ก้าวสำคัญสู่การเป็น
Data Scientist

อัดแน่นตลอด 16~18 ชั่วโมง ทั้งเนื้อหา แบบฝึกหัด และสองโปรเจกต์จากข้อมูลจริง ให้คุณพร้อมต่อยอดไปเป็น Data Scientist อย่างมั่นใจ

สมัครเรียนเลย


วิดีโอแนะนำ Essential pandas for Data Science

เรียนครบสูตรการทำงาน

Project Setup

รู้หรือไม่? Data Scientist ใช้เวลากับการทำความสะอาด และเตรียมข้อมูล (Data Preparation) มากที่สุดในการทำงานแต่ละโปรเจกต์
(Source: Forbes Magazine)

ตั้งคำถามเพื่อกำหนดทิศทางของโปรเจกต์ และเริ่มเก็บข้อมูล

Data Preparation

นำเข้าข้อมูลจาก Sources ต่างๆ แล้วทำความสะอาด พร้อมปรับรูปแบบข้อมูลให้พร้อมนำไปใช้งานต่อ

Result Delivery

นำ Insights ที่ได้จากการวิเคราะห์ไปใช้ตัดสินใจในขั้นตอนต่อไป

Data Analysis

วิเคราะห์ข้อมูล หาค่าทางสถิติ ค่าความสัมพันธ์ระหว่างตัวแปรต่างๆ พร้อม Visualize ให้เข้าใจง่ายขึ้น

Data Science Project

จัดเต็มกับ

2 โปรเจกต์ที่ใช้ข้อมูลจริง!!

ข้อมูล Facebook Page : Skooldio

ตัวอย่างคำถาม

- 10 อันดับโพสต์ที่ Engagement ดี คือโพสต์ไหนบ้าง?

- โพสต์ประเภทรูปภาพกับวิดีโอ แบบไหนดีกว่า?

- โพสต์เวลาไหนดีที่สุด?

- Keyword ไหนในข้อความที่ทำให้ Engagement ดี?

- ข้อความยิ่งยาว Engagement ยิ่งดี จริงหรือเปล่า?

ข้อมูลยอดขายบนแพลตฟอร์ม Lazada

ตัวอย่างคำถาม

- ยอดขายส่วนใหญ่ มีค่าส่งแพงหรือเปล่า?
- สินค้าแต่ละประเภท ลูกค้าชอบจ่ายเงินด้วยวิธีไหนมากกว่ากัน?
- ค่าเฉลี่ยยอดซื้อต่อออเดอร์เป็นยังไงบ้าง?
- ลูกค้าแต่ละจังหวัดนิยมซื้อผลิตภัณฑ์ประเภทใดมากน้อยกว่ากัน?

  • ปริญญาโท สาขา Learning, Design and Technology, Graduate School of Education (GPA 4.00) - Stanford University
  • ปริญญาตรี สาขา Physics (GPA 3.99 with Distinction) - Stanford University
  • เหรียญเงิน การแข่งขันฟิสิกส์โอลิมปิก ระดับโลก ประจำปี 2552 ณ ประเทศเม็กซิโก

ประวัติการศึกษาและเกียรติประวัติ

  • Data Scientist ที่ INFINITAS by Krungthai
  • Edtech Designer - Learn Corporation
  • Physics Tutor - OnDemand Education

ประวัติการทำงาน

คุณเกรท สรณภพ เทวปฏิคม

เรียนกับ Data Scientist ตัวจริง

เนื้อหาที่จะได้เรียนในคอร์สนี้

Introduction

เข้าใจภาพรวมของกระบวนการทำงาน Data Science Project ซึ่งเป็น Iterative Process พร้อมรู้จักกับเครื่องมือสำหรับฝึกเขียน Code ไปจนถึงใช้งานจริงด้วย “Google Colaboratory” (ใช้งานง่าย ผ่าน Browser ไม่ต้องลงโปรแกรม!)

เรียนรู้ NumPy เน้นปูพื้นฐานสำคัญ เพื่อต่อยอดไปวิเคราะห์ข้อมูลด้วย pandas ตัว NumPy มีจุดเด่นในด้าน Scientific Computing และมีความสามารถในการสร้าง Multidimensional Array เพื่อใช้ในการจัดการกับข้อมูลรูปแบบต่างๆ

NumPy

เรียนรู้การใช้งานเบื้องต้น ตั้งแต่นำข้อมูลเข้า (Import) ตรวจสอบ (Inspect) เรียกดูข้อมูลตามเงื่อนไขที่สนใจ จากนั้นจึงทำการดัดแปลงข้อมูล (Transform) สรุปข้อมูลเป็นค่าวัดต่างๆ Group ของข้อมูลตามมุมมองที่สนใจ (Aggregate) และเป็นการนำเสนอข้อมูล (Visualize) ด้วยกราฟชนิดต่างๆ

จำลองการทำงานจริง ตั้งแต่การนำข้อมูลจาก Excel หรือ Formats อื่นๆ (Import) วิธีรับมือปัญหาข้อมูลมีค่าว่างและการจัดการรูปแบบต่างๆ ที่เหมาะสม (Clean Data) การใช้ฟังก์ชันที่กำหนดเอง ในการจัดแต่งข้อมูล (Transform) การสรุปข้อมูลรูปแบบอื่นๆ เช่น Pivot Table หรือ Crosstab ไปจนถึงการต่อหรือเชื่อมโยงตาราง (Aggregate) และปิดท้ายด้วยการปรับแต่งการนำเสนอด้วยกราฟต่างๆ เพื่อ explore หรือ present ข้อมูล (Visualize)

