Page 11 - 6.Machine Learning for Data Science
P. 11

หลักสูตรการวิเคราะหอินเทอรเน็ตของทุกสรรพสิ่งเบื้องตนดวย Hadoop  |  10

                  บทที่ 2 การแสดงขอมูลในรูปแบบกราฟก (Data Visualization


                           ในปจจุบันชีวิตของมนุษยรายลอมไปดวยขอมูลจำนวนมากดังนั้นการนำขอมูลมาสรางเปนภาพกราฟกจัดเปน

                  ความสามารถที่สำคัญของการเปนมืออาชีพ ทักษะตางๆ ที่จำเปนจะเปลี่ยนแปลงไปอยูเสมอเพื่อรองรับโลกที่ขับเคลื่อนดวย

                  ขอมูล สำหรับมืออาชีพจะสรางมูลคาใหกับขอมูลดวยการใชขอมูลในการตัดสินใจและ การเลาเรื่องดวยภาพในการบงบอก
                  ขอมูลในบริบทตางๆ เชน ใคร ทำอะไร ที่ไหน เมื่อไร อยางไร ในขณะที่การศึกษาแบบเดิมนั้นจะแบงแยกความแตกตาง

                  ระหวางการเลาเรื่องและการวิเคราะหเชิงเทคนิค แตในโลกยุคปจจุบันมืออาชีพจะสรางมูลคาใหกับตนเองโดยการรวมทั้งสอง

                  สิ่งเขาดวยกันโดยการใช การแสดงขอมูลดวยกราฟก (visualization ซึ่งอยูระหวางกลางของการวิเคราะห  และการเลาเรื่อง
                  เนื่องจากกราฟกจะชวยใหสามารถเขาใจขอมูลจำนวนมากไดอยางรวดเร็ว ซึ่งกราฟกที่ดีจะชวยใหสามารถวิเคราะหขอมูลเพื่อ

                  การวางแผนการดำเนินการ หรือการนำขอมูลดังกลาวไปใชงานใหเกิดประโยชนสูงสุดในลำดับถัดไป


                  2.1  วัตถุประสงคการเรียนรู

                           เพื่อใหผูเรียน

                           1)  ทราบถึงความหมายของการแสดงขอมูลดวยกราฟก

                           2)  ทราบถึงรูปแบบการแสดงขอมูลดวยกราฟก
                           3)  เขาใจวิธีการสรางกราฟกเพื่อแสดงขอมูล


                  2.2  การแสดงขอมูลในรูปแบบกราฟก (Data Visualization  คืออะไร


                           การแสดงสารสนเทศในรูปแบบกราฟก (Data visualization  คือการแสดงขอมูลสารสนเทศตางๆ ในรูปของ
                  กราฟก ไมวาจะเปน กราฟ แผนผัง หรือแผนที่ซึ่งจะทำใหเราสามารถเขาใจขอมูลไดงายขึ้น เชนเขาใจถึงแนวโนมของขอมูล

                  เห็นความผิดปกติของขอมูล และรูปแบบที่ซอนอยูในขอมูล โดยเฉพาะอยางยิ่งในปจจุบันขอมูล สารสนเทศตางๆ  มีจำนวน

                  มากขึ้น และเกิดขึ้นอยางรวดเร็วหรือมักจะนิยามขอมูลเหลานั้นวา ขอมูลขนาดใหญ (Big Data ดังเชน  ขอมูลจากสังคม
                  ออนไลนที่อาจประกอบไปดวยขอมูลจากการใช Facebook Twitter Google+ อีเมล และชองทางอื่นๆ ซึ่งขอมูลเหลานี้มี

                  จำนวนมากมายมหาศาลดังแสดงตัวอยางในรูปที่ 2.1



























                   INTRODUCTION TO IOT ANALYTICS USING HADOOP                                        สถาบันสหวิทยาการดิจิทัลและหุนยนต มหาวิทยาลัยเทคโนโลยีราชมงคลพระนคร
   6   7   8   9   10   11   12   13   14   15   16