้อมูลและทรัพยากร

📁 datasets

• LoanStats_web_14422.csv (ข้อมูลหลักสำหรับเรียน) - ข้อมูลสินเชื่อ Lending Club
• COLAB Setup Guide - คู่มือการตั้งค่า Google Colab
• ข้อมูลตัวอย่างสำหรับฝึกหัด

📁 resources

• เอกสารอ้างอิง
• Data Profiling Checklist
• Common Data Issues
• LAB Templates
• ML Cheatsheet

📁 solutions

• เฉลย Lab และ Workshop
• ตัวอย่างโค้ดที่ดี
• แนวทางการแก้ปัญหา

---

📖 Lending Club Business Guide

คู่มือเข้าใจธุรกิจ Peer-to-Peer Lending อย่างละเอียด

📁 lending_club_guide/ - คู่มือครบชุด 10 ไฟล์

📚 ไฟล์หลัก

• 📖 README.md - ภาพรวมคู่มือ Lending Club
• 🏢 01_lending_club_overview.md - ภาพรวม Lending Club
• 🔄 02_business_model.md - โมเดลธุรกิจ P2P Lending
• 📊 03_dataset_overview.md - ข้อมูลที่ใช้ในหลักสูตร
• 🔍 04_key_variables.md - ตัวแปรสำคัญและความหมาย
• 🎯 05_business_questions.md - Business Questions ทุกประเภทการวิเคราะห์
• 💡 06_case_studies.md - Case Studies และการประยุกต์ใช้
• 🎓 07_course_applications.md - การประยุกต์ใช้ในหลักสูตร
• 🏋️ 08_exercises.md - แบบฝึกหัดและโจทย์ปฏิบัติ
• 📈 09_learning_outcomes.md - ผลลัพธ์การเรียนรู้
• 💡 10_tips_and_resources.md - เคล็ดลับและแหล่งเรียนรู้
• 📋 data_dictionary_complete.md - Data Dictionary ครบถ้วน (143 ตัวแปร)

🎯 จุดเด่นของคู่มือ

• ครอบคลุม: ทุกแง่มุมของธุรกิจ P2P Lending
• ปฏิบัติได้จริง: เชื่อมโยงกับ Lab ทุก session
• เข้าใจง่าย: อธิบายเป็นขั้นตอนชัดเจน
• ธุรกิจจริง: ใช้ตัวอย่างจากข้อมูลจริง
• ครบถ้วน: รวม Data Dictionary 143 ตัวแปร

🚀 วิธีการใช้งาน

1. เริ่มต้น: อ่าน README.md เพื่อเข้าใจภาพรวม
2. ศึกษาธุรกิจ: ตั้งแต่ไฟล์ 01-04 เพื่อเข้าใจพื้นฐาน
3. ฝึกปฏิบัติ: ใช้ไฟล์ 05-08 ประกอบการเรียน
4. ประยุกต์ใช้: อ้างอิงไฟล์ 09-10 สำหรับการทำงานจริง

---

🔧 การใช้งาน

1. ทุก Lab และ Workshop ใช้ Google Colab เป็นหลัก
2. คลิกลิงค์ [] เพื่อเปิด notebook ใน Colab
3. ข้อมูลหลักที่ใช้: LoanStats_web_14422.csv (ข้อมูลสินเชื่อ Lending Club)
4. แต่ละ session มี Notebook แยกตามหัวข้อย่อย
5. มีแบบฝึกหัดย่อยๆ ในทุก section
6. ใหม่: มี Lending Club Business Guide สำหรับเข้าใจบริบทธุรกิจ

🛠️ เครื่องมือที่ใช้

• Python 3.x
• Google Colab (หลัก)
• Pandas - จัดการข้อมูล
• NumPy - คำนวณเชิงตัวเลข
• Matplotlib & Seaborn - สร้างกราฟ
• Scikit-learn - Machine Learning
• Scipy - การคำนวณทางสถิติ

📖 Case Study: Lending Club

ตลอดหลักสูตรจะใช้ข้อมูลจริงจาก Lending Club เป็นตัวอย่าง:

• การวิเคราะห์ความเสี่ยงในการให้สินเชื่อ
• การพยากรณ์อัตราดอกเบียที่เหมาะสม
• การจำแนกลูกค้าที่อาจผิดนัดชำระ
• การหาปัจจัยที่มีผลต่อการอนุมัติสินเชื่อ

