ID : 1101 R for Statistical analysis (fundamental) สมัครอบรมคลิ๊ก

สำหรับผู้ที่อยากรู้จักแก่นแท้ของภาษา R แบบ Command-line เพื่อเป็นพื้นฐานในทุกเนื้อหาการวิเคราะห์ข้อมูลขั้นสูงในทุกวงการต่อไป

เหมาะสำหรับ ผู้ที่สนใจเป็นนักวิเคราะห์ข้อมูล หรือนักวิจัยมืออาชีพในทุกสาขาวิชา นักศึกษา และอาจารย์ 

ค่าใช้จ่ายในการอบรมต่อ 1 ท่าน (รวมอาหารว่าง และเอกสารประกอบการอบรมเรียบร้อยแล้ว)

หลักสูตรอบรม 2 วัน เวลา 9:30 - 16:30 น.

เนื้อหาโครงสร้างหลักสูตร
ทำความรู้จักกับฟังก์ชั่นต่างๆ ของ R  (ระหว่างฝึกอบรมจะมี Workshop ลงมือปฏิบัติจริง)
1.แนะนำโปรแกรม R
   ประวัติความเป็นมาของ R
   หลักการทำงานของ R
2.การติดตั้งโปรแกรม R รวมถึงแพ็คเกจที่จำเป็นและนำเข้าข้อมูลจากไฟล์ต่างๆ
3.การ จัดการเกี่ยวกับตัวแปร เช่น ตั้งชื่อตัวแปร การรวม หรือแยกไฟล์ข้อมูล การเปลี่ยนชื่อ กำหนดชื่อตัวแปรย่อย การคำนวนค่าตัวแปร การส่งออกชุดข้อมูล เป็นต้น
4.การวิเคราะห์ทางสถิติด้วย R command-line
   การสรุปข้อมูลพื้นฐาน (Numerical summaries)
   การกระจายตัวของข้อมูล (Frequency distributions)
   การจัดการค่า Missing (Count missing observations)
   การสรุปข้อมูลทางสถิติ (Table of statistics)
   ตารางสหสัมพันธ์ (Correlation matrix)
   การทดสอบความสัมพันธ์ (Correlation test)
   การทดสอบการกระจายตัวแบบปกติ (Shapiro-Wilk test of normality)
   การทดสอบความสัมพันธ์แบบไคสแควร์ (Contingency tables)
   การทดสอบความแตกต่าง (Single-sample t-test, Indepentent samples t-test , Paired t-test, One-way ANOVA, Multi-way ANOVA)
   การทดสอบค่าความแปรปรวน (Two-variances F-test , Bartlett's test , Levene's test )
5.เทคนิคการแปลงข้อมูลให้เหมาะกับการวิเคราะห์ เช่น การทำ data wrangling เพื่อใช้กับโปรแกรม Tableau
6.การหาความสัมพันธ์ด้วยวิธีวิเคราะห์การถดถอย (Regression)
   การสร้างตัวแบบ เชิงเส้นตรง และไม่ใช่เส้นตรง
   การตรวจสอบความเหมาะสมของตัวแบบ
   การวิเคราะห์ความคลาดเคลื่อน (Residual Analysis)
7.การสร้างกราฟแบบต่างๆ ด้วย R command-line
   Histogram ,Stem-and -leaf display ,Boxplot ,Quantile-comparison plot ,Scatterplot matrix
   Line graph ,Bar graph & Pie chart
8.Work shop ฝึกปฏิบัติวิเคราะห์ข้อมูลจากงานวิจัยจริงด้วย R command-line

ID: 1102 หลักสูตร  R For Time Series  สมัครอบรมคลิ๊ก

เรียนรู้การใช้ R กับการจัดรูปแบบของข้อมูลเป็นมิติของเวลาสำหรับระเบียบวิธีทางด้าน Time Series เช่น Moving Average, Exponential, Holt-Winters & ARIMA 

เหมาะสำหรับ นักวิเคราะห์ เศรษฐกร ฝ่ายขาย การตลาด แพทย์ วิศวกร นักศึกษา อาจารย์ และผู้สนใจทั่วไป 

 ค่าใช้จ่ายในการอบรมต่อ 1 ท่าน (รวมอาหารว่าง และเอกสารประกอบการอบรมเรียบร้อยแล้ว)

หลักสูตรอบรม 1 วัน เวลา 9:30 - 16:30 น.

