หลักสูตรวิทยาศาสตรบัณฑิต สาขาวิชาวิทยาการข้อมูลและการวิเคราะห์ข้อมูล
ฉบับปี พ.ศ. 2565
หลักสูตรวิทยาศาสตรบัณฑิต สาขาวิชาวิทยาการข้อมูลและการวิเคราะห์ข้อมูล
ฉบับปี พ.ศ. 2565
หลักสูตรวิทยาศาสตรบัณฑิต สาขาวิชาวิทยาการข้อมูลและการวิเคราะห์ข้อมูล
หลักสูตรใหม่ พ.ศ. 2565
ภาควิชาคณิตศาสตร์ คณะวิทยาศาสตร์ และ คณะวิทยาการสารสนเทศ
ชื่อปริญญา
ภาษาไทย: วิทยาศาสตรบัณฑิต (วิทยาการข้อมูลและการวิเคราะห์ข้อมูล)
ภาษาอังกฤษ: Bachelor of Science (Data Science and Data Analytics)
อักษรย่อภาษาไทย: วท.บ. (วิทยาการข้อมูลและการวิเคราะห์ข้อมูล)
อักษรย่อภาษาอังกฤษ: B.Sc. (Data Science and Data Analytics)
ปรัชญาหลักสูตร
มุ่งเน้นผลิตบัณฑิตให้มีความรู้ความเข้าใจด้านวิทยาการข้อมูลมีทักษะในการวิเคราะห์ข้อมูลอย่างเชี่ยวชาญ สามารถบูรณาการความรู้ทางด้านคณิตศาสตร์ สถิติ และเทคโนโลยีสารสนเทศในการเลือกใช้ข้อมูล จัดการกับข้อมูล วิเคราะห์ข้อมูลเพื่อตอบโจทย์ทางการตลาดและสังเคราะห์เป็นนวัตกรรมเชิงกลยุทธ์ให้กับภาคธุรกิจและภาคอุตสาหกรรมได้อย่างเหมาะสม โดยคำนึงถึงจริยธรรมทางวิชาชีพ อันนำไปสู่การพัฒนาองค์กรและประเทศชาติได้อย่างยั่งยืน
ผลการเรียนรู้ที่คาดหวังของหลักสูตร
ปฏิบัติตนตามหลักจริยธรรมของนักวิทยาศาสตร์ข้อมูล
อธิบายหลักการทางสถิติ คณิตศาสตร์ คอมพิวเตอร์ และแนวคิดเชิงธุรกิจที่เกี่ยวข้องกับวิทยาการข้อมูลได้
อธิบายประเด็นปัญหาทางธุรกิจโดยใช้พื้นฐานองค์ความรู้ด้านวิทยาการข้อมูลได้
แก้ปัญหาที่เกี่ยวข้องกับงานทางด้านวิทยาการข้อมูล โดยใช้ความรู้พื้นฐานทางคณิตศาสตร์ สถิติและคอมพิวเตอร์ได้
เลือกรายการข้อมูลและแหล่งข้อมูลที่ต้องใช้ในการแก้ปัญหาที่เกิดขึ้นในบริบทต่าง ๆ ได้อย่างถูกต้องและเหมาะสม
ทำงานเป็นทีมทั้งในฐานะผู้นำและผู้ตามที่ดีได้
นำเสนอข้อมูลและผลการวิเคราะห์ข้อมูลในรูปแบบที่เข้าใจง่ายด้วยภาษาไทยและภาษาอังกฤษ
สืบค้นความก้าวหน้าทางเทคโนโลยีหรือนวัตกรรมด้านวิทยาการข้อมูลเพื่อพัฒนาตนเองได้
วิเคราะห์และสังเคราะห์ข้อมูล เพื่อพัฒนาหรือหาทางออกให้กับปัญหาต่าง ๆ ขององค์กรโดยใช้เทคโนโลยีสารสนเทศ
โครงสร้างหลักสูตร (ไม่น้อยกว่า 127 หน่วยกิต)
หมวดวิชาศึกษาทั่วไป จำนวน 30 หน่วยกิต
หมวดวิชาเฉพาะ ไม่น้อยกว่า 91 หน่วยกิต
วิชาเอกบังคับ จำนวน 82 หน่วยกิต
วิชาเอกเลือก ไม่น้อยกว่า จำนวน 9 หน่วยกิต
หมวดวิชาเลือกเสรี ไม่น้อยกว่า 6 หน่วยกิต
รูปแบบการศึกษา
เป็นหลักสูตรระดับปริญญาตรี หลักสูตร 4 ปี
