ข้อมูลที่มีคุณค่า

Get Started. It's Free
or sign up with your email address
Rocket clouds
ข้อมูลที่มีคุณค่า by Mind Map: ข้อมูลที่มีคุณค่า

1. ช้อมูลที่มีหลากหลายประเภท จากหลายแหล่งข้อมูล

2. Data Analytics

2.1. ความหมาย

2.1.1. นำข้อมูลมาเตรียมไว้วิเคราะห์เพื่อหาความสัมพันธ์ เพื่อเข้าใจปัญหาเพื่อคาดการณ์เหตุการณ์ที่จะเกิดขึ้นในอนาคตและหาแนวทางในการแก้ปัญหา

2.2. การใช้งาน

2.2.1. ใช้ในการเกษตร-การรวบรวมข้อมูล เช่น สภาพดิน สภาพอากาศ นำข้อมูลเหล่านี้มาวิเคราะห์และประมวลผล

2.2.2. ใช้ในด้านกีฬา-นำข้อมูลมาใช้เพื่อเลือกผู้เล่นมาเล่นในทีม วางแผนการเล่น

2.2.3. ใช้ในด้านธุรกิจ-ดูแลลูกค้า,เข้าใจความต้องการของลูกค้า

2.2.4. ใช้ในการแพทย์-นำข้อมูลคนไข้มาให้โมเดลเรียนรู้

3. Big data

3.1. ความหมาย

3.1.1. เป็นข้อมูลที่มีมากมายมหาศาล หลากหลายประเภทจากหลายแหล่งข้อมูลเป็นข้อมูลที่เข้ามาอย่างรวดเร็วตลอดเวลา

3.2. ประโยชน์

3.2.1. ใช้วิเคราะห์ข้อมูล เพื่อทำนายเหตุการณ์ข้างหน้า

3.2.2. ใช้วิเคราะห์เพื่อให้เข้าใจถึงปัญหาต่างๆขององค์กร

3.2.3. ใช้วิเคราะหห์ข้อมูล เพื่อทำการตลาดและความต้องการของลูกค้า

3.2.4. ใช้วเคราะห์ข้อมูลเพื่อสร้างความสัมพันธ์กับลูกค้า

3.3. ขั้นตอน

3.3.1. 1.Problem analysis

3.3.1.1. วิเคราะห์และระบุปัญหาที่เราต้องการแก้

3.3.2. 2.Data preparation

3.3.2.1. เตรียมข้อมูลให้พร้อม ปรับเปลี่ยรข้อมูลให้เหมาะสม ครบถ้วนถูกต้อง

3.3.3. 3.Modeling

3.3.3.1. ออกแบบโครงสร้างข้อมูลให้ตอบโจทย์กับปัญหา

3.3.4. 4.Data analytics

3.3.4.1. นำข้อมูลที่เตรียมไว้มาหาความสัมพันธ์เพื่อคาดการณ์เหตุการณ์ข้างหน้าและแก้ปัญหา

3.3.5. 5.Deployment

3.3.5.1. นำผลที่ได้มาแสดงผลและใช้งานต่อ

3.3.6. 6.Evaluation

3.3.6.1. ประเมินผลที่ได้ว่ามีความถูกต้องตอบโจทย์หรือไม่

3.4. ปัจจัยในการทำให้สำเร็จ

3.4.1. มีเครื่องมือและโครงสร้างที่จำเป็น

3.4.2. จัดการข้อมูลให้เหมาะสม

3.4.3. มีบุคคลที่มีความรู้เกี่ยวกับด้านbig data

3.5. ประเภท

3.5.1. volume

3.5.1.1. ข้อมูลที่มีมากมายมหาศาล

3.5.2. variety

3.5.3. velocity

3.5.3.1. ข้อมูลที่หลั่งไหลเข้ามาอย่างรวดเร็ว

4. Data science

4.1. Machine Learning

4.1.1. การใช้ข้อมูลเพื่อตอบคำถาม

4.1.1.1. การใช้ข้อมูล-นำข้อมูลที่มีอยู่แล้วมาเรียนรู้ด้วยคอมพิวเตอร์ เพื่อหาความสัมพันธ์ของรูปแบบข้อมูลและสร้างเป็นโมเดลคาดการณ์ขึ้นมา เรียกว่า "training"

4.1.1.2. ตอบคำถาม - นำโมเดลที่ได้รับไปใช้ตอบคำถามแบบอนุมานหรือทำนายผลจากข้อมูลใหม่อีกชุดที่เครื่องไม่รู้จักมาก่อน เรียกว่า "Prediction"

4.2. Data Mining

4.2.1. ไม่เน้นการคาดการณ์ แต่เน้นการหาความรู้ที่มีค่าที่ซ่อนอยู่ในข้อมูลและเราไม่เคยรู้มาก่อน

4.2.2. ใช้ machine learning algorithm

4.3. Artificial Intelligence(AI)

4.3.1. คือ ปัญญาประดิษฐ์

4.3.2. คอมพิวเตอร์สามารถตัดสินใจได้แบบมนุษย์