เทคนิคการวิเคราะห์เบื้องต้น (ตอนที่ 2) | Introduction to Analysis Techniques (Part 2)
Offered By: King Mongkut's University of Technology Thonburi via ThaiMOOC
Course Description
Overview
คำอธิบายรายวิชา รายวิชานี้ประกอบด้วย 2 ตอน ผู้เรียนจะได้เรียนรู้ หลักการวิเคราะห์ข้อมูลด้วยเทคนิคต่างๆ และสามารถเลือกใช้เทคนิคในการวิเคราะห์ได้อย่างถูกต้อง โดยในตอนที่ 2 นี้จะมุ่งเน้นในเรื่องสหสัมพันธ์ การวิเคราะห์การถดถอยเชิงเส้น การวิเคราะห์การถดถอยโลจิสติก และการพยากรณ์อนุกรมเวลา โดยเรียนรู้ผ่านโปรแกรม MS Excel จำนวนชั่วโมงเรียนรู้ จำนวนชั่วโมงเรียนรู้ทั้งหมด 15 ชั่วโมงเรียนรู้ (จำนวนชั่วโมงสื่อวีดิทัศน์ 10 ชั่วโมง 28 นาที) วัตถุประสงค์การเรียนรู้ LO1 : ผู้เรียนสามารถสร้างสมการถดถอยเชิงเส้นและแปลผลการวิเคราะห์ได้อย่างถูกต้อง LO2 : ผู้เรียนสามารถสร้างสมการถดถอยโลจิสติกและแปลผลการวิเคราะห์ได้อย่างถูกต้อง LO3 : ผู้เรียนสามารถสร้างตัวแบบการพยากรณ์อนุกรมเวลาได้อย่างถูกต้อง คุณสมบัติผู้เรียน นักเรียน นักศึกษา และประชาชนทั่วไป ทุกเพศ ทุกวัย ที่สนใจสามารถเรียนได้ เกณฑ์การวัดผล แบบทดสอบก่อนเรียน 0% แบบทดสอบระหว่างเรียนทุกบท 60% แบบทดสอบหลังเรียน (Final Exam) 40% ผู้เรียนมีคะแนนรวมทั้งหมดไม่ต่ำกว่า 70% ถือว่าผ่านเกณฑ์เพื่อรับประกาศนียบัตรในระบบได้ ทีมผู้รับผิดชอบรายวิชา MOOC อาจารย์ผู้รับผิดชอบรายวิชาหลัก ผศ.ดร.สุขุมาล สาริกะวณิช ภาควิชาคณิตศาสตร์ คณะวิทยาศาสตร์ มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าธนบุรี อาจารย์ผู้รับผิดชอบรายวิชาร่วม ดร.ณภัทณ์จันทร์ ด่านสวัสดิ์ ภาควิชาคณิตศาสตร์ คณะวิทยาศาสตร์ มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าธนบุรี อาจารย์ผู้รับผิดชอบรายวิชาร่วม ผศ.ดร.ณรรฐคุณ วิรุฬห์ศรี ภาควิชาคณิตศาสตร์ คณะวิทยาศาสตร์ มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าธนบุรี อาจารย์ผู้รับผิดชอบรายวิชาร่วม ดร.พรทิพย์ เดชพิชัย ภาควิชาคณิตศาสตร์ คณะวิทยาศาสตร์ มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าธนบุรี ช่องทางติดต่อทีมผู้สอน e-Mail [email protected] เบอร์ 024708910 Creative commons สัญญาอนุญาตสิทธิ์ “สื่อการสอนนี้เป็นส่วนหนึ่งของโครงการ Thai MOOC (thaimooc.org) และเผยแพร่ภายใต้สัญญาอนุญาตสิทธิ์แบบ Creative Commons ด้วยเงื่อนไข CC BY NC SA”
Tags
Related Courses
Social Network AnalysisUniversity of Michigan via Coursera Intro to Algorithms
Udacity Data Analysis
Johns Hopkins University via Coursera Computing for Data Analysis
Johns Hopkins University via Coursera Health in Numbers: Quantitative Methods in Clinical & Public Health Research
Harvard University via edX