- คณะไอทีลาดกระบังคณะไอทีลาดกระบัง

06048xxx : ELECTIVE COURSE

รหัสวิชา (Subject ID)	06048xxx
ชื่อวิชา	วิชาเลือก
Subject name	ELECTIVE COURSE
วิชาบังคับก่อน (Prerequisite)	ไม่มี (NONE)

หมวดวิชาเลือกด้านปัญญาประดิษฐ์ และหมวดวิชาเลือกด้านการวิเคราะห์เชิงธุรกิจ

หมวดวิชาเลือกด้านปัญญาประดิษฐ์

06048301 : MATHTEMATICS FOR MACHINE LEARNING [คณิตศาสตร์สำหรับการเรียนรู้ด้วยเครื่อง]

วิชาบังคับก่อน (Prerequisite) : ไม่มี (None)
หน่วยกิต (บรรยาย-ปฏิบัติ-ศึกษาด้วยตนเอง) : 3 (3-0-6)
สี่เสาหลักของการเรียนรู้ของเครื่อง การถดถอย การลดมิติ การประมาณความหนาแน่น, การจำแนก แคลคูลัสเวกเตอร์ พีชคณิตเชิงเส้น การแตกเมทริกซ์ ความน่าจะเป็นและการแจกแจง

Four pillars of machine learning, regression, dimensional reduction, density estimation, classification, vector calculus, linear algebra, matrix decomposition; probability and distributions.

06048302 : ADVANCED PYTHON PROGRAMMING FOR MACHINE LEARNING [ภาษาไพทอนขั้นสูงสำหรับการเรียนรู้ด้วยเครื่อง]

วิชาบังคับก่อน (Prerequisite) : ไม่มี (None)
หน่วยกิต (บรรยาย-ปฏิบัติ-ศึกษาด้วยตนเอง) : 3 (3-0-6)
การวิเคราะห์ถดถอยเชิงเส้น; การวิเคราะห์การถดถอยโลจิสติค; เคเพื่อนบ้านใกล้ที่สุด; ซัพพอร์ตเวกเตอร์แมชชีน; การจำแนกแบบเบย์อย่างง่าย; ต้นไม้ตัดสินใจ; อัลกอริทึมป่าสุ่ม; การแบ่งกลุ่มเคมีน; การวิเคราะห์องค์ประกอบหลัก;

Python programming; Numpy; Pandas; Data virtualization; Linear regression; Logistic regression; K-nearest neighbors (K-NN); Support vector machine (SVM); Naïve Bayes; Decision tree; Random forest; K-means clustering; Principal component analysis;

06048303 : DEEP LEARNING FOR COMPUTER VISION [การเรียนรู้เชิงลึกสำหรับงานคอมพิวเตอร์วิทัศน์]

วิชาบังคับก่อน (Prerequisite) : ไม่มี (None)
หน่วยกิต (บรรยาย-ปฏิบัติ-ศึกษาด้วยตนเอง) : 3 (3-0-6)
หลักการพื้นฐานและการประยุกต์ใช้ในคอมพิวเตอร์วิทัศน์ ของ คอนโวลูชันนัล นิวรอล เน็ตเวอร์ค (CNN) จากสถาปัตยกรรมพื้นฐานไปจนถึงสถาปัตยกรรมใหม่ๆ เช่น VGG ResNet และ Efficientnet หลักสูตรจะเริ่มจาก โมเดลเชิงเส้น ฟังก์ชั่นแอคทีเวชั่น ฟังก์ชั่นลอส การหาค่าดีที่สุด สถาปัตยกรรมแกน และการประยุกต์ใช้งาน CNN ด้านการแยกแยะและตรวจหาวัตถุ

The basic concept and their applications in computer vision of convolutional Neural network (CNN) from basic architecture to modern architectures such as VGG, ResNet, and Efficientnet. Linear models, activation function, Loss function, stochastic optimization methods GAN architecture (Generative Adversarial Network) for photo-realistic images, application of CNN in classification and object detection.