จัดการเรียนการสอนแบบการศึกษาเชิงบูรณาการกับการทำงาน
(Cooperative and Work Integrated Education: CWIE)
จัดการเรียนการสอนแบบโมดูล (Modular Education)
ภาษาที่ใช้จัดการเรียนการสอนเป็นภาษาไทย
จัดการเรียนการสอนแบบโมดูล (Modular Education) 7 โมดูล
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
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
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
32224165 พีชคณิตเชิงเส้นสําหรับวิทยาการข้อมูล
32224265 ความน่าจะเป็นสำหรับวิทยาการข้อมูล
32224365 ทฤษฎีการตัดสินใจ
32235165 การวิเคราะห์การถดถอย
Module Leaning Outcome (MLO)
MLO4.1
ประยุกต์ความรู้ทางคณิตศาสตร์และสถิติในการจำแนกข้อมูลเพื่อการตัดสินใจได้
นิสิตที่ผ่านการทดสอบ Diagnostic Data Analyst จะได้รับเกียรติบัตร Diagnostic 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
32236165 คณิตศาสตร์สำหรับการเรียนรู้ของเครื่อง
89033465 ฐานข้อมูลแบบโนเอสคิวแอล
89034565 การทำเหมืองข้อมูลและการประยุกต์
89036565 การประยุกต์การเรียนรู้ของเครื่องสำหรับวิทยาการข้อมูล
Module Leaning Outcome (MLO)
MLO6.1
เขียนโปรแกรมเพื่อสร้างสภาวะแวดล้อมที่สะดวกและมีประสิทธิภาพในการเข้าถึงและจัดเก็บข้อมูลได้
MLO6.2
ใช้ระบบการเรียนรู้ของเครื่อง เพิ่มความรวดเร็วและแม่นยำของการสร้างแบบจำลองได้
นิสิตที่ผ่านการทดสอบ Machine Learning Engineer จะได้รับเกียรติบัตร Machine Learning Engineer
30138164 การเตรียมความพร้อมด้านวิชาชีพ
32229165 การเรียนรู้เชิงประจักษ์จากผู้ประกอบการ 1
32239165 การเรียนรู้เชิงประจักษ์จากผู้ประกอบการ 2
32249165 การเรียนรู้เชิงบูรณาการกับการทำงาน
Module Leaning Outcome (MLO)
MLO7.1
ใช้เทคโนโลยีสารสนเทศในการจัดการข้อมูล วิเคราะห์และสังเคราะห์ข้อมูลเพื่อตอบโจทย์ของสถานประกอบการ
นักวิทยาศาสตร์ข้อมูล (Data Scientist)
นักวิเคราะห์ข้อมูล (Data Analyst)
นักวิเคราะห์ด้านอัจฉริยะทางธุรกิจ (BI Analyst)
นักพัฒนาคลังข้อมูล (Data Warehouse Developer)
ผู้ดูแลฐานข้อมูล (Database Administrator)
นักพัฒนาข้อมูลเชิงลึกทางธุรกิจ (Business Insight Data Developer)
นักวิจัย (Researcher)
ผู้ประกอบการรับให้คำปรึกษาด้านการวิเคราะห์ข้อมูล (Data Analytics Consultant)
ค่าใช้จ่ายตลอดหลักสูตรแบบเหมาจ่าย 200,000 บาท
(ภาคการศึกษาละ 25,000 บาท)