หน่วยสมรรถนะ

หน่วยสมรรถนะ

เลือกเทคนิควิธีสำหรับการเรียนรู้แบบมีผู้สอน (Select Modelling Techniques for Supervised learning)

สาขาวิชาชีพอุตสาหกรรมดิจิทัล


รายละเอียดหน่วยสมรรถนะ


1. รหัสหน่วยสมรรถนะ ICT-LTLI-392B

2. ชื่อหน่วยสมรรถนะ เลือกเทคนิควิธีสำหรับการเรียนรู้แบบมีผู้สอน (Select Modelling Techniques for Supervised learning)

3. ทบทวนครั้งที่ 1 / 2566

4. สร้างใหม่ ปรับปรุง

5. สำหรับชื่ออาชีพและรหัสอาชีพ (Occupational Classification)

นักวิทยาศาสตร์ข้อมูล (Data Scientist) 

6. คำอธิบายหน่วยสมรรถนะ (Description of Unit of Competency)
ผู้ที่ผ่านสมรรถนะนี้จะมีความรู้เกี่ยวกับการเลือกเทคนิควิธีสำหรับการเรียนรู้แบบมีผู้สอน โดยสามารถเลือกเทคนิคสำหรับการสร้างแบบจำลองแบบมีผู้สอนสำหรับการจำแนกข้อมูล (Classification) และการวิเคราะห์ถดถอย (Regression) ที่มีความเหมาะสมกับเครื่องมือที่มี เพื่อใช้ประมวลผลกับข้อมูลทั้งที่มีโครงสร้างที่ชัดเจน 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)
70401.01 จำแนกเทคนิคการเรียนรู้แบบมีผู้สอนแบบต่าง ๆ 1. ระบุความแตกต่างของเทคนิคการวิเคราะห์แบบมีผู้สอนแบบต่าง ๆ ได้ 179835
70401.01 จำแนกเทคนิคการเรียนรู้แบบมีผู้สอนแบบต่าง ๆ 2. ระบุลักษณะข้อมูลที่เหมาะสมกับการเรียนรู้แบบมีผู้สอนได้ 179836
70401.01 จำแนกเทคนิคการเรียนรู้แบบมีผู้สอนแบบต่าง ๆ 3. ระบุความแตกต่างของคำตอบหรือผลลัพธ์ที่จะได้ระหว่างเทคนิคต่าง ๆ สำหรับการเรียนรู้แบบมีผู้สอนได้ 179837
70401.02 เลือกใช้เทคนิคการวิเคราะห์แบบมีผู้สอนแบบการจำแนกข้อมูล (Classification) ด้วยเทคนิค Decision Tree 1. ระบุหลักการของเทคนิคการวิเคราะห์แบบมีผู้สอนแบบการจำแนกข้อมูล (Classification) ด้วยเทคนิค Decision Tree ได้ 179838
70401.02 เลือกใช้เทคนิคการวิเคราะห์แบบมีผู้สอนแบบการจำแนกข้อมูล (Classification) ด้วยเทคนิค Decision Tree 2. บอกถึงผลลัพธ์ที่จะได้รับจากการสร้างสมการหรือต้นแบบจำลองด้วยเทคนิค Decision Tree ได้ 179839
70401.02 เลือกใช้เทคนิคการวิเคราะห์แบบมีผู้สอนแบบการจำแนกข้อมูล (Classification) ด้วยเทคนิค Decision Tree 3. กำหนดเครื่องมือช่วยในการวิเคราะห์แบบมีผู้สอนแบบการจำแนกข้อมูล (Classification) ด้วยเทคนิค Decision Tree ได้ 179840
70401.02 เลือกใช้เทคนิคการวิเคราะห์แบบมีผู้สอนแบบการจำแนกข้อมูล (Classification) ด้วยเทคนิค Decision Tree 4. ตั้งสมมติฐานที่คาดว่าจะได้รับได้ 179841
70401.03 เลือกใช้เทคนิคการวิเคราะห์แบบมีผู้สอนแบบการจำแนกข้อมูล (Classification) ด้วยเทคนิค SVM 1. ระบุหลักการของเทคนิคการวิเคราะห์แบบมีผู้สอนแบบการจำแนกข้อมูล (Classification) ด้วยเทคนิค SVM ได้ 179842