06048304 : SPEECH AND SIGNAL PROCESSING [การประมวลผลสัญญาณและเสียงพูด]

วิชาบังคับก่อน (Prerequisite) : ไม่มี (None)
หน่วยกิต (บรรยาย-ปฏิบัติ-ศึกษาด้วยตนเอง) : 3 (3-0-6)
สัญญาณ, แถมความถี่ของสัญญาณ, เซิฟเชิงเส้น, แถบความถี่ของสัญญาณเซิฟ, การสร้างภาพแถมความถี่เสียง, สัญญารบกวน, การแก้ไขสัญญาณ, การจำแนกสัญญาณ, การรู้จำสัญญาณ, การสร้างระบบรู้จำสัญญาณ, การสร้างระบบจำแนกสัญญาณ

Signals, Spectrums, Linear chirp, spectrum of a chirp, implementing spectrograms, Noise, Autocorrection, signal classification, signal recognition, implementing signal classification system, implementing signal recognition system

06048305 : INTERNET OF THINGS WITH ARTIFICIAL INTELLIGENCE [อินเตอร์เน็ตสรรพสิ่งร่วมกับปัญญาประดิษฐ์]

วิชาบังคับก่อน (Prerequisite) : ไม่มี (None)
หน่วยกิต (บรรยาย-ปฏิบัติ-ศึกษาด้วยตนเอง) : 3 (3-0-6)
ภาพรวมของอินเตอร์เน็ตในทุกสิ่ง แนวโน้มการยอมรับและใช้งานอินเตอร์เน็ตในทุกสิ่ง ความเป็นส่วนตัวและความปลอดภัยของอินเตอร์เน็ตในทุกสิ่ง ภาพรวมของระบบสมองกลฝังตัว องค์ประกอบฮาร์ดแวร์ องค์ประกอบซอฟต์แวร์ เครือข่ายสำหรับอินเตอร์เน็ตในทุกสิ่ง การรวมกันของปัญญาประดิษฐ์และอินเตอร์เน็ตในทุกสิ่ง กรณีศึกษาในอินเตอร์เน็ตในทุกสิ่งร่วมกับปัญญาประดิษฐ์

Overview of Internet of Things (IoT); Trends in the adoption of IoT; Privacy and security of IoT; Overview of embedded systems; Components of embedded systems; Hardware components; Software components; Networking for IoT; Combination of artificial intelligence (AI) and IoT; Case studies in IoT with AI

06048306 : NATURAL LANGUAGE PROCESSING [การประมวลผลภาษาธรรมชาติ]

วิชาบังคับก่อน (Prerequisite) : ไม่มี (None)
หน่วยกิต (บรรยาย-ปฏิบัติ-ศึกษาด้วยตนเอง) : 3 (3-0-6)
ภาพรวมโมดูลการประมวลผลภาษาธรรมชาติ ไวยากรณ์และความหมาย แบบจำลองภาษา การกำกับข้อความ และการกำกับแบบมีลำดับ การแทนข้อความในแบบจำลองเวคเตอร์ งานด้านการแบ่งกลุ่มข้อความ เช่น การจัดกลุ่มข่าว การจำแนกอารมณ์ การกรองสแปม ตัวแบ่งกลุ่มแบบดั้งเดิม เทคนิคการเรียนรู้เชิงลึก งานด้านการสร้างแบบรูปของงานที่มีลำดับ เช่น การแปลภาษาด้วยเครื่อง การย่อความ การตอบคำถาม

Overview of natural language processing module; syntax and semantics; language modelling; text labelling and sequence labelling; text representation in vector space; text classification tasks such as news classification, sentiment analysis, spam filtering, traditional classifiers; deep learning techniques, formulate sequence to sequence tasks such as machine translation; summarization; question answering

06048307 : CLUSTER ANALYSIS AND PATTERN RECOGNITION [การวิเคราะห์คลัสเตอร์และการรู้จำแบบรูป]

วิชาบังคับก่อน (Prerequisite) : ไม่มี (None)
หน่วยกิต (บรรยาย-ปฏิบัติ-ศึกษาด้วยตนเอง) : 3 (3-0-6)
การจัดกลุ่มของข้อมูลตัวอย่าง การหาความคล้ายคลึงของข้อมูล การหารูปแบบของข้อมูล การเรียนรู้ของเครื่องจักรแบบแบบไม่มีผู้สอน การจัดกลุ่มแบบฟัซซีซีมีน การจัดกลุ่มแบบเคมีน การจัดกลุ่มตามลำดับชั้น การรับรู้รูปแบบทางสถิติ การรับรู้รูปแบบจากโครงสร้างประโยค การรับรู้รูปแบบด้วยการเรียนรู้เชิงลึก การวิเคราะห์องค์ประกอบหลัก การตรวจสอบไขว้ และการประยุกต์ใช้การทำงานของเครื่องจักร

