หน่วยสมรรถนะ
เลือกเทคนิคการวิเคราะห์แบบไม่มีผู้สอน
สาขาวิชาชีพอุตสาหกรรมดิจิทัล
รายละเอียดหน่วยสมรรถนะ
| 1. รหัสหน่วยสมรรถนะ | ICT-XXJO-255B |
| 2. ชื่อหน่วยสมรรถนะ | เลือกเทคนิคการวิเคราะห์แบบไม่มีผู้สอน |
| 3. ทบทวนครั้งที่ | - / - |
| 4. สร้างใหม่ |
|
ปรับปรุง |
|
| 5. สำหรับชื่ออาชีพและรหัสอาชีพ (Occupational Classification) | |
|
นักวิทยาศาสตร์ข้อมูล (Data Scientist) |
|
| 6. คำอธิบายหน่วยสมรรถนะ (Description of Unit of Competency) | |
| สามารถเลือกเทคนิคสำหรับการวิเคราะห์แบบไม่มีผู้สอนสำหรับการแบ่งกลุ่มข้อมูล (Clustering) และการค้นหากฎความสัมพันธ์ (Association) ที่มีความเหมาะสมกับเครื่องมือที่มี สำหรับข้อมูลทั้งที่มีโครงสร้างที่ชัดเจน และไม่มีโครงสร้างที่ชัดเจน ที่ซึ่งมีความสัมพันธ์กับเป้าหมายธุรกิจ | |
| 7. สำหรับระดับคุณวุฒิ |
| 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |
|---|---|---|---|---|---|---|---|
|
|
|
|
|
|
|
|
| 8. กลุ่มอาชีพ (Sector) | |
| สาขาวิชาชีพอุตสาหกรรมดิจิทัล สาขาวิทยาศาสตร์ข้อมูล (Data Science) | |
| 9. ชื่ออาชีพและรหัสอาชีพอื่นที่หน่วยสมรรถนะนี้สามารถใช้ได้ (ถ้ามี) | |
| N/A | |
| 10. ข้อกำหนดหรือกฎระเบียบที่เกี่ยวข้อง (Licensing or Regulation Related) (ถ้ามี) | |
| N/A | |
| 11. สมรรถนะย่อยและเกณฑ์การปฏิบัติงาน (Elements and Performance Criteria) |
| หน่วยสมรรถนะย่อย (EOC) | เกณฑ์ในการปฏิบัติงาน (Performance Criteria) | รหัส PC (ตามเล่มมาตรฐาน) |
รหัส PC (จากระบบ) |
|---|---|---|---|
| 70402.01 จำแนกเทคนิคการวิเคราะห์แบบไม่มีผู้สอนแบบต่าง ๆ | 1. ระบุเทคนิคการวิเคราะห์แบบไม่มีผู้สอนแบบต่าง ๆ ได้ | 70402.01.04 | 120975 |
| 70402.01 จำแนกเทคนิคการวิเคราะห์แบบไม่มีผู้สอนแบบต่าง ๆ | 2. ระบุถึงแหล่งที่มาของข้อมูลที่เหมาะสมกับเทคนิคการวิเคราะห์แบบไม่มีผู้สอนได้ | 70402.01.05 | 120976 |
| 70402.01 จำแนกเทคนิคการวิเคราะห์แบบไม่มีผู้สอนแบบต่าง ๆ | 3. บอกความแตกต่างของคำตอบหรือผลลัพธ์ที่จะได้ระหว่างเทคนิคต่าง ๆ ที่จัดอยู่ในกลุ่มนี้ได้ | 70402.01.06 | 120977 |
| 70402.02 เลือกใช้เทคนิคการวิเคราะห์แบบไม่มีผู้สอนแบบการแบ่งกลุ่มข้อมูล (Clustering) ด้วยเทคนิค k-Mean | 1. ระบุหลักการของเทคนิคการวิเคราะห์แบบไม่มีผู้สอนแบบการแบ่งกลุ่มข้อมูล (Clustering) ด้วยเทคนิค k-Mean ได้ | 70402.02.05 | 120978 |