70401.03 เลือกใช้เทคนิคการวิเคราะห์แบบมีผู้สอนแบบการจำแนกข้อมูล (Classification) ด้วยเทคนิค SVM 2. บอกถึงผลลัพธ์ที่จะได้รับจากการสร้างสมการหรือแบบจำลองด้วยเทคนิค SVM ได้ 179843
70401.03 เลือกใช้เทคนิคการวิเคราะห์แบบมีผู้สอนแบบการจำแนกข้อมูล (Classification) ด้วยเทคนิค SVM 3. กำหนดเครื่องมือช่วยในการวิเคราะห์แบบมีผู้สอนแบบการจำแนกข้อมูล (Classification) ด้วยเทคนิค SVM ได้ 179844
70401.03 เลือกใช้เทคนิคการวิเคราะห์แบบมีผู้สอนแบบการจำแนกข้อมูล (Classification) ด้วยเทคนิค SVM 4. ตั้งสมมติฐานที่คาดว่าจะได้รับได้ 179845
70401.04 เลือกใช้เทคนิคการวิเคราะห์แบบมีผู้สอนแบบการจำแนกข้อมูล (Classification) ด้วยเทคนิค ANN 1. ระบุหลักการของเทคนิคการวิเคราะห์แบบมีผู้สอนแบบการจำแนกข้อมูล (Classification) ด้วยเทคนิค ANN ได้ 179846
70401.04 เลือกใช้เทคนิคการวิเคราะห์แบบมีผู้สอนแบบการจำแนกข้อมูล (Classification) ด้วยเทคนิค ANN 2. บอกถึงผลลัพธ์ที่จะได้รับจากการสร้างสมการหรือแบบจำลองด้วยเทคนิค ANN ได้ 179847
70401.04 เลือกใช้เทคนิคการวิเคราะห์แบบมีผู้สอนแบบการจำแนกข้อมูล (Classification) ด้วยเทคนิค ANN 3. กำหนดเครื่องมือช่วยในการวิเคราะห์แบบมีผู้สอนแบบการจำแนกข้อมูล (Classification) ด้วยเทคนิค ANN ได้ 179848
70401.04 เลือกใช้เทคนิคการวิเคราะห์แบบมีผู้สอนแบบการจำแนกข้อมูล (Classification) ด้วยเทคนิค ANN 4. ตั้งสมมติฐานที่คาดว่าจะได้รับได้ 179849
70401.05 เลือกใช้เทคนิคการวิเคราะห์แบบมีผู้สอนแบบการวิเคราะห์การถดถอย(Regression) ด้วยเทคนิค Linear Regression 1. ระบุหลักการของเทคนิคการวิเคราะห์แบบมีผู้สอนแบบการวิเคราะห์การถดถอย (Regression) ด้วยเทคนิค Linear Regression ได้ 179850
70401.05 เลือกใช้เทคนิคการวิเคราะห์แบบมีผู้สอนแบบการวิเคราะห์การถดถอย(Regression) ด้วยเทคนิค Linear Regression 2. บอกถึงผลลัพธ์ที่จะได้รับจากการสร้างสมการหรือแบบจำลองด้วยเทคนิค Linear Regression ได้ 179851
70401.05 เลือกใช้เทคนิคการวิเคราะห์แบบมีผู้สอนแบบการวิเคราะห์การถดถอย(Regression) ด้วยเทคนิค Linear Regression 3. กำหนดเครื่องมือช่วยในการวิเคราะห์แบบมีผู้สอนแบบการวิเคราะห์การถดถอย (Regression) ด้วยเทคนิค Linear Regression ได้ 179852
70401.05 เลือกใช้เทคนิคการวิเคราะห์แบบมีผู้สอนแบบการวิเคราะห์การถดถอย(Regression) ด้วยเทคนิค Linear Regression 4. ตั้งสมมติฐานที่คาดว่าจะได้รับได้ 179853
70401.06 สื่อสารในระหว่างการดำเนินงาน 1. รับและส่งสารในระหว่างการดำเนินงานได้ 179854
70401.06 สื่อสารในระหว่างการดำเนินงาน 2. สอบถามและตอบข้อมูลในระหว่างการดำเนินงาน ได้ 179855
70401.06 สื่อสารในระหว่างการดำเนินงาน 3. สามารถสื่อสารผ่านสื่อสารสนเทศช่องทางต่าง ๆได้ 179856