Grouping a set of data; Find similarity of data; Pattern recognition; Unsupervised learning; Fuzzy c-mean clustering; K-mean clustering; Hierarchical clustering; Statistical pattern recognition; Syntactic pattern recognition; Deep neural network for pattern recognition; Principal component analysis; Cross-validation; Machine learning applications

06048308 : INTELLIGENT CHATBOT DEVELOPMENT [การพัฒนาแชทบอทอัจฉริยะ]

วิชาบังคับก่อน (Prerequisite) : ไม่มี (None)
หน่วยกิต (บรรยาย-ปฏิบัติ-ศึกษาด้วยตนเอง) : 3 (3-0-6)
แนะนำตัวแชทบอท การประมวลผลภาษาธรรมชาติเบื้องต้น การกระจายของคำ การแทนข้อความ ทีเอฟไอดีเอฟ เวิร์ดทูเวค พื้นฐานการเรียนรู้ด้วยเครื่อง องค์ประกอบการสร้างแชทบอท ได้แก่ ช่องทาง เซิร์ฟเวอร์ ฐานข้อมูล การเตรียมแชทบอท เวิร์คชอปการแข่งขันสร้างแชทบอท

Introduction to chatbot; introduction to natural language processing: word distribution, text representation, tf-idf, word2vec; machine learning basics; chatbot implementation i.e., channel, server, database, chatbot setup; chatbot hackathon workshop

06048309 : MACHINE LEARNING FOR TEXT MINING [การเรียนรู้ด้วยเครื่องสำหรับงานเหมืองข้อความ]

วิชาบังคับก่อน (Prerequisite) : ไม่มี (None)
หน่วยกิต (บรรยาย-ปฏิบัติ-ศึกษาด้วยตนเอง) : 3 (3-0-6)
แนะนำการเรียนรู้ด้วยเครื่องสำหรับข้อความ การเตรียมและการแทนข้อความ การคำนวณความคล้ายคลึงกันของข้อความ การแตกเมตริกซ์ การทำเหมืองคำเชื่อมโยง การค้นพบความสัมพันธ์เชิงกระบวนทัศน์, การค้นพบความสัมพันธ์เชิงวากยสัมพันธ์ การทำเหมืองหัวข้อ แบบจำลองความน่าจะเป็นในการค้นหาหัวข้อ การแทนเอกสาร การจัดกลุ่มข้อความ การจัดหมวดข้อความ แบบจำลองลำดับข้อความและการเรียนรู้เชิงลึก แบบจำลองภาษานิวรอล การสกัดข่าวสาร การทำเหมืองความคิดเห็นและการวิเคราะห์อารมณ์ การแบ่งส่วนข้อความ การตรวจจับเหตุการณ์ การย่อเอกสาร

Introduction to machine learning for text; text preparation and representation; text similarity computation; matrix factorization; word association mining; paradigmatic relation discovery; syntagmatic relation discovery; topic mining, probabilistic topic models; document representation; text clustering; text categorization; text sequence modeling and deep learning; neural language models; information extraction; opinion mining and sentiment analysis; text segmentation; event detection; document summarization

06048310 : INTELLIGENT RECOMMENDATION SYSTEMS [ระบบให้คำแนะนำอัจฉริยะ]

วิชาบังคับก่อน (Prerequisite) : ไม่มี (None)
หน่วยกิต (บรรยาย-ปฏิบัติ-ศึกษาด้วยตนเอง) : 3 (3-0-6)
การกรองแบบอิงเนื้อหา; การกรองแบบรวม; การกรองแบบรวม ผู้ใช้-ผู้ใช้; การกรองแบบรวม วัตถุ-วัตถุ; การแยกตัวประกอบเมตริกซ์; การประเมินและมาตรวัดสำหรับระบบให้ตำแนะนำ;

Content-based filtering; Collaborative filtering; User-user collaborative filtering; Item-item collaborative filtering; Matrix factorization; Evaluation and metrics for recommender systems;

06048311 : INTELLIGENT GAME DEVELOPMENT [การพัฒนาเกมอัจฉริยะ]