🆕 เนื้อหาเพิ่มเติมเกี่ยวกับ Lending Club

• ครบถ้วน: คู่มือธุรกิจ 10 ไฟล์ในโฟลเดอร์ lending_club_guide/
• เข้าใจลึก: เรียนรู้โมเดลธุรกิจ P2P Lending
• ปฏิบัติได้: Case Studies และแบบฝึกหัดที่เชื่อมโยงกับการเรียน
• ข้อมูลครบ: Data Dictionary ครบทั้ง 143 ตัวแปร

🚀 ก่อนเริ่มหลักสูตร

1. สร้าง Google Account สำหรับใช้ Colab
2. ทำความคุ้นเคยกับ Google Colab interface
3. Download ข้อมูล LoanStats_web_14422.csv ไปยัง Google Drive
4. ติดตั้ง Google Drive app บนมือถือ (สำหรับอัปโหลดไฟล์)
5. รัน Setup Notebook เพื่อเชื่อมต่อ Drive
6. ใหม่: อ่าน Lending Club Guide เพื่อเข้าใจบริบทธุรกิจ

⏱️ ระยะเวลาหลักสูตร

• แบบเข้มข้น: 3 วัน (24 ชั่วโมง)
• แบบพาร์ทไทม์: 6 สัปดาห์ (4 ชั่วโมง/สัปดาห์)

---

📋 การประเมินผล

• Pretest (5%) - ความรู้พื้นฐาน
• Lab Exercises (40%) - การปฏิบัติในแต่ละ session
• Workshops (35%) - การทำงานกับข้อมูลจริง
• Final Project (15%) - โปรเจคสุดท้าย
• Posttest (5%) - ความรู้หลังเรียน

เกณฑ์การผ่าน: คะแนนรวม ≥ 70% และเข้าร่วม Lab ≥ 80%

---

💡 เคล็ดลับการเรียนรู้

• เริ่มต้น: รัน Setup Notebook ก่อนเริ่มเรียน
• เข้าใจธุรกิจ: อ่าน Lending Club Guide ก่อนลงมือปฏิบัติ
• ปฏิบัติ: ทำ Lab ทุกตัวตามลำดับ
• ทำความเข้าใจ: อย่าเพียงแค่ copy-paste โค้ด
• ทดลอง: ลองเปลี่ยนแปลงพารามิเตอร์ดู
• บันทึก: จดสิ่งที่เรียนรู้ใหม่ๆ
• อ้างอิง: ใช้ Cheat sheets เมื่อต้องการ
• เชื่อมโยง: ใช้ Business Questions ในคู่มือประกอบการเรียน

---

🎯 Learning Outcomes

หลังจบหลักสูตร ผู้เรียนจะสามารถ:

• ✅ ใช้ Python ในการวิเคราะห์ข้อมูลเบื้องต้น
• ✅ ทำ Data Profiling และ Data Cleaning
• ✅ สร้าง Visualization ที่มีประสิทธิภาพ
• ✅ สร้าง Machine Learning Models พื้นฐาน
• ✅ ประเมินและเปรียบเทียบ Model
• ✅ ประยุกต์ใช้กับข้อมูลธุรกิจจริง
• ✅ ใหม่: เข้าใจธุรกิจ P2P Lending และประยุกต์ใช้ความรู้กับธุรกิจอื่น

---

🆕 อัปเดตใหม่ในเวอร์ชันนี้

✨ เนื้อหาเพิ่มเติม

• 📖 Lending Club Business Guide - คู่มือธุรกิจครบชุด 10 ไฟล์
• 📋 Data Dictionary - รายละเอียดตัวแปรครบทั้ง 143 ตัวแปร
• 🎯 Business Questions - โจทย์ธุรกิจสำหรับทุกประเภทการวิเคราะห์
• 💡 Case Studies - ตัวอย่างการประยุกต์ใช้จริง
• 🏋️ แบบฝึกหัดเพิ่มเติม - ฝึกฝนเพิ่มเติมนอกเหนือจาก Lab
• 📚 เอกสารอ้างอิง - Checklists และ Templates สำหรับใช้งานจริง

