Info graphics M.5
1.Data Science Process กระบวนการวิทยาการข้อมูล : คือการตั้งคำถาม การเก็บรวบรวมข้อมูล การสำรวจข้อมูล การวิเคราะห์ข้อมูล การสื่อสารและการทำผลลัพธ์ให้เป็นภาพ จึงทำให้การดำเนินกิจกรรมประสบความสำเร็จและเกิดประสิทธิภาพ (ที่มา https://www.scimath.org/)
2.Design Thinking การคิดเชิงออกแบบ : คือกระบวนการทำความเข้าใจปัญหาของผู้ใช้นำเสนอทางแก้ไข
ปัญหาแบบใหม่ที่อาจไม่เคยคิดมาก่อน ผ่าน 5 ขั้นตอน ได้แก่การเข้าใจ นิยาม สร้างสรรค์จำลอง และ
ทดสอบ (ที่มา : https://webportal.bangkok.go.th/)
3.Data Collection การเก็บรวบรวมข้อมูล : คือการเก็บข้อมูลขึ้นมาใหม่เพื่อที่จะนำไปวิเคราะห์หาคำตอบที่ถูกต้อง ในรูปแบบที่เหมาะสมอาจเป็นได้ทั้งข้อมูลปฐมภูมิและทุติยภูมิ ทั้งในเชิงปริมาณและคุณภาพ ด้วยวิธีต่างๆ
(ที่มา :Enablesurvey.com )
4.Data Exploration การสำรวจข้อมูล : เป็นการทำความเข้าใจเพื่อพิจารณาภาพรวมของข้อมูล โดยอาจใช้แผนภาพ หรือกราฟของข้อมูลในรูปแบบต่าง ๆ ระหว่างการสำรวจ (ที่มา :โรงเรียนนาเชือกพิทยาสรรค์ )
5.Descriptive Analytics การวิเคราะห์เชิงพรรณนา : เป็นการวิเคราะห์ขั้นพื้นฐาน ที่ทำให้เห็นภาพรวมของข้อมูล และความสัมพันธ์ระหว่างข้อมูล ช่วยอธิบายว่าเกิดอะไรขึ้นบ้างในช่วงที่ผ่านมา และอาจนำมาช่วยในการตัดสินใจ (ที่มา :โรงเรียนนาเชือกพิทยาสรรค์ )
6.Numeric Prediction การทำนายเชิงตัวเลข : เป็นการใช้ข้อมูลในอดีตมาวิเคราะห์หาแนวโน้มเพื่อทำนายอนาคต ซึ่งผลลัพธ์ของการทำนายจะอยู่ในรูปตัวเลข (ที่มา :https://www.teachernu.com)
7.Classification การทำนายเชิงหมวดหมู่ : การทำนายข้อมูลที่สนใจที่ไม่ใช่ข้อมูลตัวเลข จากข้อมูลอีกชุดหนึ่งที่มีความสัมพันธ์กัน (ที่มา :https://www.teachernu.com)
8.Data Visualization การทําข้อมูลให้เป็นภาพ : เทคนิคที่เกี่ยวข้องกับการแสดงข้อมูลแบบกราฟิกโดยใช้องค์ประกอบแบบเป็นภาพ เช่น แผนภูมิและกราฟ ซึ่งจะช่วยให้คุณมองเห็นแนวโน้ม (ที่มา:https://www.zoho.com/)
9.Big Data ข้อมูลขนาดใหญ่ : ข้อมูลที่มีขนาดใหญ่ เร็ว หรือซับซ้อนจนยากหรือเป็นไปไม่ได้ที่จะประมวลผลโดยใช้วิธีการแบบเดิม การเข้าถึงและจัดเก็บข้อมูลจำนวนมากเพื่อทำการวิเคราะห์ (ที่มา:https://www.zoho.com/ )
10.IOT อินเทอร์เน็ตของสรรพสิ่ง : เครือข่ายรวมของอุปกรณ์ที่เชื่อมต่อถึงกันและเทคโนโลยีที่อำนวยความสะดวกในการสื่อสารระหว่างอุปกรณ์กับระบบคลาวด์ ตลอดจนระหว่างอุปกรณ์ด้วยกันเอง (ที่มา:https://aws.amazon.com/
11.Scatter Plot, Bar chart, pie chart, box plot, line graph, histogram : ใช้เปรียบเทียบมิติจำนวนข้อมูลที่สนใจกับช่วงที่สนใจ เช่น เปรียบเทียบเป้าหมายที่ตั้งไว้กับข้อมูลที่ทำได้จริงในแต่ละเดือน, จำนวนนักศึกษา ในแต่ละปีการศึกษา เป็นต้น (ที่มา :https://sysadmin.psu.ac.th/ )
12.outlier ค่าผิดปกติ : ข้อมูลที่มีค่าแตกต่างทั้งมากกว่า และน้อยกว่าจากข้อมูลในชุดเดียวกันมากผิดปกติ จนกระทั่ง ทําให้สงสัยว่าเป็นข้อมูลที่ไม่อยู่ในกลุ่มเดียวกัน (ที่มา : ib3.dss.go.th)
13.Data Story telling การเล่าเรื่องราวจากข้อมูล : เป็นแนวคิดในการสร้างการบรรยายที่น่าสนใจโดยใช้ข้อมูลที่ซับซ้อนและการวิเคราะห์ที่จะช่วยบอกเล่าเรื่องราวของคุณ และแจ้งข้อมูลให้ผู้ชมที่เฉพาะเจาะจงทราบ
(ที่มา : https://powerbi.microsoft.com/)
14.Data Transformation การแปลงข้อมูล : กระบวนการแปลง, แก้ไขหรือลบข้อมูลที่ผิดพลาดและไม่เกี่ยวข้อง, และจัดเรียงข้อมูลเข้าระบบให้อยู่ใน format ที่สะดวกต่อการวิเคราะห์
(ที่มา :https://www.realsmart.co.th/)
15.Data Cleansing การทำความสะอาดข้อมูล : กระบวนการตรวจจับข้อมูล แก้ไข ลบ แทนที่ และจัดรูปแบบของข้อมูลที่ไม่สมบูรณ์ ซ้ำซ้อน ให้มีความถูกต้องและเป็นระเบียบ ตลอดจนนำไปใช้งานต่อได้อย่างมีประสิทธิภาพ (ที่มา : https://www.dittothailand.com/)
16.Combining Data การเชื่อมโยงข้อมูล : การเชื่อมโยงข้อมูลจากหลายแหล่งเข้าด้วยกัน ทำได้โดยใช้แอตทริบิวต์เดียวกันจากทั้งสองแหล่งเป็นตัวเชื่อม เช่น ข้อมูลรายจ่ายเฉลี่ยต่อครัวเรือน
(ที่มา : https://sites.google.com/)
17.K-NN algorithm : เป็นวิธีที่ใช้ในการจัดแบ่งคลาส โดยเทคนิคนี้จะตัดสินใจว่า คลาสใดที่จะแทนเงื่อนไขหรือกรณีใหม่ๆ ได้บ้าง โดยการตรวจสอบจำนวนบางจำนวน ในขั้นตอนวิธีการเพื่อนบ้านใกล้ที่สุด
(ที่มา : https://www.glurgeek.com/)
(ที่มารูป : https://images.app.goo.gl/RQB5wzWLcHEAfkYU9 )
- 3
โฆษณา
- ดาวน์โหลดแอปพลิเคชัน
- © 2024 Blockdit
