Embedded Files
หลักสูตร
Python Programming
หลักสูตร
Python Programming
เป็นหลักสูตรที่ดำเนินการภายใต้กลุ่มสาขาวิชาเทคโนโลยีการจัดการระบบสารสนเทศ คณะวิศวกรรมศาสตร์ มหาวิทยาลัยมหิดล มีวัตถุประสงค์เพื่อจัดทำหลักสูตรที่มีเนื้อหาในการเขียนโปรแกรมภาษาไพธอน (Python) เพื่อช่วยในการทำงานทางด้านวิทยาศาสตร์ข้อมูล หรือ Data Science เพื่อที่จะนำไปใช้ในการทำงาน และประกอบอาชีพ รวมทั้งการพัฒนาธุรกิจให้สามารถรองรับการเปลี่ยนแปลงอย่างรวดเร็วในยุคดิจิทัลได้ซึ่งผู้เข้าอบรมจะได้เรียนรู้ทั้งทางทฤษฎี และทดลองปฏิบัติ ทำให้มีความเข้าใจอย่างถ่องแท้ จนสามารถนำไปประยุกต์ใช้กับการทำงานได้จริง
วัตถุประสงค์ (Objective)
1. เพื่อเพิ่มทักษะการเขียนโปรแกรมภาษาไพธอน (Python) ในการทำงาน
2. เพื่อจัดทำหลักสูตรที่มีเนื้อหา และเครื่องมือที่ทันสมัยสามารถนำไปประยุกต์กับการทำงานได้จริง
วิธีการฝึกอบรม
การจัดการอบรมเป็นแบบออนไลน์ ประกอบด้วยการอบรมภาคทฤษฎีผ่าน Google Classroom และการอบรมภาคปฏิบัติผ่านระบบ Teleconference (Zoom)
โดยในแต่ละสัปดาห์ของการอบรมจะมีการทดลองปฏิบัติตามเนื้อหาการอบรม เพื่อที่จะได้เกิดความรู้ และความเข้าใจมากยิ่งขึ้น โดยมีการวัดผล ดังนี้
1. คะแนนจากแบบฝึกหัด (Assignment) ในการฝึกอบรม 80%
โดยผู้เข้าอบรมต้องเข้าอบรมไม่น้อยกว่า 50% ของระยะเรียนทั้งหมด จึงจะผ่านการอบรม และได้รับใบประกาศนียบัตร
โดยมีหลักสูตรการอบรมทั้งหมด 3 หลักสูตร คือ
Basic Python
Programming
Basic Python
Programming
Data Analysis
with Python
Data Analysis
with Python
Machine Learning
with Python
Machine Learning
with Python
หัวข้อการอบรม
Basic Python Programming
อบรมทั้งหมด 6 ครั้ง รวม 18 ชั่วโมง
Week 1
Week 1
- Introduction to Python
- Basic Programming
- Variables, Operators, Built-in Functions
- Print, Precision Width
Week 2
Week 2
- Lists
- Slicing
- Tuples
- Methods
Week 3
Week 3
- Sets
- String
- Dictionaries
- Methods
Week 4
Week 4
- Control Flow Statements- If else, if else
- for and while Loop
Week 5
Week 5
- Functions
- Implicit Arguments
- Lambda Functions
Week 6
Week 6
- Object-Oriented Programming
- Inheritance
- Polymorphism
- Encapsulation
- Abstraction
Data Analysis with Python
อบรมทั้งหมด 4 ครั้ง รวม 12 ชั่วโมง
Week 1
Week 1
- Review of basic Python concepts (data types, variables, control structures, functions)
- Introduction to data analysis with Python
- Installing and using Python libraries for data analysis (NumPy, Pandas, Matplotlib)
- Working with data in NumPy and Pandas
- Importing and exporting data (CSV, Excel, JSON, SQL)
Week 2
Week 2
- Visualizing data with Matplotlib
- Line plots, scatter plots, bar plots, histograms
- Customizing plots (labels, titles, legends, colors, markers)
- More visualization: seaborn for statistical exploration
- Pairplot: scatter matrices
- lmplot: plotting a univariate regression
- Descriptive statistics with Pandas
Week 3
Week 3
- Measures of central tendency (mean, median, mode)
- Measures of dispersion (range, variance, standard deviation)
- Grouping and aggregating data with Pandas
- Grouping by a single column or multiple columns
- Applying functions to groups (mean, sum, count, min, max)
- Statistical analysis with SciPy
- Probability Density Function
- Cumulative Distribution function
- Central Limit Theorem
Week 4
Week 4
- Hypothesis testing: comparing two groups
- Student’s t-test: the simplest statistical test
- Paired tests: repeated measurements on the same individuals
- Analysis of variance (ANOVA)
- Linear/Multiple Regression
Machine Learning with Python
อบรมทั้งหมด 4 ครั้ง รวม 12 ชั่วโมง
Week 1
Week 1
- Introduction to machine learning
- Python libraries for machine learning (NumPy, Pandas, Scikit-learn)
- Regression (linear, logistic, polynomial)
- Evaluation of Regression Models
Week 2
Week 2
- Classification (KNN, decision trees, SVM)
- Evaluation of Classification Models
- Training and testing sets
- Cross-validation
- Metrics (accuracy, precision, recall, f1 score)
Week 3
Week 3
- Unsupervised learning with scikit-learn
- Clustering (K-means, hierarchical)
- Dimensionality reduction
- Anomaly Dection
Week 4
Week 4
- Fine-tuning machine learning models
- Hyper parameter optimization
- Case study : applying machine learning techniques to a real-world dataset (Group)
- Modeling and predicting with supervised and unsupervised learning
- Present Project
วิธีการชำระเงิน
วิธีการชำระเงิน
ค่าลงทะเบียนเข้ารับการอบรม
หลักสูตร Basic python Programming 3,000 บาท
หลักสูตร Data Analysis with Python & Machine Learning with Python 2,000 บาท
1. ชำระเงินสด หรือโอนเงิน เข้าธนาคารไทยพาณิชย์
ชื่อบัญชี : เงินรายได้คณะวิศวกรรมศาสตร์ มหาวิทยาลัยมหิดล เลขบัญชี : 333-279192-7 หรือ
2. ชำระงินด้วยการสั่งจ่ายเช็คในนาม “เงินรายได้คณะวิศวกรรมศาสตร์ มหาวิทยาลัยมหิดล”
Page updated
Google Sites
Report abuse