ข้อมูลกลายเป็นส่วนสำคัญของการดำเนินชีวิตและการตัดสินใจตั้งแต่ระดับบุคคล ระดับองค์กร ไปจนถึงระดับนโยบายสาธารณะ การทำความเข้าใจข้อมูลและการนำข้อมูลมาใช้จึงเป็นทักษะสำคัญ โดยเฉพาะในภาคธุรกิจที่ต้องเผชิญกับการแข่งขันและความไม่แน่นอนที่เปลี่ยนแปลงอยู่ตลอดเวลา
เอกสารประกอบคำสอนรายวิชา Big Data for Business ฉบับนี้จัดทำขึ้นเป็นสื่อการเรียนรู้สำหรับนักศึกษาระดับปริญญาตรี เนื้อหามุ่งให้ผู้เรียนเข้าใจบทบาทของข้อมูล และสามารถนำข้อมูลไปใช้ในการตัดสินใจทางธุรกิจได้อย่างมีหลักการ นอกเหนือจากแนวคิดเชิงทฤษฎี เอกสารนี้ยังเชื่อมโยงเนื้อหาเข้ากับการประยุกต์ใช้จริงผ่านกรณีศึกษา ตัวอย่างทางธุรกิจ และกิจกรรมฝึกปฏิบัติที่ผู้เรียนสามารถทดลองได้ด้วยตนเอง เนื้อหาในเอกสารครอบคลุมตั้งแต่แนวคิดพื้นฐานเกี่ยวกับข้อมูล ประเภทของข้อมูล การเตรียมและจัดรูปข้อมูล และการนำเสนอข้อมูล ไปจนถึงเทคนิคการวิเคราะห์ข้อมูล เช่น การเรียนรู้ของเครื่อง (Machine Learning: ML) และการทำเหมืองข้อความ (Text Mining) โดยเน้นเครื่องมือและกระบวนการวิเคราะห์ที่สามารถนำไปประยุกต์ใช้ได้จริง
ผู้จัดทำหวังว่าเอกสารประกอบคำสอนฉบับนี้จะช่วยให้ผู้เรียนพัฒนาความรู้และทักษะด้านการวิเคราะห์ข้อมูล และสามารถนำความรู้ไปประยุกต์ใช้ในการศึกษาและการทำงานต่อไปได้ดวิเคราะห์
[1]
C. O’Neil, Weapons of Math Destruction. Crown, 2016.
[2]
F. Provost และ T. Fawcett, Data Science for Business: What You Need to Know about Data Mining and Data-Analytic Thinking. O’Reilly Media, 2013.
[3]
G. James, D. Witten, T. Hastie, และ R. Tibshirani, An Introduction to Statistical Learning: with Applications in R, 2nd พิมพ์ครั้งที่. Springer, 2021.
[4]
H. Wickham และ G. Grolemund, R for Data Science. O’Reilly Media, 2017.
[5]
W. McKinney, Python for Data Analysis: Data Wrangling with Pandas, NumPy, and Jupyter, 3rd พิมพ์ครั้งที่. O’Reilly Media, 2022.
[6]
C. N. Knaflic, Storytelling with Data: A Data Visualization Guide for Business Professionals. John Wiley & Sons, 2015.
[7]
J. Han, M. Kamber, และ J. Pei, Data Mining: Concepts and Techniques. Morgan Kaufmann, 2011.
[8]
T. H. Davenport และ J. G. Harris, Competing on Analytics. Harvard Business Review Press, 2010.
[9]
T. Hastie, R. Tibshirani, และ J. Friedman, The Elements of Statistical Learning. Springer, 2009.
[10]
A. G’eron, Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow, 3rd พิมพ์ครั้งที่. O’Reilly Media, 2022.
[11]
L. Wasserman, All of Statistics: A Concise Course in Statistical Inference. Springer Science & Business Media, 2004.
[12]
R. J. Hyndman และ G. Athanasopoulos, Forecasting: Principles and Practice, 2nd พิมพ์ครั้งที่. OTexts, 2018.
[13]
J. Silge และ D. Robinson, Text Mining with R: A Tidy Approach. O’Reilly Media, 2017.
[14]
E. R. Tufte, The Visual Display of Quantitative Information, 2nd พิมพ์ครั้งที่. Graphics Press, 2001.
[16]
V. Mayer-Schönberger และ K. Cukier, Big Data: A Revolution That Will Transform How We Live, Work, and Think. Houghton Mifflin Harcourt, 2013.
[17]
R. Sharda, D. Delen, และ E. Turban, Business Intelligence and Analytics: Systems for Decision Support. Pearson, 2014.
[18]
T. White, Hadoop: The Definitive Guide. O’Reilly Media, 2012.
[19]
M. Zaharia และ B. Chambers, Spark: The Definitive Guide. O’Reilly Media, 2018.
[20]
N. Marz และ J. Warren, Big Data: Principles and Best Practices of Scalable Real-Time Data Systems. Manning, 2015.
[21]
D. Jurafsky และ J. H. Martin, Speech and Language Processing. Draft, 2023.
[22]
A. et al. Meurer,
“SymPy: Symbolic Computing in Python”,
PeerJ Computer Science, ปี 3, น. e103, 2017, doi:
10.7717/peerj-cs.103.
[23]
J. D. Hunter,
“Matplotlib: A 2D Graphics Environment”,
Computing in Science & Engineering, ปี 9, ฉบับที่ 3, น. 90–95, 2007, doi:
10.1109/MCSE.2007.55.
[24]
K. Healy, Data Visualization: A Practical Introduction. Princeton University Press, 2018.
[25]
A. Reinhart, Statistics Done Wrong: The Woefully Complete Guide. No Starch Press, 2015.
[26]
H. Wickham, “Tidy Data”, Journal of Statistical Software, ปี 59, ฉบับที่ 10, น. 1–23, 2014.
[27]
J. R. Quinlan, C4.5: Programs for Machine Learning. Morgan Kaufmann, 1993.
[28]
R. Agrawal, T. Imieliński, และ A. Swami, “Mining Association Rules Between Sets of Items in Large Databases”, SIGMOD Record, ปี 22, ฉบับที่ 2, น. 207–216, 1993.
[29]
J. MacQueen, “Some Methods for Classification and Analysis of Multivariate Observations”, ใน Proceedings of the Fifth Berkeley Symposium on Mathematical Statistics and Probability, 1967, น. 281–297.
[30]
S. Few, Information Dashboard Design. O’Reilly Media, 2009.
