จัดการเรียนการสอนแบบโมดูล (Modular Education) 7 โมดูล
M1: Data Science Foundation
32211165 วิทยาการข้อมูลเบื้องต้น
32211265 การจัดการธุรกิจดิจิทัล
32211365 คณิตศาสตร์สําหรับวิทยาการข้อมูล
89011164 การโปรแกรมสำหรับปัญญาประดิษฐ์
Module Leaning Outcome (MLO)
MLO1.1
อธิบายความสำคัญของวิทยาการข้อมูลที่มีต่อการกำหนดทิศทางของธุรกิจได้
MLO1.2
อธิบายหลักการพื้นฐานทางคณิตศาสตร์ ธุรกิจ และเขียนโปรแกรมคอมพิวเตอร์ สำหรับงานด้านวิทยาการข้อมูลได้
นิสิตที่ผ่านการทดสอบ Data Science Foundation จะได้รับเกียรติบัตร Data Science Foundation
M2: Structured Data Analyst
32212165 สถิติเบื้องต้นสำหรับวิทยาการข้อมูล
32212265 ซอฟต์แวร์ประยุกต์ในการวิเคราะห์เชิงธุรกิจ
88624064 ฐานข้อมูลเชิงสัมพันธ์
89022164 การโปรแกรมเพื่อการวิเคราะห์ข้อมูล
Module Leaning Outcome (MLO)
MLO2.1
ออกแบบฐานข้อมูลแบบมีโครงสร้างสำหรับการเขียนโปรแกรมเพื่อวิเคราะห์ข้อมูลเบื้องต้นได้
MLO2.2
ใช้โปรแกรมสำเร็จรูปหรือไลบรารี่ในภาษาโปรแกรมในการคำนวณสถิติเชิงพรรณาได้
นิสิตที่ผ่านการทดสอบ Structured Data Analyst จะได้รับเกียรติบัตร Structured Data Analyst
M3: Data Interpreter
32223165 จริยธรรมข้อมูลและธรรมาภิบาลข้อมูล
88625064 ระบบข่าวกรองธุรกิจและการออกแบบคลังข้อมูล
32223365 การสร้างมโนภาพข้อมูลและสถิติกราฟฟิก
32223465 การตลาดดิจิทัล
Module Leaning Outcome (MLO)
MLO3.1
เลือกรายการข้อมูลและเลือกวิธีในการสร้างมโนภาพข้อมูลได้อย่างเหมาะสมกับบริบทที่ต้องการ โดยคำนึงถึงหลักกฎหมายปัจจุบันข้อมูลได้
MLO3.2
อธิบายประเด็นปัญหาทางธุรกิจเพื่อการวางแผนการตลาดได้
MLO3.3
จัดทำรายงานสรุปการแปลผลข้อมูลให้เข้าใจง่ายทั้งในภาษาไทยและภาษาอังกฤษ
นิสิตที่ผ่านการทดสอบ Data Interpreter จะได้รับเกียรติบัตร Data Interpreter
M4: Diagnostic Data Analyst
32224165 พีชคณิตเชิงเส้นสําหรับวิทยาการข้อมูล
32224265 ความน่าจะเป็นสำหรับวิทยาการข้อมูล
32224365 ทฤษฎีการตัดสินใจ
32235165 การวิเคราะห์การถดถอย
Module Leaning Outcome (MLO)
MLO4.1
ประยุกต์ความรู้ทางคณิตศาสตร์และสถิติในการจำแนกข้อมูลเพื่อการตัดสินใจได้
นิสิตที่ผ่านการทดสอบ Diagnostic Data Analyst จะได้รับเกียรติบัตร Diagnostic Data Analyst
M5: Predictive Data Analyst
32224465 การวิเคราะห์หลายตัวแปรเชิงประยุกต์
32235265 เทคนิคการพยากรณ์และการประยุกต์
32235365 ระเบียบวิธีวิจัย
32235465 การจัดการธุรกิจด้วยข้อมูลขนาดใหญ่
Module Leaning Outcome (MLO)
MLO5.1
ประยุกต์ความรู้ทางคณิตศาสตร์และสถิติในสร้างแบบจำลองทางคณิตศาสตร์เพื่อพยากรณ์แนวโน้มในอนาคตได้
MLO5.2
ใช้เครื่องมือในการวิเคราะห์ข้อมูลขนาดใหญ่สำหรับประกอบการตัดสินใจในเชิงธุรกิจ
นิสิตที่ผ่านการทดสอบ Predictive Data Analyst จะได้รับเกียรติบัตร Predictive Data Analyst
M6: Machine Learning Engineer
32236165 คณิตศาสตร์สำหรับการเรียนรู้ของเครื่อง
89033465 ฐานข้อมูลแบบโนเอสคิวแอล
89034565 การทำเหมืองข้อมูลและการประยุกต์
89036565 การประยุกต์การเรียนรู้ของเครื่องสำหรับวิทยาการข้อมูล
Module Leaning Outcome (MLO)
MLO6.1
เขียนโปรแกรมเพื่อสร้างสภาวะแวดล้อมที่สะดวกและมีประสิทธิภาพในการเข้าถึงและจัดเก็บข้อมูลได้
MLO6.2
ใช้ระบบการเรียนรู้ของเครื่อง เพิ่มความรวดเร็วและแม่นยำของการสร้างแบบจำลองได้
นิสิตที่ผ่านการทดสอบ Machine Learning Engineer จะได้รับเกียรติบัตร Structured Data Analyst
M7: Career Journey Starter
30138164 การเตรียมความพร้อมด้านวิชาชีพ
32229165 การเรียนรู้เชิงประจักษ์จากผู้ประกอบการ 1
32239165 การเรียนรู้เชิงประจักษ์จากผู้ประกอบการ 2
32249165 การเรียนรู้เชิงบูรณาการกับการทำงาน
Module Leaning Outcome (MLO)
MLO7.1
ใช้เทคโนโลยีสารสนเทศในการจัดการข้อมูล วิเคราะห์และสังเคราะห์ข้อมูลเพื่อตอบโจทย์ของสถานประกอบการ