| 70402.02 เลือกใช้เทคนิคการวิเคราะห์แบบไม่มีผู้สอนแบบการแบ่งกลุ่มข้อมูล (Clustering) ด้วยเทคนิค k-Mean | 2. บอกถึงผลลัพธ์ที่จะได้รับจากการสร้างสมการหรือแบบจำลองด้วยเทคนิค k-Mean ได้ | 70402.02.06 | 120979 |
| 70402.02 เลือกใช้เทคนิคการวิเคราะห์แบบไม่มีผู้สอนแบบการแบ่งกลุ่มข้อมูล (Clustering) ด้วยเทคนิค k-Mean | 3. กำหนดเครื่องมือช่วยในการวิเคราะห์แบบมีไม่มีผู้สอนแบบการแบ่งกลุ่มข้อมูล (Clustering) ด้วยเทคนิค k-Mean ได้ | 70402.02.07 | 120980 |
| 70402.02 เลือกใช้เทคนิคการวิเคราะห์แบบไม่มีผู้สอนแบบการแบ่งกลุ่มข้อมูล (Clustering) ด้วยเทคนิค k-Mean | 4. ตั้งสมมติฐานที่คาดว่าจะได้รับได้ | 70402.02.08 | 120981 |
| 70402.03 เลือกใช้เทคนิคการวิเคราะห์แบบไม่มีผู้สอนแบบการแบ่งกลุ่มข้อมูล (Clustering) ด้วยเทคนิค Hierarchical | 1. ระบุหลักการของเทคนิคการวิเคราะห์แบบไม่มีผู้สอนแบบการแบ่งกลุ่มข้อมูล (Clustering) ด้วยเทคนิค Hierarchical ได้ | 70402.03.05 | 120982 |
| 70402.03 เลือกใช้เทคนิคการวิเคราะห์แบบไม่มีผู้สอนแบบการแบ่งกลุ่มข้อมูล (Clustering) ด้วยเทคนิค Hierarchical | 2. บอกถึงผลลัพธ์ที่จะได้รับจากการสร้างสมการหรือแบบจำลองด้วยด้วยเทคนิค Hierarchical ได้ | 70402.03.06 | 120983 |
| 70402.03 เลือกใช้เทคนิคการวิเคราะห์แบบไม่มีผู้สอนแบบการแบ่งกลุ่มข้อมูล (Clustering) ด้วยเทคนิค Hierarchical | 3. กำหนดเครื่องมือช่วยในการวิเคราะห์แบบมีไม่มีผู้สอนแบบการแบ่งกลุ่มข้อมูล (Clustering) ด้วยเทคนิค Hierarchical ได้ | 70402.03.07 | 120984 |
| 70402.03 เลือกใช้เทคนิคการวิเคราะห์แบบไม่มีผู้สอนแบบการแบ่งกลุ่มข้อมูล (Clustering) ด้วยเทคนิค Hierarchical | 4. ตั้งสมมติฐานที่คาดว่าจะได้รับได้ | 70402.03.08 | 120985 |
| 70402.04 เลือกใช้เทคนิคการวิเคราะห์แบบไม่มีผู้สอนแบบการค้นหากฎความสัมพันธ์ (Association) ด้วยเทคนิค Apriori | 1. ระบุหลักการของเทคนิคการวิเคราะห์แบบไม่มีผู้สอนแบบการค้นหากฎความสัมพันธ์ (Association) ด้วยเทคนิค Apriori ได้ | 70402.04.05 | 120986 |
| 70402.04 เลือกใช้เทคนิคการวิเคราะห์แบบไม่มีผู้สอนแบบการค้นหากฎความสัมพันธ์ (Association) ด้วยเทคนิค Apriori | 2. บอกถึงผลลัพธ์ที่จะได้รับจากการสร้างสมการหรือแบบจำลองด้วยด้วยเทคนิค Apriori ได้ | 70402.04.06 | 120987 |
| 70402.04 เลือกใช้เทคนิคการวิเคราะห์แบบไม่มีผู้สอนแบบการค้นหากฎความสัมพันธ์ (Association) ด้วยเทคนิค Apriori | 3. กำหนดเครื่องมือช่วยในการวิเคราะห์แบบมีไม่มีผู้สอนแบบการค้นหากฎความสัมพันธ์ (Association) ด้วยเทคนิค Apriori ได้ | 70402.04.07 | 120988 |