วิชาบังคับก่อน (Prerequisite) : ไม่มี (None)
หน่วยกิต (บรรยาย-ปฏิบัติ-ศึกษาด้วยตนเอง) : 3 (3-0-6)
อัลกอริทีมการเคลื่อนที่และพฤติกรรมการบังคับ; การเคลื่อนที่แบบสอดคล้องและการควบคุมการเคลื่อนไหว; การหาเส้นทาง; การตัดสินใจและความไม่แน่นอน; กลไลการเรียนรู้;

Movement Algorithms and Steering Behaviour; Coordinated Movement and Motor Control; Pathfinding; Decision-Making and Uncertainty; Learning Mechanisms;

06048312 : ARTIFICIAL INTELLIGENCE IN HEALTHCARE [ปัญญาประดิษฐ์ในการดูแลสุขภาพ]

วิชาบังคับก่อน (Prerequisite) : ไม่มี (None)
หน่วยกิต (บรรยาย-ปฏิบัติ-ศึกษาด้วยตนเอง) : 3 (3-0-6)
แอปพลิเคชันและพื้นฐานของปัญญาประดิษฐ์ การใช้ปัญญาประดิษฐ์สำหรับการวินิจฉัยโรคและการเฝ้าระวังผู้ป่วย การประมวลผลภาษาธรรมชาติและการวิเคราะห์ข้อมูลในการดูแลสุขภาพ ความสามารถในการเข้าใจในการเรียนรู้ด้วยเครื่องจักร การประเมินความเสี่ยงของผู้ป่วยและการเพิ่มเวิร์กโฟลว์ทางคลินิก การบูรณาการในการจัดการและการเพิ่มประสิทธิภาพโรงพยาบาล

AI Applications and Foundations; Using AI for disease diagnosis and patient monitoring; Natural language processing and data analytics in health care; Interpretability in machine learning; Patient risk stratification and augmenting clinical workflows; Taking an integrated approach to hospital management and optimization

06048313 : ARTIFICIAL INTELLIGENCE COMMUNICATION [การสื่อสารปัญญาประดิษฐ์]

วิชาบังคับก่อน (Prerequisite) : ไม่มี (None)
หน่วยกิต (บรรยาย-ปฏิบัติ-ศึกษาด้วยตนเอง) : 3 (3-0-6)
นิยามของปัญญาประดิษฐ์ ประวัติของปัญญาประดิษฐ์ การประยุกต์ใช้ ปัญญาประดิษฐ์ การคิดเชิงออกแบบ การคิดเชิงวิพากษ์และสร้างสรรค์ การสื่อสารข้อมูล การคิดเชิงคำนวณ การตัดสินใจอย่างมีจริยธรรม การรับรู้ถึงความมีอคติ โครงการสื่อสารปัญญาประดิษฐ์

Definition of AI, history of AI, applications of AI; design thinking, critical and creative thinking, data fluency, computational thinking; ethical decision making, bias awareness; project in AI communication.

06048314 : GOVERNANCE AND SOCIAL IMPACT OF ARTIFICIAL INTELLIGENCE [การกำกับดูแลและผลกระทบทางสังคมของปัญญาประดิษฐ์]

วิชาบังคับก่อน (Prerequisite) : ไม่มี (None)
หน่วยกิต (บรรยาย-ปฏิบัติ-ศึกษาด้วยตนเอง) : 3 (3-0-6)
การกำกับดูแลอินเทอร์เน็ตและธรรมาภิบาลดิจิทัล การกำกับดูแลปัญญาประดิษฐ์ ประวัติของปัญญาประดิษฐ์ ปัญญาประดิษฐ์แบบแคบ และปัญญาประดิษฐ์แบบทั่วไป ขอบเขตของการกำกับดูแลปัญญาประดิษฐ์ หลักการ นโยบาย ผลกระทบทางสังคมและเศรษฐกิจ อัลกอริทึม ความรับผิดชอบและความสามารถในการอธิบาย จริยธรรม ความมั่นคง ความปลอดภัย ข้อมูล ปัญญาประดิษฐ์แบบทั่วไป ความเสี่ยงที่มีอยู่ในการใช้งาน

Internet governance and digital governance, AI governance; AI history, narrow AI and general AI; areas of AI governance, principles, policy, social and economic impacts; algorithm, accountability and explainability; ethics, security, safety, data; general AI; existential risk

06048341 : SELECTED TOPICS IN ARTIFICIAL INTELLIGENCE 1 [หัวข้อคัดสรรด้านปัญญาประดิษฐ์ 1]

วิชาบังคับก่อน (Prerequisite) : ไม่มี (None)
หน่วยกิต (บรรยาย-ปฏิบัติ-ศึกษาด้วยตนเอง) : 3 (3-0-6)
วิชานี้จะศึกษาถึงหัวข้อและความก้าวหน้าทางวิชาการด้านปัญญาประดิษฐ์ที่น่าสนใจ โดยอาจารย์ผู้สอนเป็นผู้คัดเลือก

This course will cover recent advances and other topics of interest in the field of artificial intelligence selected by the instructor.