 เนื้อหาโครงสร้างหลักสูตร
1.การติดตั้งโปรแกรม R รวมถึงแพ็คเกจที่จำเป็นและข้อมูลที่ใช้ทำ Workshop
2.Fundamental Concepts
    Date and Chron Data frame
    Time Series Vectors and Lags
    Time Series Characteristics
    Basic Forecasting Models
    Model Comparison and Accuracy
    Residuals in Time Series
    Stationarity
    Autocorrelation
    Function acf() and pacf()
3.Time Series Analysis and Forecasting
    Time Series Analysis Basics
    Preprocess on data set
    Decomposing a Seasonal Time Series
    Time Series Plots
    Simple Moving Average
    Simple Exponential Smoothing
    Holt-Winters Exponential Smoothing
    ARIMA Basics
    ARIMA Coding and Forcasting (auto function) 
    Residual Analysis
4.Workshop: Using R & Tableau for Time Series Analysis and Forecasting

ID:5001 Path & SEM analysis (Amos trial version)

ผู้เข้าอบรมต้องติดตั้งโปรแกรมเอง หรือ Download version trial มาใช้

คุ้มค่าน่าอบรมกับการนำโปรแกรมสุดฮิตมาตีแผ่ถึงรูปแบบการใช้งาน และประยุกต์ใช้คำสั่ง SEM ต่างๆ

เหมาะสำหรับ นักศึกษาตั้งแต่ระดับ ป.โท-ป.เอก คณาจารย์ในมหาวิทยาลัย และนักวิจัยมืออาชีพ

 เนื้อหาโครงสร้างหลักสูตร

ความรู้พื้นฐานเกี่ยวกับโมเดลสมการโครงสร้าง (Structure Equation Modeling : SEM)

    1.การกำหนดปัญหาวิจัย และสมมุติฐาน
    2.ขั้นตอนการวิเคราะห์สมการโครงสร้าง
    3.ดัชนีตรวจสอบความสอดคล้องของโมเดล
    4.การกำหนดขนาดกลุ่มตัวอย่าง
    5.การพัฒนาโมเดลสมการโครงสร้าง

แนะนำการใช้โปรแกรม  AMOS
หลักการเขียนคำสั่งของ AMOS
การเตรียมไฟล์ข้อมูล
การตรวจสอบข้อมูลเบื้องต้น
การวิเคราะห์โมเดลองค์ประกอบเชิงยืนยัน (Confirmatory Factor Analysis: CFA)
การวิเคราะห์องค์ประกอบเชิงยืนยันลำดับที่สอง (Second Order Confirmatory Factor Analysis)
การวิเคราะห์การถดถอย (Regression Analysis)
การวิเคราะห์โมเดลสมการโครงสร้าง (Structural Equation Model :SEM)
การปรับแต่งโมเดลให้สอดคล้องกับข้อมูลเชิงประจักษ์ (Modification Indices)
การทดสอบความไม่แปรเปลี่ยน (In-variance test)

ฝึก Workshop วิเคราะห์ SEM จากข้อมูลงานวิจัยต่างๆ

ID:5002  R for SEM สมัครอบรมคลิ๊ก

โปรแกรม R Download ได้ฟรี สามารถทำ Model ที่ซับซ้อนและมีขนาดใหญ่ได้เทียบเท่าโปรแกรมเชิงพาณิชย์เวอร์ชั้นนำ

เหมาะสำหรับ นักศึกษาตั้งแต่ระดับ ป.โท-ป.เอก คณาจารย์ในมหาวิทยาลัย และนักวิจัยมืออาชีพ

 ค่าใช้จ่ายในการอบรมต่อ 1 ท่าน (รวมอาหารว่าง อาหารกลางวัน และเอกสารประกอบการอบรมเรียบร้อยแล้ว)

หลักสูตรอบรม 2 วัน เวลา 9:30 - 16:30 น.

 เนื้อหาโครงสร้างหลักสูตร
ความรู้พื้นฐานเกี่ยวกับโมเดลสมการโครงสร้าง (Structure Equation Modeling : SEM)
    1.การกำหนดปัญหาวิจัย และสมมุติฐาน
    2.ขั้นตอนการวิเคราะห์สมการโครงสร้าง
    3.ดัชนีตรวจสอบความสอดคล้องของโมเดล
    4.การกำหนดขนาดกลุ่มตัวอย่าง
    5.การพัฒนาโมเดลสมการโครงสร้าง

แนะนำการใช้โปรแกรม R และการติดตั้ง Package ที่จำเป็น
หลักการเขียนคำสั่ง SEM ในโปรแกรม R
การเตรียมไฟล์ข้อมูล
การตรวจสอบข้อมูลเบื้องต้นด้วย Package ของ R
การวิเคราะห์โมเดลองค์ประกอบเชิงยืนยัน (Confirmatory Factor Analysis: CFA)
การวิเคราะห์องค์ประกอบเชิงยืนยันลำดับที่สอง (Second Order Confirmatory Factor Analysis)
การวิเคราะห์โมเดลสมการโครงสร้าง (Structural Equation Model :SEM)
การวิเคราะห์โมเดลสมการโครงสร้างข้อมูลที่มีหลายกลุ่ม (SEM Multiple groups analysis)
การวิเคราะห์โมเดล Growth curve models
การใช้ข้อมูลเชิงกลุ่มกับ SEM ในโปรแกรม R
การปรับแต่งโมเดลให้สอดคล้องกับข้อมูลเชิงประจักษ์ (Modification Indicies)
ตัวอย่างกรณีศึกษาการใช้งาน SEM ขนาดใหญ่ (สามารถนำไปใช้ได้โดยไม่มีข้อจำกัดเรื่องจำนวนตัวแปร)