| 70402.04 เลือกใช้เทคนิคการวิเคราะห์แบบไม่มีผู้สอนแบบการค้นหากฎความสัมพันธ์ (Association) ด้วยเทคนิค Apriori | 4. ตั้งสมมติฐานที่คาดว่าจะได้รับได้ | 70402.04.08 | 120989 |
| 12. ความรู้และทักษะก่อนหน้าที่จำเป็น (Pre-requisite Skill & Knowledge) | |
|
N/A |
|
| 13. ทักษะและความรู้ที่ต้องการ (Required Skills and Knowledge) | |
|
(ก) ความต้องการด้านทักษะ 1. สามารถใช้วิธีการวิเคราะห์และวิธีทางสถิติเพื่อช่วยเตรียมข้อมูลและเลือกข้อมูลได้ 2. สามารถใช้เทคนิคและเครื่องมือสำหรับประมวลผลข้อมูลขนาดใหญ่ได้ 3. สามารถใช้เทคนิคและเครื่องมือสำหรับประมวลผล SQL หรือ NoSQL หรือที่เกี่ยวข้องได้ (ข) ความต้องการด้านความรู้ 1. เข้าใจธุรกิจและวิเคราะห์ข้อมูลให้สอดคล้องกับวัตถุประสงค์ธุรกิจ |
|
| 14. หลักฐานที่ต้องการ (Evidence Guide) | |
|
(ก) หลักฐานการปฏิบัติงาน (Performance Evidence) 1. ใบรับรองการปฏิบัติงานจากสถานประกอบการ (ข) หลักฐานความรู้ (Knowledge Evidence) 1. ใบรับรองการเข้ารับการฝึกอบรม 2. ใบประกาศนียบัตรวุฒิการศึกษา (ค) คำแนะนำในการประเมิน 1. ผู้ประเมินตรวจประเมินเกี่ยวกับการเลือกเทคนิควิธีสำหรับการเรียนรู้แบบไม่มีผู้สอน โดยพิจารณาจากร่องรอยหลักฐานที่เกี่ยวข้องทั้งหลักฐานการปฏิบัติงาน และหลักฐานความรู้ (ง) วิธีการประเมิน 1. พิจารณาตามหลักฐานการปฏิบัติงาน 2. พิจารณาตามหลักฐานความรู้ |
|
| 15. ขอบเขต (Range Statement) | |
|
(ก) คำแนะนำ หน่วยสมรรถนะนี้เป็นการเลือกเทคนิคต่าง ๆ ของการสร้างแบบจำลองแบบไม่มีผู้สอนอย่างสอดคล้องกับปัญหาขององค์กรและข้อมูล รวมทั้งเครื่องมือช่วยต่าง ๆ ได้อย่างเหมาะสม (ข) คำอธิบายรายละเอียด 1. การเข้าใจเทคนิคการวิเคราะห์แบบไม่มีผู้สอน (Unsupervised Learning) คือการเรียนรู้แบบระบบจะไม่ได้รับการป้อนรูปแบบผลลัพธ์ที่ต้องการไปในการเรียนรู้ และต้องเรียนรู้จากข้อมูลที่ได้จากการกระทำต่าง ๆ เอง และพัฒนาดีขึ้นเมื่อเรียนรู้จากความผิดพลาดในอดีตบ่อยครั้งขึ้น โดยสามารถแบ่งแยกย่อยได้เป็นดังนี้ 1) การจัดกลุ่มข้อมูล (Clustering) 2) การค้นหาความสัมพันธ์ (Association Rule) 2. การจัดกลุ่มข้อมูล (Clustering) เป็นเทคนิคที่ใช้จำแนกหรือแบ่ง Case ของข้อมูล หรือแบ่งตัวแปรออกเป็นกลุ่มย่อย ๆ ตั้งแต่ 2 กลุ่มขึ้นไป Case ที่อยู่ในกลุ่มเดียวกันจะมีคุณลักษณะที่เหมือนกันหรือคล้ายกัน ส่วน Case ที่อยู่ต่างกลุ่มกัน จะมีลักษณะที่แตกต่างกัน โดยสามารถแบ่งกลุ่มหรือจัดกลุ่มได้ตามความเหมือน (Similarity) หรือตามความแตกต่าง (Dissimilarity or Distance) ของข้อมูลนั้น ๆ การจัดกลุ่มจะแตกต่างจากการแบ่งประเภทข้อมูล (Classification) โดยจะแบ่งกลุ่มข้อมูลจากความคล้าย โดยไม่มีการกำหนดคลาส (Class) ประเภทข้อมูลไว้ก่อนหรือไม่ทราบจำนวนกลุ่มล่วงหน้า โดยมีเทคนิคที่สำคัญดังนี้ 1) k-Mean หรือเรียกอีกอย่างหนึ่งว่า การวิเคราะห์กลุ่มแบบไม่เป็นขั้นตอน (Nonhierarchical Cluster Analysis) หรือ การแบ่งส่วน (Partitioning) เป็นอัลกอริทึมเทคนิคการเรียนรู้โดยไม่มีผู้สอนที่ง่ายที่สุด 2) Hierarchical หรือการแบ่งกลุ่มแบบลำดับระดับ เป็นการแบ่งกลุ่มจากกลุ่มย่อยที่ถูกแบ่งไว้ก่อนหน้านั้นซ้ำหลายครั้ง เป็นเทคนิคที่นิยมใช้กันมากในการจัดกลุ่ม Case หรือจัดกลุ่มตัวแปร 3. การค้นหาความสัมพันธ์ (Association Rule) เป็นเทคนิคหนึ่งของ Data Mining เพื่อการค้นหาความสัมพันธ์ของข้อมูลจากข้อมูลขนาดใหญ่ที่มีอยู่ เพื่อนำไปหารูปแบบที่เกิดขึ้นบ่อยๆ (frequent pattern) และใช้ในการวิเคราะห์ความสัมพันธ์หรือทำนายปรากฏการณ์ต่าง ๆ โดยมีเทคนิคที่สำคัญดังนี้ 1) Apriori เป็นอัลกอริทึมพื้นฐานที่ใช้ในการหาความสัมพันธ์ของข้อมูลโดยใช้หลักการค้นหาแบบวงกว้างก่อนนับทรานแซคชัน 4. เครื่องมือช่วยการวิเคราะห์ และการทำเหมืองข้อมูล (Data mining) มีหลากหลาย โดยมีโปรแกรมที่สำคัญดังนี้ 1) โปรแกรม Weka, RapidMiner 2) ภาษา R, Python, Java
|
|
| 16. หน่วยสมรรถนะร่วม (ถ้ามี) | |
| N/A | |
| 17. อุตสาหกรรมร่วม/กลุ่มอาชีพร่วม (ถ้ามี) | |
| N/A | |
| 18. รายละเอียดกระบวนการและวิธีการประเมิน (Assessment Description and Procedure) | |
|
1. เครื่องมือประเมินการจำแนกเทคนิคการวิเคราะห์แบบไม่มีผู้สอนแบบต่าง ๆ ตามข้อกำหนดมาตรฐาน 1. ผลข้อสอบข้อเขียน ดูรายละเอียดจากคู่มือประเมิน 2. เครื่องมือประเมินการเลือกใช้เทคนิคการวิเคราะห์แบบไม่มีผู้สอนแบบการแบ่งกลุ่มข้อมูล (Clustering) ด้วยเทคนิค k-Mean ตามข้อกำหนดมาตรฐาน 1. แบบฟอร์มประเมินผลการสัมภาษณ์ 2. ผลข้อสอบข้อเขียน ดูรายละเอียดจากคู่มือประเมิน 3 เครื่องมือประเมินการเลือกใช้เทคนิคการวิเคราะห์แบบไม่มีผู้สอนแบบการแบ่งกลุ่มข้อมูล (Clustering) ด้วยเทคนิค Hierarchical ตามข้อกำหนดมาตรฐาน 1. แบบฟอร์มประเมินผลการสัมภาษณ์ 2. ผลข้อสอบข้อเขียน ดูรายละเอียดจากคู่มือประเมิน 4 เครื่องมือประเมินการเลือกใช้เทคนิคการวิเคราะห์แบบไม่มีผู้สอนแบบการค้นหากฎความสัมพันธ์ (Association) ด้วยเทคนิค Apriori ตามข้อกำหนดมาตรฐาน 1. แบบฟอร์มประเมินผลการสัมภาษณ์ 2. ผลข้อสอบข้อเขียน ดูรายละเอียดจากคู่มือประเมิน
|
|