06048342 : SELECTED TOPICS IN ARTIFICIAL INTELLIGENCE 2 [หัวข้อคัดสรรด้านปัญญาประดิษฐ์ 2]

This course will cover recent advances and other topics of interest in the field of artificial intelligence selected by the instructor.

06048343 : SELECTED TOPICS IN ARTIFICIAL INTELLIGENCE 3 [หัวข้อคัดสรรด้านปัญญาประดิษฐ์ 3]

This course will cover recent advances and other topics of interest in the field of artificial intelligence selected by the instructor.

หมวดวิชาเลือกด้านการวิเคราะห์เชิงธุรกิจ

06048401 : STATISTICS FOR BUSINESS ANALYTICS [สถิติสำหรับการวิเคราะห์เชิงธุรกิจ]

วิชาบังคับก่อน (Prerequisite) : ไม่มี (None)
หน่วยกิต (บรรยาย-ปฏิบัติ-ศึกษาด้วยตนเอง) : 3 (3-0-6)
แนะนำการวิเคราะห์ข้อมูลเชิงธุรกิจและการตัดสินใจ การรวบรวมข้อมูล การสำรวจข้อมูล และการสรุปข้อมูล การประมาณค่าแนวโน้มและความเบี่ยงเบนของข้อมูล การอนุมานเชิงสถิติ การวิเคราะห์เชิงถดถอย การพยากรณ์ และอนุกรมเวลา การหาค่าที่เหมาะสมที่สุด การสร้างแบบจำลองสถานการณ์ การวิเคราะห์ข้อมูลชั้นสูง โปรแกรมทางสถิติ

Introduction to business data analytics and decision making; gathering data, exploring data, and summarizing data; estimation of data tendency and variance; statistical inference; regression analysis; forecasting and time series; optimization; simulation modeling; advanced data analysis; statistical programming.

06048402 : DATABASE DESIGN AND QUERY [การคิวรี่และออกแบบฐานข้อมูล]

วิชาบังคับก่อน (Prerequisite) : ไม่มี (None)
หน่วยกิต (บรรยาย-ปฏิบัติ-ศึกษาด้วยตนเอง) : 3 (3-0-6)
แนะนำฐานข้อมูลและระบบจัดการฐานข้อมูล ระบบแฟ้มข้อมูล ระบบฐานข้อมูลและสภาพแวดล้อม ระบบจัดการฐานข้อมูล ชนิดของฐานข้อมูล แบบจำลองข้อมูล แบบจำลองฐานข้อมูลเชิงสัมพันธ์ ตาราง คีย์ กฎบูรณ-ภาพ พจนานุกรมข้อมูล แบบจำลองความสัมพันธ์ระหว่าง เอนทิตี นอร์มัลไลซ์เซชัน ภาษาเอสคิวแอล แนะนำการจัดการทรานแซคชันและการบริหารฐานข้อมูล แนะนำระบบฐานข้อมูลแบบไม่ใช่เชิงสัมพันธ์

Introduction to the database and DBMS; file systems; database systems and environment; database management systems; types of databases; data models; relational database model; tables, keys; integrity rules; data dictionary; entity relationship model; normalization; SQL; Introduction to transaction management and database administration; introduction to NoSQL database.