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. ผู้ประเมินตรวจประเมินเกี่ยวกับการเลือกเทคนิควิธีสำหรับการเรียนรู้แบบมีผู้สอน โดยพิจารณาจากร่องรอยหลักฐานที่เกี่ยวข้องทั้งหลักฐานการปฏิบัติงาน และหลักฐานความรู้

(ง) วิธีการประเมิน

1. พิจารณาตามหลักฐานการปฏิบัติงาน

2. พิจารณาตามหลักฐานความรู้

15. ขอบเขต (Range Statement)

(ก) คำแนะนำ

หน่วยสมรรถนะนี้เป็นการเลือกเทคนิคต่าง ๆ ของการสร้างแบบจำลองแบบมีผู้สอนอย่างสอดคล้องกับปัญหาขององค์กรและข้อมูล รวมทั้งเครื่องมือช่วยต่าง ๆ ได้อย่างเหมาะสม

 (ข) คำอธิบายรายละเอียด

1.การเข้าใจเทคนิคการวิเคราะห์แบบมีผู้สอน (Supervised Learning)

    Supervised Learning หรือการเรียนรู้แบบมีผู้สอน เป็นศาสตร์แขนงหนึ่งใน AI หรือปัญญาประดิษฐ์ ภายใต้หัวข้อ Machine Learning คือการทำให้คอมพิวเตอร์สามารถหาคำตอบของปัญหาได้เอง ภายหลังจากเรียนรู้จากชุดข้อมูลตัวอย่างไปแล้วระยะหนึ่ง เป็นการเน้นการเรียนรู้จากข้อมูลในอดีต เพื่อสร้างเป็นแบบจำลองหรือแบบจำลองเพื่อทำนาย หรือคาดการณ์สิ่งที่จะเกิดในอนาคต โดยแบบจำลองหรือแบบจำลองอาจเป็นสมการคณิตศาสตร์ หรือกฎต่าง ๆ โดยแบ่งเป็นกลุ่มใหญ่ ๆ ดังนี้

    1) การจำแนกข้อมูล (Classification) 

    2) การวิเคราะห์การถดถอย (Regression)

2. การจำแนกข้อมูล (Classification)  คือกระบวนการสร้างแบบจำลองจัดการข้อมูลให้อยู่ในกลุ่มที่กำหนดมาให้จากกลุ่มตัวอย่างข้อมูลที่เรียกว่าข้อมูลสอนระบบ (Training data) ที่แต่ละแถวของข้อมูลประกอบด้วยฟิลด์หรือแอทริบิวท์จำนวนมาก แอทริบิวท์นี้อาจเป็นค่าต่อเนื่อง (Continuous) หรือค่ากลุ่ม (Categorical) โดยจะมีแอทริบิวท์แบ่ง (Classifying attribute) ซึ่งเป็นตัวบ่งชี้คลาสของข้อมูล จุดประสงค์ของการจำแนกประเภทข้อมูลคือการสร้างแบบจำลองการแยกแอทริบิวท์หนึ่งโดยขึ้นกับแอทริบิวท์อื่น แบบจำลองที่ได้จากการจำแนกประเภทข้อมูลจะทำให้สามารถพิจารณาคลาสในข้อมูลที่ยังมิได้แบ่งกลุ่มในอนาคตได้ ตัวอย่างเทคนิคการจำแนกข้อมูลพื้นฐานมีดังนี้

1) Decision Tree คือแบบจำลองทางคณิตศาสตร์ที่ใช้ทำนายประเภท โดยพิจารณาจากลักษณะของวัตถุ เป็นกระบวนการสร้างต้นไม้ขึ้นเพื่อใช้ในการตัดสินใจจากข้อมูลที่มีหมวดหมู่ ต้นไม้ตัดสินใจจะประกอบไปด้วยโหนดต่าง ๆ 

2) การเข้าใจเทคนิคการวิเคราะห์ SVM

ซัพพอร์ตเวกเตอร์แมชชีน (Support Vector Machines : SVM) เป็นตัวแบบที่ใช้ในการแยกแยะข้อมูล โดยจะแบ่งข้อมูลด้วยระนาบหลายมิติ ซึ่งมีความใกล้เคียงกับ ANN 

