ปัจจุบันไม่มีเครื่องมือใดที่จะช่วยให้คุณเข้าใจในข้อมูลได้ดีไปกว่า “คณิตศาสตร์” การเข้าใจเบื้องหลังและการนําหลักการทางคณิตศาสตร์ไปประยุกต์ในการทํางานสายวิทยาศาสตร์ข้อมูล (Data Science) จะเปลี่ยนให้ทุกคนไม่ใช่แค่คนที่ใช้งานเครื่องมือ ๆ ได้ แต่สามารถเลือก ประยุกต์ และต่อยอดเองเป็น ทําให้คุณเป็นคนทํางานสาย Data ที่นําหน้าคนอื่นอยู่เสมอ

Mathematics ทักษะสำคัญคนทำงาน Data Science

ทุกโมเดลในการวิเคราะห์ข้อมูลล้วนมีคณิตศาสตร์อยู่เบื้องหลัง คนทำงานด้าน Data Science (รวมไปถึง Data Analytics) จึงต้องมีพื้นฐานทางคณิตศาสตร์ที่แข็งแกร่ง จึงทำให้ทักษะนี้ถูกนับเป็น 1 ใน 3 ทักษะที่จำเป็นของคนทำงาน Data Scientist อีกด้วย Data Scientist จำนวนมากใช้เวลาประมาณ 50% ของเวลาทั้งหมดในการแก้ไขปัญหาทางคณิตศาสตร์ในโปรเจกต์ หรือโมเดลของตัวเอง เนื่องจากอัลกอริทึม (Algorithms) ทั้งหมดนั้นมีพื้นฐานมากจากคณิตศาสตร์ทั้งสิ้น

การมีพื้นฐานทางคณิตศาสตร์ที่ดีจึงช่วยให้คนทำงานกับข้อมูลสามารถเข้าใจอัลกอริทึมต่าง ๆ ที่นำไปใช้ในการแก้ปัญหาทางธุรกิจได้ และแม้ว่าอัลกอริทึมของ Machine Learning นั้นจะสามารถนำมาใช้ได้แทบในทันทีแม้จะไม่มีพื้นฐานทางด้านคณิตศาสตร์ แต่การมีความเข้าใจที่ดี และแข็งแกร่ง จะช่วยให้คุณเข้าใจธรรมชาติในการทำงาน และออกแบบแบบจำลอง หรือโมเดลที่มีความแม่นยำได้มากขึ้น

Mathematics for Data Science สอนคณิตศาสตร์อย่างที่ควรจะเป็น

ด้วยรูปแบบการเรียนที่แตกต่าง ที่จะเล่าคณิตศาสตร์ผ่านตัวอย่างที่คุณเห็นภาพและจับต้องได้จริง สอนในสิ่งที่จําเป็นต้องรู้ เล่าด้วยภาษาง่าย ๆ แตกต่างจากการนั่งเรียนคณิตศาสตร์ในห้องเรียนที่อาจเป็นยาขมของใครหลายคน รวมถึงเมื่อจบแต่ละบทเรียนผู้เรียนจะได้เข้าใจภาพและประโยชน์ชัดขึ้น ผ่านการลองนําความรู้ที่เรียนมาประยุกต์ใช้กับตัวอย่างจริง ๆ กับงานวิทยาศาสตร์ข้อมูล ที่พูดได้ว่าคอร์สนี้จะเล่าคณิตศาสตร์ให้ย่อยง่ายที่ไม่ว่าใคร ๆ ก็สามารถเข้าใจและนําไปต่อยอดในการทํางานสายวิทยาศาสตร์ข้อมูลได้จริง

ในคอร์สนี้คุณจะได้เข้าใจเบื้องหลังทางคณิตศาสตร์ที่จําเป็นของของวิทยาศาสตร์ข้อมูล (Data Science) เพื่อให้คุณสามารถนําเทคนิคต่างๆเหล่านี้ไปต่อยอดในการทํางานในสายงานดังกล่าว ให้มีประสิทธิภาพสูงที่สุด โดยเริ่มต้นตั้งแต่การทําความเข้าใจพื้นฐานเกี่ยวกับการดำเนินการเมทริกซ์ (Matrices Operation) ซึ่งเป็นรูปแบบของการเก็บข้อมูลกว่า 90% บนโลกนี้ ตั้งแต่ตาราง สัญญาณ รูปภาพ ไปจนถึงข้อความ

ต่อด้วยคณิตศาสตร์ที่อยู่เบื้องหลังการเก็บข้อมูลด้วยทรัพยากรที่น้อยลงแต่ให้ประสิทธิภาพใกล้เคียงเดิม ผ่านกระบวนการในการปรับหรือลดขนาดของข้อมูลที่มีความซับซ้อนด้วยเทคนิคต่าง ๆ ไม่ว่าจะเป็น SVD และ PCA ให้เหมาะกับปัญหาแต่ละประเภท และสุดท้ายคือการเรียนรู้วิธีการเพิ่มประสิทธิภาพการทํางานของ Machine Learning ด้วยความเข้าใจการทํางานเบื้องหลังในทางคณิตศาสตร์ เพื่อที่จะสามารถเลือกค่าต่าง ๆ ในตัวโมเดลเช่น Distance Function และ Search method ได้เหมาะสมกับความจําเพาะของโจทย์มากขึ้น

คอร์สนี้เหมาะสําหรับ

• ผู้ที่ทํางานในตำแหน่ง Data Analyst หรือตำแหน่งงานอื่นที่คล้ายกัน ที่ต้องการต่อยอดไปในระดับที่สูงขึ้น หรือต่อยอดไปในการทํางานสาย Data Science
• ผู้ที่ทํางานในสาย Data Science ที่ต้องการพัฒนาจากคนที่ทํางานได้ เป็นคนที่ทํางานเก่ง ด้วยความเข้าใจพื้นฐานคณิตศาสตร์เบื้องหลัง ไม่ใช่แค่ใช้งานได้เพียงอย่างเดียว
• นักเรียน นักศึกษา ที่ต้องการทํางานด้าน Data Science และต้องการพื้นฐานคณิตศาสตร์ที่เพียงพอในการทําความเข้าใจและใช้งานจริง

หลังจบคอร์สนี้คุณจะ

• เข้าใจ และสามารถเลือกใช้เทคนิคต่าง ๆ ในการจัดการกับข้อมูลเบื้องต้น เพื่อช่วยในการลดทรัพยากรคํานวณของการนําข้อมูลไปใช้งานได้
• ประยุกต์ใช้งาน Machine Learning ได้อย่างมีประสิทธิภาพ ผ่านการเข้าใจการทํางานเบื้องหลัง และเข้าใจในความแตกต่างของแต่ละเทคนิคทางคณิตศาสตร์ที่เลือกมาใช้งาน
• มีความรู้คณิตศาสตร์พื้นฐานมากเพียงพอในการที่จะศึกษาต่อยอดด้านวิทยาศาสตร์ข้อมูลในเชิงลึกขึ้น ไปจนถึงการสามารถสร้างหรือพัฒนาโมเดล Machine Learning ได้เองในอนาคต