06048403 : SOCIAL NETWORK ANALYTICS [การวิเคราะห์เครือข่ายสังคม]

วิชาบังคับก่อน (Prerequisite) : ไม่มี (None)
หน่วยกิต (บรรยาย-ปฏิบัติ-ศึกษาด้วยตนเอง) : 3 (3-0-6)
การทบทวนแนวคิดกราฟและเครือข่าย ระเบียบวิธีและกระบวนการวิเคราะห์เครือข่าย การสร้างภาพเครือข่ายศูนย์กลางเครือข่าย การตรวจจับชุมชน มาตรวัดเครือข่าย แบบจำลองและการจำลองวิวัฒนาการของเครือข่าย กลุ่มย่อยและคลิก การจัดกลุ่ม อิทธิพล การสร้างแบบจำลองอิทธิพล พลวัตของเครือข่ายสมมติฐานเครือข่าย กราฟสุ่ม โครงการจำลองเครือข่ายสังคม

Review of graph and network concepts; the network analysis process and methodology; network visualization, network centrality, community detection, network measures; models and simulation of network evolution; subgroups and cliques, clustering, influentials, modeling influential; network dynamics; network hypotheses; random graphs; social network simulation project.

06048404 : BIG DATA ANALYTICS AND ENGINEERING [วิศวกรรมข้อมูลและการวิเคราะห์ข้อมูลขนาดใหญ่]

วิชาบังคับก่อน (Prerequisite) : ไม่มี (None)
หน่วยกิต (บรรยาย-ปฏิบัติ-ศึกษาด้วยตนเอง) : 3 (3-0-6)
พื้นฐานของข้อมูลขนาดใหญ่ การออกแบบโครงสร้างและระบบข้อมูลขนาดใหญ่ การพัฒนา การซ่อมบำรุง และการทดสอบในระบบข้อมูลขนาดใหญ่ พื้นฐานคลังข้อมูลและเทคโนโลยีฐานข้อมูลไม่เชิงสัมพันธ์ การใช้งานเทคโนโลยีพื้นฐานบนฮาร์ดูป การประมวลผลแบบแมบรีดิ้ว ไฮฟ์ มองโกดีบี คราฟค่า สปาร์ค และความรู้เกี่ยวกับการเขียนโปรแกรมด้วยภาษาไพธอน

Fundamental of big data; designing big data infrastructure and system; big data developing, maintaining, and testing; background in data warehousing and NoSQL technology; using Hadoop-based technology; MapReduce, Hive, MongoDB, Kafka, Spark; and knowledge of coding in Python.

06048405 : DATA MINING [การทำเหมืองข้อมูล]

วิชาบังคับก่อน (Prerequisite) : ไม่มี (None)
หน่วยกิต (บรรยาย-ปฏิบัติ-ศึกษาด้วยตนเอง) : 3 (3-0-6)
สถาปัตยกรรมการทาเหมืองข้อมูล การกำาหนดแหล่งข้อมูล การจัดเตรียมข้อมูลการประมวลผลก่อนการทำเหมืองข้อมูล การเข้าใจลักษณะของข้อมูลที่จะขุดหา การทำความรู้จักและการวิเคราะห์ข้อมูล วิธีทางสถิติที่ใช้ในการคาดคะเน และการทำนาย การจำแนกโดยการเทียบเคียงกับข้อมูลเพื่อนบ้านใกล้เคียง ต้นไม้ตัดสินใจ เครือข่ายใยประสาทเทียม การจัดกลุ่มโดยวิธีลำดับชั้นและวิธีเคมีน กฎความสัมพันธ์ เทคนิคการประเมินผลโมเดล กรณีศึกษาการนำเหมืองข้อมูลไปใช้งาน

Architectures of data mining, source of data, preprocessing the data before mining, understanding type of data to be mined, data exploration and analysis, statistical approaches on estimation and prediction, k-nearest neighbor algorithm, decision trees, neural networks, hierarchical and k-means clustering, association rules, model evaluation techniques, and case studies

06048406 : DATA WAREHOUSING AND STANDARDIZATION [การจัดทำคลังข้อมูลและมาตรฐานข้อมูล]

วิชาบังคับก่อน (Prerequisite) : ไม่มี (None)
หน่วยกิต (บรรยาย-ปฏิบัติ-ศึกษาด้วยตนเอง) : 3 (3-0-6)
Data warehousing concepts; Comparing operational database to data warehouse; Data warehousing system and components; Data transformation process functions; Online analytical processing (OLAP) and OLAP tools; Data warehousing applications

06048407 : BUSINESS INTELLIGENCE AND DATA VISUALIZATION [อัจฉริยะทางธุรกิจและการแสดงข้อมูลด้วยแผนภาพ]