🔧 ปรับปรุงการใช้งาน

• 🔗 ลิงค์ครบถ้วน - ทุกไฟล์มีลิงค์ Colab พร้อมใช้งาน
• 📱 เข้าถึงง่าย - จัดเรียงเนื้อหาชัดเจน เข้าใจง่าย
• 🎯 เน้นปฏิบัติ - เชื่อมโยงทฤษฎีกับการปฏิบัติ
• 💼 เตรียมงานจริง - เนื้อหาที่สามารถนำไปใช้งานได้ทันที

---

รหัสหลักสูตร: 250FDEV01C00
อัปเดตล่าสุด: มิถุนายน 2567

💡 หมายเหตุ: Colab links พร้อมใช้งานแล้ว - คลิก [] เพื่อเปิดใน Google Colab
📖 ใหม่: อ่าน Lending Club Business Guide เพื่อเข้าใจบริบทธุรกิจก่อนเริ่มเรียนWorkshops** (35%) - การทำงานกับข้อมูลจริง

• Final Project (15%) - โปรเจคสุดท้าย
• Posttest (5%) - ความรู้หลังเรียน

เกณฑ์การผ่าน: คะแนนรวม ≥ 70% และเข้าร่วม Lab ≥ 80%

---

💡 เคล็ดลับการเรียนรู้

• เริ่มต้น: รัน Setup Notebook ก่อนเริ่มเรียน
• เข้าใจธุรกิจ: อ่าน Lending Club Guide ก่อนลงมือปฏิบัติ
• ปฏิบัติ: ทำ Lab ทุกตัวตามลำดับ
• ทำความเข้าใจ: อย่าเพียงแค่ copy-paste โค้ด
• ทดลอง: ลองเปลี่ยนแปลงพารามิเตอร์ดู
• บันทึก: จดสิ่งที่เรียนรู้ใหม่ๆ
• อ้างอิง: ใช้ Cheat sheets เมื่อต้องการ
• เชื่อมโยง: ใช้ Business Questions ในคู่มือประกอบการเรียน

---

🎯 Learning Outcomes

หลังจบหลักสูตร ผู้เรียนจะสามารถ:

• ✅ ใช้ Python ในการวิเคราะห์ข้อมูลเบื้องต้น
• ✅ ทำ Data Profiling และ Data Cleaning
• ✅ สร้าง Visualization ที่มีประสิทธิภาพ
• ✅ สร้าง Machine Learning Models พื้นฐาน
• ✅ ประเมินและเปรียบเทียบ Model
• ✅ ประยุกต์ใช้กับข้อมูลธุรกิจจริง
• ✅ ใหม่: เข้าใจธุรกิจ P2P Lending และประยุกต์ใช้ความรู้กับธุรกิจอื่น

---

🆕 อัปเดตใหม่ในเวอร์ชันนี้

✨ เนื้อหาเพิ่มเติม

• 📖 Lending Club Business Guide - คู่มือธุรกิจครบชุด 10 ไฟล์
• 📋 Data Dictionary - รายละเอียดตัวแปรครบทั้ง 143 ตัวแปร
• 🎯 Business Questions - โจทย์ธุรกิจสำหรับทุกประเภทการวิเคราะห์
• 💡 Case Studies - ตัวอย่างการประยุกต์ใช้จริง
• 🏋️ แบบฝึกหัดเพิ่มเติม - ฝึกฝนเพิ่มเติมนอกเหนือจาก Lab
• 📚 เอกสารอ้างอิง - Checklists และ Templates สำหรับใช้งานจริง

🔧 ปรับปรุงการใช้งาน

• 🔗 ลิงค์ครบถ้วน - ทุกไฟล์มีลิงค์ Colab พร้อมใช้งาน
• 📱 เข้าถึงง่าย - จัดเรียงเนื้อหาชัดเจน เข้าใจง่าย
• 🎯 เน้นปฏิบัติ - เชื่อมโยงทฤษฎีกับการปฏิบัติ
• 💼 เตรียมงานจริง - เนื้อหาที่สามารถนำไปใช้งานได้ทันที

---

รหัสหลักสูตร: 250FDEV01C00
อัปเดตล่าสุด: มิถุนายน 2567

💡 หมายเหตุ: Colab links พร้อมใช้งานแล้ว - คลิก [] เพื่อเปิดในใน Google Colab
📖 ใหม่: อ่าน Lending Club Business Guide เพื่อเข้าใจบริบทธุรกิจก่อนเริ่มเรียน