หลักการของ SVM คือการให้อินพุท (Input) ที่ใช้ฝึก (Train) เป็นเวคเตอร์ในสเปซ N มิติ เช่นถ้าในกรณีของ 2 มิติ และ 3 มิติ จะเป็นจุดที่อยู่ในระนาบ xy และสเปซ xyz ตามลำดับ จากนั้นทำการสร้างไฮเปอร์เพลน (Hyperplane) เพื่อแยกกลุ่มของเวคเตอร์อินพุตออกเป็นประเภทต่าง ๆ ในกรณีที่เป็น 2 มิติ และ 3 มิติ ไฮเปอร์เพลน คือเส้นตรงและระนาบตามลำดับ 

3) การเข้าใจเทคนิคการวิเคราะห์ ANN (MLP)

    Artificial Neural Networks (ANN) นับเป็นสาขาหนึ่งของปัญญาประดิษฐ์ (Artificial Intelligence, AI) มี Artificial Neurons ที่สามารถเรียนรู้ได้โดยใช้หลักการเช่นเดียวกับสมองมนุษย์ เรียนรู้โดยการปรับค่า Connection Weight เพื่อให้ได้ผลลัพธ์ที่มีความคลาดเคลื่อน (Error) น้อยที่สุด 

3. การวิเคราะห์ถดถอย (Regression) 

    การทำนายค่าเชิงตัวเลขโดยการใช้หลักการทางสถิติที่เรียกว่า การถดถอย (regression) ซึ่ง Regression Analysis ถือเป็นเครื่องมือทางสถิติที่มีการประยุกต์ใช้ในการประมวลผลข้อมูลในงานวิจัยค่อนข้างมาก การวิเคราะห์การถดถอยจะเป็นแบบจำลองสำหรับการหาความสัมพันธ์ระหว่าง “predictor variable” ซึ่งเป็นค่าในแอทริบิวต่าง ๆที่ใช้ในการอธิบายคุณลักษณะของข้อมูลเรคคอร์ดหนึ่งๆ กับ “response variable”

    เทคนิคการวิเคราะห์ที่จัดอยู่ในกลุ่ม Regression มีหลายเทคนิค โดยมีเทคนิคที่สำคัญคือ

1) Linear Regression 

2) non-Linear Regression 

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)

18.1 เครื่องมือประเมินการจำแนกเทคนิคการเรียนรู้แบบมีผู้สอนแบบต่าง ๆตามข้อกำหนดมาตรฐาน

1. ผลข้อสอบข้อเขียน

ดูรายละเอียดจากคู่มือประเมิน

18.2 เครื่องมือประเมินการเลือกใช้เทคนิคการวิเคราะห์แบบมีผู้สอนแบบการจำแนกข้อมูล (Classification) ด้วยเทคนิค Decision Tree ตามข้อกำหนดมาตรฐาน

1. แบบฟอร์มประเมินผลการสัมภาษณ์

2. ผลข้อสอบข้อเขียน

ดูรายละเอียดจากคู่มือประเมิน

18.3 เครื่องมือประเมินการเลือกใช้เทคนิคการวิเคราะห์แบบมีผู้สอนแบบการจำแนกข้อมูล (Classification) ด้วยเทคนิค SVM ตามข้อกำหนดมาตรฐาน

1. แบบฟอร์มประเมินผลการสัมภาษณ์

2. ผลข้อสอบข้อเขียน

ดูรายละเอียดจากคู่มือประเมิน

18.4 เครื่องมือประเมินการเลือกใช้เทคนิคการวิเคราะห์แบบมีผู้สอนแบบการจำแนกข้อมูล (Classification) ด้วยเทคนิค ANN ตามข้อกำหนดมาตรฐาน

1. แบบฟอร์มประเมินผลการสัมภาษณ์

2. ผลข้อสอบข้อเขียน

ดูรายละเอียดจากคู่มือประเมิน

18.5 เครื่องมือประเมินการเลือกใช้เทคนิคการวิเคราะห์แบบมีผู้สอนแบบการวิเคราะห์การถดถอย (Regression) ด้วยเทคนิค Linear Regression ตามข้อกำหนดมาตรฐาน

1. แบบฟอร์มประเมินผลการสัมภาษณ์

2. ผลข้อสอบข้อเขียน

ดูรายละเอียดจากคู่มือประเมิน

18.6 เครื่องมือประเมินการสื่อสารในระหว่างการดำเนินงานตามข้อกำหนดมาตรฐาน

1. แบบฟอร์มประเมินผลการสัมภาษณ์

2. ผลข้อสอบข้อเขียน

ดูรายละเอียดจากคู่มือประเมิน

กลับ

ยินดีต้อนรับ