วิชาบังคับก่อน (Prerequisite) : ไม่มี (None)
หน่วยกิต (บรรยาย-ปฏิบัติ-ศึกษาด้วยตนเอง) : 3 (3-0-6)
หลักการการแสดงข้อมูลด้วยแผนภาพ การออกแบบการแสดงข้อมูลด้วยแผนภาพ เครื่องมือที่ใช้ การแสดงข้อมูลด้วยแผนภาพ การได้มาซึ่งข้อมูล การจัดระเบียบข้อมูล การเลือกแผนภูมิต่างๆ ที่เหมาะสม เช่น ฮีทโตรแกรม แผนภูมิการกระจาย แผนภูมิเส้น แผนภูมิแท่ง แผนภูมิวงกลม แผนภูมิต้นไม้ แผนภูมิแบบเครือข่าย กราฟสตรีม แผนภูมิตัวชี้วัดผลงาน แผนที่ แผนภูมิแบบปฏิสัมพันธ์ การอธิบายแผนภูมิ

Principles of data visualization; data visualization design; data visualization tools; data acquisition; data organization; choosing the appropriate chart type, e.g., histogram, scatter plot, line chart, bar chart, pie chart, tree diagram, network chart, stream graph, KPI Chart, map, interaction chart; chart description.

06048408 : ROBOT PROCESS AUTOMATION [กระบวนการอัตโนมัติของหุ่นยนต์]

วิชาบังคับก่อน (Prerequisite) : ไม่มี (None)
หน่วยกิต (บรรยาย-ปฏิบัติ-ศึกษาด้วยตนเอง) : 3 (3-0-6)
Robotic Process Automation (RPA) นำเสนอความรู้ที่ครอบคลุมและทักษะที่เน้นการวิเคราะห์ ออกแบบและพัฒนาซอฟต์แวร์หุ่นยนต์เพื่อทำให้กระบวนการทางธุรกิจถูกปฏิบัติงานได้อย่างอัตโนมัติ ซึ่งอาศัยทักษะการเขียนโปรแกรมขั้นพื้นฐานและแนวคิด RPA

Robotic Process Automation (RPA) offers comprehensive knowledge and analytical and design skill to develop robotic software to automate business processes. This relies on basic programming skills and RPA concepts.

06048409 : BLOCK CHAIN TECHNOLOGY AND APPLICATIONS [เทคโนโลยีบล็อกเชนและงานประยุกต์]

วิชาบังคับก่อน (Prerequisite) : ไม่มี (None)
หน่วยกิต (บรรยาย-ปฏิบัติ-ศึกษาด้วยตนเอง) : 3 (3-0-6)
บล็อกเชนเบื้องต้น บัญชีแยกประเภทแบบกระจาย คุณสมบัติเบื้องต้น การพิสูจน์งาน บัญชีแยกประเภทธุรกรรมทนทาน ประเด็นความเป็นส่วนตัว ประเด็นการปรับขนาดได้ บล็อกเชนในรูปแบบแพล็ตฟอร์ม สมาร์ตคอนแทรค การประยุกต์ใช้บล็อกเชน บิทคอยน์และสกุลเงินคริปโต เทคนิคทางเลือกสำหรับการพิสูจน์งาน การวิเคราะห์โพรโทคอลบล็อคเชน

Introduction to blockchain; Distributed ledger; Basic properties; Proof of work; Robust transaction ledgers; Privacy issues; Scalability issues; Blockchain as a platform; Smart contracts; Blockchain applications; Bitcoin and cryptocurrencies; Alternative techniques to proof of work; Analysis of blockchain protocols

06048410 : ARTIFICIAL INTELLIGENCE IN FINTECH [ปัญญาประดิษฐ์ในงานฟินเทค]

วิชาบังคับก่อน (Prerequisite) : ไม่มี (None)
หน่วยกิต (บรรยาย-ปฏิบัติ-ศึกษาด้วยตนเอง) : 3 (3-0-6)
วิชานี้จะศึกษาถึงหัวข้อและความก้าวหน้าทางวิชาการด้านการใช้ปัญญาประดิษฐ์ในงานฟินเทค โดยอาจารย์ผู้สอนเป็นผู้คัดเลือก

This course will cover recent advances and topics of interest in the field of artificial intelligence application in fintech selected by the instructor.

