APPLIED MACHINE LEARNING

Undergraduate
3 Credits (2-2-5)

06026211: APPLIED MACHINE LEARNING

กระบวนการทำเหมืองข้อมูล การแบ่งกลุ่มข้อมูล การแบ่งกลุ่มแบบเคมีน การแบ่งกลุ่มแบบเด็นซิตี้ การตรวจสอบค

Description

กระบวนการทำเหมืองข้อมูล การแบ่งกลุ่มข้อมูล การแบ่งกลุ่มแบบเคมีน การแบ่งกลุ่มแบบเด็นซิตี้ การตรวจสอบความเหมาะสมของการแบ่งกลุ่มข้อมูล การจัดกลุ่มข้อมูล ต้นไม้ตัดสินใจ โครงข่ายประสาทเทียม เคเนียร์เรสเนเบอร์ เทคนิคที่ใช้แบบจำลองการจัดกลุ่มข้อมูล หลายๆ แบบจำลอง การตรวจสอบความถูกต้องและการประเมินแบบจำลอง การค้นหากฎความสัมพันธ์ของข้อมูล อพริโอริอัลกอริทึม เอฟพีทีอัลกอริทึม การสืบค้นรูปแบบลำดับเหตุการณ์ การวิเคราะห์แบบให้คำแนะนำ เครื่องมือการทำเหมืองข้อมูลต่างๆ กระบวนการทำเอ็มแอลอีอพ การประยุกติ์ใช้งานเหมืองข้อมูล

Data mining process, Database Segmentation: K-means, Density Based Clustering, Cluster Validation, Classification: Decision Trees, Neural Networks, K-Nearest Neighbor, Ensemble Classifier, Model Validation and Evaluation, Association Rule Discovery: Ariori Algorithm, FPT Algorithm, Sequential Pattern Discovery, Prescriptive Analytics, Data Mining Tools, MLOps Lifecycle, Data Mining Applications.

Course Details

Credits

3 Credits (2-2-5)

Level

Undergraduate