107%;font-family:"TH SarabunPSK",sans-serif;mso-fareast-font-family:"Times New Roman";
mso-fareast-theme-font:minor-fareast;mso-ansi-language:EN-US;mso-fareast-language:
EN-US;mso-bidi-language:TH" lang="TH">นักวิทยาศาสตร์ข้อมูล (mso-fareast-font-family:"Times New Roman";mso-fareast-theme-font:minor-fareast;
mso-ansi-language:EN-US;mso-fareast-language:EN-US;mso-bidi-language:TH">Data
Scientist)

N/A

(ก) ความต้องการด้านทักษะ

1) ทักษะการใช้คอมพิวเตอร์ และอินเทอร์เน็ต

2) ทักษะการทำแบบจำลองเหมืองข้อมูล (Data Mining Model)

3) ทักษะการทดสอบประสิทธิภาพชุดข้อมูล

4) ทักษะการตีความข้อมูล

(ข) ความต้องการด้านความรู้

1) ความรู้ด้านการเศรษฐศาสตร์และบริหารธุรกิจ

2) ความรู้ด้านสถิติศาสตร์

3) ความรู้ด้านการทำเหมืองข้อมูล

4) ความรู้ด้านวิธีการทดสอบความเที่ยงตรง

(ก) หลักฐานการปฏิบัติงาน (Performance Evidence) อาทิ

    1) ใบรับรองการปฏิบัติงานจากสถานประกอบการ

(ข) หลักฐานความรู้ (Knowledge Evidence) อาทิ

    1) ใบรับรองการเข้ารับการฝึกอบรม

    2) ใบประกาศนียบัตรวุฒิการศึกษา

(ค) คำแนะนำในการประเมิน

    1) ผู้ประเมินตรวจประเมินเกี่ยวกับการทดสอบประสิทธิภาพของแบบจำลองการวิเคราะห์ข้อมูล โดยพิจารณาจากหลักฐานที่เกี่ยวข้องทั้งหลักฐานการปฏิบัติงาน และหลักฐานความรู้ ทั้งนี้ต้องได้รับการรับรองจากผู้เชี่ยวชาญด้านธุรกิจ

(ง) วิธีการประเมิน

    1) พิจารณาตามหลักฐานการปฏิบัติงาน

   2) พิจารณาตามหลักฐานความรู้

(ก) คำแนะนำ

     หน่วยสมรรถนะนี้เป็นการวิเคราะห์ประสิทธิภาพของแบบจำลองจากค่าต่าง ๆ เช่น Precision, Recall, Accuracy รวมทั้ง Confusion, ROC และ AUC เพื่อการปรับแก้ตัวแปรและพารามิเตอร์ต่าง ๆ ให้สอดคล้องกับธุรกิจและองค์กร

 (ข) คำอธิบายรายละเอียด

     1. เข้าใจและบอกข้อดี ข้อเสียของการวิเคราะห์ประสิทธิภาพของแบบจำลอง

ในการวัดประสิทธิภาพของแบบจำลอง โดยทั่วไปมีตัววัดต่าง ๆ ดังนี้

     1) Precision หรือความเที่ยงตรง เป็นค่าที่นิยมใช้และแสดงความหมายใกล้เคียงกับความถูกต้องแม่นยำ (accuracy) ซึ่งเป็นการวัดความแม่นยำของแบบจำลอง โดยพิจารณาแยกทีละกรณี

    2) Recall เป็นการวัดความถูกต้องของแบบจำลอง โดยพิจารณาแยกทีละกรณี

    3) Accuracy เป็นการวัดความถูกต้องของแบบจำลอง โดยพิจารณารวมทุกกรณี

    4) Confusion Matrix คือ ตารางแบบจัตุรัสที่นับเปรียบเทียบความถูกต้องของแบบจำลอง 

     5) ROC หรือ (Receiver Operating Characteristic) มาจากรากฐานเรื่อง sensitivity, specificity, false positive rate, false negative rate เป็นการตรวจสอบการพยากรณ์ได้ถูกต้องของตัวแบบด้วยสัดส่วนการพยากรณ์ถูกต้อง ภายใต้เส้นโค้ง ROC  หรือที่เรียกทั่วไปว่า ROC Curve ซึ่งใช้สำหรับการวิเคราะห์ความไว (Sensitivity) ของตัวแบบในการพยากรณ์ได้ถูกต้อง

    6) AUC (Area under the ROC curve) คือค่าที่ถูกใช้ในการบ่งบอกความถูกต้องของการพยากรณ์ ซึ่งเป็น พื้นที่ใต้โค้ง ROC หรือที่เรียกว่า AUC ถ้าพื้นที่ใต้โค้ง ROC มีค่ามาก แสดงว่าตัวแบบนั้นมีความถูกต้องมาก

    7) ความคลาดเคลื่อน (Error) เป็นการวัดเพื่อประเมินและเปรียบเทียบประสิทธิภาพแบบจำลอง เช่น ค่าผลรวมความคลาดเคลื่อนกําลังสอง (Residual Sum Of Squares: RSS) และค่าประมาณค่าเฉลี่ยของความผิดพลาดจากการพยากรณ์กําลังสอง (Mean Square Prediction Error: MSPE) ค่าเฉลี่ยความคลาดเคลื่อนสัมบูรณ์ (Mean Absolute Error: MAE)  หรือ Confidence และ Lift เป็นต้น

1.  เครื่องมือประเมินการวัดประสิทธิภาพของแบบจำลองตามข้อกำหนดมาตรฐาน

   1. ผลข้อสอบข้อเขียน

      ดูรายละเอียดจากคู่มือประเมิน

2. เครื่องมือประเมินการเลือกเทคนิคแบบจำลองตามข้อกำหนดมาตรฐาน

  1. ผลข้อสอบข้อเขียน

  2. แบบฟอร์มประเมินผลการสาธิตการปฏิบัติงาน

     ดูรายละเอียดจากคู่มือประเมิน

3. เครื่องมือประเมินการปรับปรุงตัวแปรของแบบจำลองตามข้อกำหนดมาตรฐาน

   1. ผลข้อสอบข้อเขียน

   2. แบบฟอร์มประเมินผลการสาธิตการปฏิบัติงาน

       ดูรายละเอียดจากคู่มือประเมิน

4. เครื่องมือประเมินการสื่อสารเพื่อแลกเปลี่ยนสารสนเทศในระหว่างการดำเนินงานตามข้อกำหนดมาตรฐาน

    1. แบบฟอร์มประเมินผลการสัมภาษณ์

    2. ผลข้อสอบข้อเขียน

       ดูรายละเอียดจากคู่มือประเมิน