06048411 : ARTIFICIAL INTELLIGENCE IN SUPPLY CHAIN [ปัญญาประดิษฐ์ในห่วงโซ่อุปทาน]

วิชาบังคับก่อน (Prerequisite) : ไม่มี (None)
หน่วยกิต (บรรยาย-ปฏิบัติ-ศึกษาด้วยตนเอง) : 3 (3-0-6)
วิชานี้จะศึกษาถึงหัวข้อและความก้าวหน้าทางวิชาการด้านการใช้ปัญญาประดิษฐ์ในงานห่วงโซ่อุปทาน โดยอาจารย์ผู้สอนเป็นผู้คัดเลือก

This course will cover recent advances and topics of interest in the field of artificial intelligence application in supply chain selected by the instructor.

06048412 : ARTIFICIAL INTELLIGENCE IN AGRICULTURE [ปัญญาประดิษฐ์ในงานการเกษตร]

วิชาบังคับก่อน (Prerequisite) : ไม่มี (None)
หน่วยกิต (บรรยาย-ปฏิบัติ-ศึกษาด้วยตนเอง) : 3 (3-0-6)
วิชานี้จะศึกษาถึงหัวข้อและความก้าวหน้าทางวิชาการด้านการใช้ปัญญาประดิษฐ์ในงานเกษตรกรรม โดยอาจารย์ผู้สอนเป็นผู้คัดเลือก

This course will cover recent advances and topics of interest in the field of artificial intelligence application in agriculture selected by the instructor.

06048413 : ARTIFICIAL INTELLIGENCE IN PRIVATE AND PUBLIC ADMINSTRATION [ปัญญาประดิษฐ์ในงานการบริหารภาครัฐและเอกชน]

วิชาบังคับก่อน (Prerequisite) : ไม่มี (None)
หน่วยกิต (บรรยาย-ปฏิบัติ-ศึกษาด้วยตนเอง) : 3 (3-0-6)
วิชานี้จะศึกษาถึงหัวข้อและความก้าวหน้าทางวิชาการด้านการใช้ปัญญาประดิษฐ์ในการบริหารภาครัฐและเอกชน โดยอาจารย์ผู้สอนเป็นผู้คัดเลือก

This course will cover recent advances and topics of interest in the field of artificial intelligence application in private and public administration selected by the instructor.

06048441 : SELECTED TOPICS IN BUSINESS ANALYTICS 1 [หัวข้อคัดสรรด้านการวิเคราะห์เชิงธุรกิจ 1]

วิชาบังคับก่อน (Prerequisite) : ไม่มี (None)
หน่วยกิต (บรรยาย-ปฏิบัติ-ศึกษาด้วยตนเอง) : 3 (3-0-6)
วิชานี้จะศึกษาถึงหัวข้อและความก้าวหน้าทางวิชาการด้านการวิเคราะห์เชิงธุรกิจที่น่าสนใจ โดยอาจารย์ผู้สอนเป็นผู้คัดเลือก

This course will cover recent advances and other topics of interest in the field of business analytics selected by the instructor

06048442 : SELECTED TOPICS IN BUSINESS ANALYTICS 2 [หัวข้อคัดสรรด้านการวิเคราะห์เชิงธุรกิจ 2]

วิชาบังคับก่อน (Prerequisite) : ไม่มี (None)
หน่วยกิต (บรรยาย-ปฏิบัติ-ศึกษาด้วยตนเอง) : 3 (3-0-6)
วิชานี้จะศึกษาถึงหัวข้อและความก้าวหน้าทางวิชาการด้านการวิเคราะห์เชิงธุรกิจ ที่น่าสนใจ โดยอาจารย์ผู้สอนเป็นผู้คัดเลือก

This course will cover recent advances and other topics of interest in the field of business analytics selected by the instructor.

06048443 : SELECTED TOPICS IN BUSINESS ANALYTICS 3 [หัวข้อคัดสรรด้านการวิเคราะห์เชิงธุรกิจ 3]

วิชาบังคับก่อน (Prerequisite) : ไม่มี (None)
หน่วยกิต (บรรยาย-ปฏิบัติ-ศึกษาด้วยตนเอง) : 3 (3-0-6)
วิชานี้จะศึกษาถึงหัวข้อและความก้าวหน้าทางวิชาการด้านการวิเคราะห์เชิงธุรกิจ ที่น่าสนใจ โดยอาจารย์ผู้สอนเป็นผู้คัดเลือก

This course will cover recent advances and other topics of interest in the field of business analytics selected by the instructor.