ประมวลการสอนรายวชา DBM 630

คลงขอมลและการทำาเหมองขอมล 3 (3-0-6) หนวยกต

(Data Mining and Data Warehousing)

คำาอธบายรายวชา แนวคดเบองตนของคลงขอมล คณลกษณะของคลงขอมล ขอดและขอเสยของคลงขอมล สถาปตยกรรมของคลงขอมล โครงสรางการจดเกบขอมลภายในคลงขอมล การบรณาการขอมล การสรางขอมลทมคณภาพ ดาตามารท การประมวลผลออนไลนเชงวเคราะห แนวคดเบองตนการทำาเหมองขอมล ชนดขอมลสำาหรบการทำาเหมองขอมล สถาปตยกรรมของระบบเหมองขอมล การเตรยมขอมล การขดคนกฎสมพนธ การจำาแนกประเภทและการทำานาย การจดกลม การทำาเหมองขอมลทมความซบซอน การประยกตใชเหมองขอมล แนวโนมปจจบนการทำาเหมองขอมล เหมองขอมลตวอกษร เหมองขอมลเวบ รวมถงการใชเครองมอในการวเคราะหเหมองขอมล เชน WEKA, SAS เปนตน

รายวชาทตองเรยนมากอน (pre-requisite) สำาหรบรายวชาน ITE 613 ระบบบรหารฐานขอมล หรอขนอยกบดลยพนจของสาขาวชา

จดมงหมายของรายวชา เมอศกษารายวชานแลวนกศกษาจะสามารถ

1. วเคราะหและออกแบบคลงขอมลสำาหรบองคกรและธรกจ2. วเคราะหและออกแบบการทำาเหมองขอมลทเหมาะสม เพอคน

พบความรทแฝงอยในฐานขอมลได3. เลอกใชโมเดลในการทำาเหมองขอมลทเหมาะสมในการคนพบ

ความรทเปนประโยชนสำาหรบองคกรและธรกจได4. ออกแบบและเลอกใชเครองมอในการทำาเหมองขอมลทเหมาะ

สม

1

5. ประเมนประสทธภาพและประสทธผลความรทไดจากการทำาเหมองขอมลได

อาจารยผสอน: ดร. กฤษฎา ศรแผว e-Mail Address: sriphaew.k AT gmail.com

หองพก 11-1013 ตก รตนคณากร โทร 4068

แผนการสอน

สปดาหท

หวขอบรรยาย กจกรรมการเรยนการสอนและสอทใช

1(8 ม.ค.

55)

แนะนำาเนอหาวชา วตถประสงค แนวการสอนและการวดผล ทบทวนแนวคดและทฤษฎทเกยวของกบคลงขอมลและการทำาเหมองขอมลIntroduction to Data Mining and Data Warehousin

• PowerPoint• ทดสอบความเขาใจกอนเรมบท

เรยน• กำาหนดขอตกลงเบองตนของ

การเรยนการสอนในวชาน

2(15 ม.ค. 55)

คลงขอมลและเทคโนโลยประมวลผลออนไลนเชงวเคราะห 1Data Warehouse and OLAP Technology – I

• PowerPoint

3(22 ม.ค. 55)

คลงขอมลและเทคโนโลยประมวลผลออนไลนเชงวเคราะห 2Data Warehouse and OLAP Technology – II

• PowerPoint• แบบฝกหดการทำาคลงขอมล

4(29 ม.ค. 55)

แนวคดการทำาเหมองขอมล และการเตรยมขอมลData Mining Concepts and Data Preparation

• PowerPoint

5(5 ก.พ.

55)

การขดคนกฎสมพนธAssociation Rule Mining

• PowerPoint • แบบฝกหดการวเคราะหการขด

คนกฎสมพนธ

2

6(12

ก.พ. 55)

โมเดลการจำาแนกประเภท: ตนไมตดสนใจ, กฎการจำาแนกประเภทClassification Model: Decision Tree, Classification Rules

• PowerPoint• Quiz I

7(19

ก.พ. 55)

โมเดลการจำาแนกประเภท: เนอฟเบยClassification Model: Naïve Bayes

• PowerPoint• แบบฝกหดการวเคราะหการ

จำาแนกประเภท

8(26

ก.พ. 55)

โมเดลการทำานาย: รเกรสชนPrediction Model: Regression

• PowerPoint

9(4 ม.ค.

55)

การจดกลมClustering

• PowerPoint• แบบฝกหดการจดกลม

10(11 ม.ค. 55)

การประยกตใชการทำาเหมองขอมล: การขดคนขอความ, การขดคนเวบ, การวเคราะหเครอขายสงคมData Mining Application: Text Mining, Web Mining, Social Network Analysis

• PowerPoint• อภปรายกลมการประยกตใช

การทำาเหมองขอมล

11(18 ม.ค. 55)

แนะนำาเครองมอการทำาเหมองขอมล: เวกาIntroduction to Data Mining Tool: WEKA

• PowerPoint• Program Weka• แบบฝกหดการใชงาน Weka

12(25 ม.ค. 55)

บทสรปและทบทวนTutorials

• PowerPoint• Quiz II

13 สอบปลายภาค

แผนการประเมนผลการเรยน

งานทจะใชประเมน (เชน การเขยนรายงาน กำาหนดการ สดสวนของ

3

โครงงาน การสอบยอย การสอบกลาง ภาคการสอบปลายภาค)

ประเมน (สปดาหท)

การประเมนผล

สอบยอยสอบปลายภาค

6,1213

20%60%

การมสวนรวม อภปราย เสนอความคดเหน ตลอดภาคการศกษา

20%

ทรพยากรประกอบการเรยน

1. ตำาราทกำาหนดJiawei Han and Micheline Kamber, Data Mining: Concepts and

Techniques, Morgan Kaufmann Publishers (2006), Second Edition.

2. แหลงอางองทสำาคญ: 3. หนงสอและเอกสารอางองทแนะนำา 1. Ian H. Witten and Eibe Frank, Practical Machine Learning Tools and

Techniques with JAVA Implementations, Morgan Kaufmann Publishers (2005), Second Edition.

2. Trevor Hastie, Robert Tibshirani and Jerome Friedman, The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Springer-Verlag (Corrected Edition 2003).

3. Richard O. Duda, Peter E. Hart, David G. Stork, Pattern Classification (2nd Edition), Wiley-Interscience; Second edition (October 2000).

4