Page 11 - 3.Big Data Analytics

หลักสูตรการวิเคราะห์ข้อมูลขนาดใหญ่ 10

ยิ่งขึ้น โดยเฉพาะในปจจุบันขอมูลมีความซับซอนและยุงยากมากขึ้นตองการสื่อสารใหคนทั่วไปเขาใจไดงายที่สุด ตองเปนนัก

เลาเรื่อง (Story teller ที่ดี

3. ขอมูลมีความหลากหลาย Data Scientist พัฒนาวิธีการทางสถิติสำหรับการวิเคราะหขอมูลขอความ ขอมูล

เสียง ขอมูลรูปภาพ ขอมูลวีดีโอ ขอมูล 3D animation ขอมูลจาก social media ขอมูลรูปแบบหลากหลายเหลานี้ตอง
พัฒนาวิธีการทางสถิติในการวิเคราะหใหกาวตามไดทัน

4. ขอมูลขนาดใหญมีความหลากหลาย Big data นั้นทำใหคนคาดหวังวาจะนำขอมูลไปสราง Competitive

Intelligence ดังนั้นการสรางแบบจำลองพยากรณ (Predictive Modeling จากขอมูลหลากหลายประเภทที่ไมเคยทำมา
กอนจะยิ่งทวีความสำคัญ เชน ตองการพยากรณวาคนเขาเฟซบุกคนไหนนาจะซื้อสินคาอะไรจากขอความ ภาพ เสียง วิดีโอ ที่

เขาเขาไปดูหรือที่เขาโพสตซึ่งแบบจำลองทางสถิติแบบเดิม ๆ ไมสามารถทำหนาที่ดังกลาวไดดีพอ

5. การวิเคราะหขอมูลขนาดใหญ มักมีเปาหมาย หรือวัตถุประสงคไปเชื่อมโยงกับเนื้อหาในสาขาใดสาขาหนึ่ง

ชัดเจน เชน ชีวสารสนเทศศาสตร (Bioinformatics การวิเคราะ หธุรกิจ (Business Analytics แพทย สารสนเทศศาสตร

(Medical Informatics เปนตน นักสถิติจึงไมสามารถมีเพียงความรูทางสถิติเพียงอยางเดียวไดอีกตอไป ไมเพียงพอในการ

ทำงาน

BIG DATA ANALYTICS สถาบันสหวิทยาการดิจิทัลและหุนยนต มหาวิทยาลัยเทคโนโลยีราชมงคลพระนคร