ID : 101 Excel for Data Analytic (Basic) สมัครอบรมคลิ๊ก

 เรียนรู้วิธีหา Pattern ข้อมูลด้วยสถิติเชิงบรรยาย การวิเคราะห์ความสัมพันธ์ทั้งจากข้อมูลเชิงปริมาณและเชิงกลุ่ม การวิเคราะห์ความแตกต่าง และการทำนาย

ค่าใช้จ่ายในการอบรมต่อ 1 ท่าน (รวมอาหารว่าง และเอกสารประกอบการอบรมเรียบร้อยแล้ว)

หลักสูตรอบรม 1 วัน เวลา 8:30 - 16:30 น.

เนื้อหาโครงสร้างหลักสูตร

- ความสำคัญของการวิเคราะห์ข้อมูลและแนวโน้มของสายอาชีพ

- ประเภทของข้อมูลและมาตรวัด (เชิงกลุ่ม, ลำดับ, ตัวเลข, พิกัด, อนุกรมเวลา เป็นต้น)

- สถิติและการอนุมานคืออะไร

- หลุมพลางของสถิติ

- รู้ Pattern ข้อมูล (Descriptive)

- Frequency counting

- Central of Tendency (Mean, Median, Mode)

- Disperse of Data (Range, Variance, Standard Deviation)

- Ranking & Percentile

- Distribution (Normal, Chi-Square, etc.)

Workshop: 

1) สรุปความถี่รายการสินค้าขายเป็นเปอร์เซนต์, ค่าเฉลี่ยและค่ามัธยฐานของยอดขายในแต่ละกลุ่มและการตีความหมาย, การกระจายตัวของยอดขายในแต่ละกลุ่มสินค้าบอกอะไรหรือนำไปสู่การตัดสินใจในประเด็นใด, 

2) จัดลำดับ Top 3% ของลูกค้า ด้วย Group by & Percentile หรือ Last 10% สินค้าที่สร้างปัญหาการขาดทุนมากที่สุด, สินค้าใดที่มีความสำคัญต่อองค์กร

3) กราฟฮิสโตแกรม กับการจัดการข้อมูลสุดโต่ง

- การหาค่าความสัมพันธ์

- Pearson correlation (สำหรับข้อมูลเชิงปริมาณ)

- Chi-square (สำหรับข้อมูลเชิงกลุ่ม)

Workshop:

1) วิเคราะห์ความสัมพันธ์ระหว่าง ”ยอดขาย” กับ “ราคาขาย” หรือลักษณะประชากร, เขตพื้นที่, หรือ Life style 

2) การวิเคราะห์ความสัมพันธ์ของข้อมูลเชิงกลุ่ม เช่น “สาขา” กับ “ประเภทสินค้า”, หรือ “การลาออก” กับ “ลักษณะงานที่ทำ” (เช่น เป็นกะ, ประเภทพนักงาน)

3) กลยุทธการตั้งราคา

- การประมาณค่า Power Demand Curves

- การใช้ SolverTable กำหนดราคาที่เหมาะสมในแต่ละสินค้า

- การวิเคราะห์ความแตกต่าง

- t-test (Independent & pair)

- ANOVA

Workshop:

1) การทำ A/B Testing ระหว่างสินค้าที่ทำโปรโมชั่นแบบ A กับ B ว่ามียอดขายแตกต่างกันอย่างมีนัยสำคัญหรือไม่ (อ่านจากค่าสถิติ, p-value และ power)

2) การวิเคราะห์ความแตกต่างของยอดขายในแต่ละกลุ่มสินค้าหรือแต่ละช่องทางจัดจำหน่าย

อธิบายความ ต่าง หรือ ไม่ต่าง ส่งผลต่อกลยุทธ์การปฏิบัติการอย่างไร

- การจัดกลุ่ม (Clustering)

Workshop:

1) การกำหนด Segmentation กลุ่มลูกค้าจากพฤติการการซื้อสินค้า หรือ Life style ด้วย Clustering และการใช้ Solver หาค่า Optimal Cluster จากนั้นนำลักษณะของแต่ละกลุ่มมาสำรวจและตั้งชื่อแปลความหมาย

- การทำนาย (Forecasting)

- Multiple Regression

- Moving Average (MA)

- Exponential Smoothing (สอนการหา Alpha ที่เหมาะสม)

- Decomposition Method

Workshop:

1) ทำนายยอดขาย ด้วย Regression, MA, Exponential Smoothing.

2) ทำนายราคาพืชผล ปศุสัตว์ สินค้าประมง ที่ขึ้นกับฤดูกาล

รวมถึงการตรวจสอบคุณภาพของ Model เช่น Accuracy, Goodness of fit, Coefficients, Normally Distributed Error Term, Heteroscedasticity & Autocorrelation