Basic pandas

Practical pandas

ท้ายเนื้อหาในแต่ละบทเรียน ผู้เรียนจะได้เห็นภาพการทำงานจริงผ่าน Demo ซึ่งผู้สอนจะทำการสอนและ Run Code จริง จากนั้นผู้เรียนสามารถใช้ Demo Practice ในการฝึกเขียนและ Run code ไปพร้อมกับเนื้อหาที่เรียน เห็นผลลัพธ์ทันที เป็นการเรียนรู้และฝึกฝนให้สามารถนำไปประยุกต์ใช้ตามโจทย์ที่เจอหรือผลลัพธ์ที่ต้องการได้

Demo Practice

Self Practice

ฝึกฝีมือเพื่อย้ำหรือเช็กความเข้าใจในบทเรียนทั้งหมดผู้เรียนจะได้ลงมือทำเอง เขียน Code เอง โดยมี Notebook ที่จะอธิบายชุดข้อมูลต่างๆ และกำหนดโจทย์ ไปจนถึงบอกใบ้วิธีการ ให้ผู้เรียนได้ฝึกคิด ฝึกหาคำตอบด้วยตนเอง ซึ่งผู้สอนได้เตรียมคำตอบพร้อมคำอธิบายอย่างละเอียดไว้ให้ เพื่อเช็กความถูกต้องและเสริมความเข้าใจไว้ให้อีกด้วย

เนื้อหาคอร์ส

Essential pandas for Data Science

  • Introduction to NumPy
  • Why use NumPy?
  • Overview of NumPy

NumPy - Introduction

  • Welcome to the Course
  • Introduction to FB post's usecase
  • Data Science Project Workflow
  • Introducing Google Colab

Introduction

  • How to create an ndarray?
  • [Quiz] NumPy - ndarray

NumPy ndarray

  • Individual Column Summarization
  • GroupBy: Split-Apply-Combine8:13
  • GroupBy: Multiple-Keys
  • GroupBy: Multiple Aggregations with .agg()
  • [Quiz] Basic pandas - Aggregating and Summarizing Data

Basic pandas - Aggregating and Summarizing Data

  • Overview of Basic Operations
  • Arithmetic
  • Statistics
  • Sorting
  • [Quiz] NumPy - Basic Operations

NumPy - Basic Operations

Practical pandas - Working with more Data Formats

  • Create a DataFrame from Scratch
  • Importing an Excel File
  • Saving a DataFrame
  • [Quiz] Practical pandas - Working with More Data Formats

NumPy - Indexing and slicing

  • Overview of Indexing and Slicing
  • Basic Indexing
  • Basic Slicing
  • Boolean Indexing
  • [Quiz] NumPy - Indexing and Slicing

NumPy - 2D Array

  • Overview of 2D Array
  • Creating a 2D Array
  • Playing with Axis
  • Indexing and Slicing a 2D Array
  • [Quiz] NumPy - 2D Array
  • Overview of Importing and Inspecting Data
  • Introducing Datasets in CSV
  • Import a Simple .csv File
  • Mount drive on Google Colab
  • Inspecting a DataFrame
  • Viewing Columns
  • Indexing a DataFrame
  • Filtering a DataFrame with Boolean Conditions
  • Sorting DataThe 'inplace' parameter
  • [Quiz] Basic pandas - Importing and Inspecting Data

Basic pandas - Importing and Inspecting Data

  • Overview of Transforming Data
  • Transforming Numerical Data
  • Transforming Sting
  • Transforming Datetime Data
  • [Quiz] Basic pandas - Transforming Data

Basic pandas - Transforming Data

Basic pandas - Visualizing Data

  • One-Variable Plots
  • Categorical x Numerical Plots
  • Numerical x Numerical Plots
  • Time-Series Plots
  • Basic Plot Adjustments
  • [Quiz] Basic pandas - Visualizing Data
  • Renaming Columns
  • Dealing with Missing Values + Introducing Kaggle's Titanic Dataset
  • Dealing with Missing Values (How?)
  • Summary of Dealing with Missing Values
  • Replacing Values
  • Dropping Duplicates
  • Formatting Data Types
  • [Quiz] Practical pandas - Cleaning Data

Practical pandas - Cleaning Data

  • Applying Custom Functions
  • [Quiz] Practical pandas - Applying Custom Functions

Practical pandas - Applying Custom Functions

Practical pandas - Performing Advanced Aggregations

  • Overview of Performing Advanced Aggregations
  • Customized GroupBy
  • Introduction to Pivot Table
  • Cross Tabulation
  • [Quiz] Practical pandas - Performing Advanced Aggregations

Practical pandas - Concatenating and Joining Tables

  • Concatenating and Joining Tables: Concatenating Table
  • Concatenating and Joining Tables: Joining Tables
  • [Quiz] Practical pandas - Concatenating and Joining Tables
  • Introducing to Practical pandas Practice
  • Recap + Congratulations!

Summary

ฝึกฝนและอ่านคำอธิบายละเอียด

ผ่าน Google Colaboratory

Essential pandas for Data Science

3,490 บาท

วิเคราะห์ข้อมูลแบบครบสูตรด้วย

สมัครเรียนเลย

Essential pandas for Data Science

2,490 บาท

จากราคาปกติ 3,490 บาท

วิเคราะห์ข้อมูลแบบครบสูตรด้วย

โดยใช้โค้ดส่วนลดพิเศษ PAN_SA
เมื่อสมัครภายในวันที่ 31 ธ.ค. 64 (สำหรับลูกค้าบุคคลธรรมดาเท่านั้น)

สมัครเรียนเลย
Days
Hours
Minutes
Seconds

*สำหรับผู้ที่ได้ลงทะเบียนมาก่อนล่วงหน้าสามารถดูโค้ดส่วนลดพิเศษของท่านได้ใน Email*

© Skooldio 2022

ติดตามเรา