 |
| หน้าหลัก | บันทึกข้อมูลรายวิชา | รอออกรหัสวิชา | รายวิชาทั้งหมด |
 |
|
| ข้อมูลรายวิชา สำหรับการเรียนการสอนในระบบเปิด (Thai MOOC) | |
| รหัสวิชา : | rsu003 |
| รหัสสถาบัน : | rsu |
| ชื่อมหาวิทยาลัย/สถาบัน : | มหาวิทยาลัยรังสิต |
| 1. เครือข่ายอุดมศึกษา : เครือข่ายภาคกลางบน | |
| 2. ชื่อวิชาที่เสนอ (โปรดระบุชื่อวิชาทั้งภาษาไทยและภาษาอังกฤษ) | |
| ชื่อวิชาภาษาไทย : | การวิเคราะห์เชิงลึกอภิมหาข้อมูล |
| ชื่อวิชาภาษาอังกฤษ : | Big Data Analysis |
| 3. ข้อมูลผู้รับผิดชอบรายวิชา (หลัก) | |
| ผู้รับผิดชอบรายวิชา : | ผศ. ดร. เชฏฐเนติ ศรีสอ้าน |
| ตำแหน่ง : | คณบดี |
| เบอร์ติดต่อ : | 0901658215 |
| อีเมล : | [email protected] |
| มหาวิทยาลัย/สถาบัน : | มหาวิทยาลัยรังสิต |
| คณะ : | วิทยาลัย นวัตกรรมดิจิทัลและเทคโนโลยีสารสนเทศ |
| ภาควิชา : | IT |
| 4. หมวด ISCED : 0612 Database and network design and administration | |
| 5. รายวิชาจัดอยู่ในกลุ่มวิชา : คอมพิวเตอร์และเทคโนโลยี Computer and Technology | |
| 6. อายุการให้ประโยชน์ของรายวิชา พิจารณาจากเนื้อหา/ความทันสมัย/ควรปรับปรุงรายวิชาในกี่ปี | |
| : | ไม่หมดอายุ ปี |
| 7. เหตุผลความจำเป็นที่ควรสนับสนุน การพัฒนารายวิชานี้เป็นรายวิชาในระบบ Thai MOOC | |
| : | การวิเคราะห์อภิมหาข้อมูลเพื่อค้นหาพฤติกรรมของบุคคล ในรูปแบบความสัมพันธ์ของข้อมูลเหล่านั้นที่ซ่อนอยู่ข้างใน หาสิ่งเชื่อมโยงที่เชื่อมข้อมูลเหล่านั้นเข้าไว้ด้วยกัน หารูปแบบทางการตลาด เช่น หาความต้องการ ความชอบ ตลอดจน วิถีชีวิต ของลูกค้า และข้อมูลอื่นๆที่เป็นประโยชน์ต่อธุรกิจ ผลการวิเคราะห์ข้อมูลนี้สามารถนำไปสู่การทำแผนการตลาดที่มีประสิทธิภาพ โอกาสในการสร้างผลกำไร การให้บริการที่ดีมากขึ้นแก่ลูกค้า การปรับปรุงการทำงานให้เกิดประสิทธิภาพ ความได้เปรียบเหนือคู่แข่งในการแข่งขันทางการตลาด และผลประโยชน์ทางธุรกิจด้านอื่นๆ |
| 8. คำอธิบายรายวิชา (นำเสนอรายละเอียดเนื้อหาของรายวิชาอย่างย่อ) | |
| : | การวิเคราะห์เชิงลึกอภิมหาข้อมูล เป็น กระบวนการวิเคราะห์อภิมหาข้อมูลเพื่อค้นหาพฤติกรรมของบุคคล ในรูปแบบความสัมพันธ์ของข้อมูลเหล่านั้นที่ซ่อนอยู่ข้างใน หาสิ่งเชื่อมโยงที่เชื่อมข้อมูลเหล่านั้นเข้าไว้ด้วยกัน หารูปแบบทางการตลาด เช่น หาความต้องการ ความชอบ ตลอดจน วิถีชีวิต ของลูกค้า และข้อมูลอื่นๆที่เป็นประโยชน์ต่อธุรกิจ ผลการวิเคราะห์ข้อมูลนี้สามารถนำไปสู่การทำแผนการตลาดที่มีประสิทธิภาพ โอกาสในการสร้างผลกำไร การให้บริการที่ดีมากขึ้นแก่ลูกค้า การปรับปรุงการทำงานให้เกิดประสิทธิภาพ ความได้เปรียบเหนือคู่แข่งในการแข่งขันทางการตลาด และผลประโยชน์ทางธุรกิจด้านอื่นๆ |
| 9. วัตถุประสงค์การเรียนรู้เชิงพฤติกรรม (เขียนเป็น Behavioral objectives ตาม Bloom’s taxonomy หลักๆ ไม่เกิน 5 ข้อ) | |
| LO1 : | สามารถอธิบาย ความหมายและความสำคัญของ Big Data |
| LO2 : | สามารถระบุบ ผลกระทบของ Big Data ในด้านต่าง ๆ |
| LO3 : | สามารถอธิบาย การประยุกต์ใช้ Big Data ในการแข่งขันทางธุรกิจ |
| LO4 : | สามารถอธิบาย หลักการทำงาน และเป้าหมายของ การวิเคราะห์ บิ๊กดาต้า (Big data analytics) |
| LO5 : | สามารถใช้เครื่องมือ Oracle Analytics Cloud ในการ ทำ การวิเคราะห์ บิ๊กดาต้า (Big data analytics) |
| 10. จำนวนชั่วโมงการเรียนรู้ออนไลน์ทั้งหมด : 10 ชั่วโมง จำนวน : 2 ชั่วโมงการเรียนรู้ต่อสัปดาห์ | |
| (ชั่วโมงการเรียนรู้ออนไลน์ หมายถึง จำนวนระยะเวลาที่ผู้เรียนใช้ในการเรียนจนจบรายวิชา กำหนดให้ 1 รายวิชามีเนื้อหาไม่มากกว่า 12 ชั่วโมงการเรียนรู้ และสัปดาห์เรียนไม่มากกว่า 6 สัปดาห์) |
|
| 11. ภาษาที่ใช้ในการสอนผ่านระบบออนไลน์ : ภาษาไทย | |
| 12. ระดับของเนื้อหารายวิชา | |
|
|
| 13. ระดับความยากของเนื้อหารายวิชา : เบื้องต้น | |
| 14. กลุ่มผู้เรียนเป้าหมายของรายวิชา | |
| กลุ่มเป้าหมาย : | นักเรียน นักศึกษา คนทำงานในบริษัท ตลอดจน เจ้าของกิจการ นักการตลาด นักวิเคราะห์ |
| จำนวนผู้เรียน : | ตามกลุ่มเป้าหมายประมาณการ 250 คน |
| 15. การนำผลการเรียนรู้ไปใช้ประโยชน์ | |
|
|
| 16. ความรู้พื้นฐานที่ต้องมี | |
| - | |
| สอบถามการใช้งาน แจ้งปัญหาระบบติดต่อ FACEBOOK: THAIMOOC SUPPORT e-Mail: [email protected] | |