View on Facebook
Explore

Data Science Essential

3 months
| Self-paced Available
AI နည်းပညာခေတ်ကို ဦးဆောင်မယ့် အခြေခံအုတ်မြစ်ဖြစ်တဲ့ 𝐃𝐚𝐭𝐚 𝐒𝐜𝐢𝐞𝐧𝐜𝐞 𝐄𝐬𝐬𝐞𝐧𝐭𝐢𝐚𝐥 𝐂𝐥𝐚𝐬𝐬
လက်ရှိခေတ်ရဲ့ အရေးပါဆုံး နည်းပညာနယ်ပယ်တွေဖြစ်တဲ့ 𝐀𝐈, 𝐌𝐚𝐜𝐡𝐢𝐧𝐞 𝐋𝐞𝐚𝐫𝐧𝐢𝐧𝐠, 𝐃𝐞𝐞𝐩 𝐋𝐞𝐚𝐫𝐧𝐢𝐧𝐠, နှင့် 𝐑𝐨𝐛𝐨𝐭𝐢𝐜𝐬 တို့ရဲ့ အဓိကသော့ချက်ဟာ 𝐃𝐚𝐭𝐚 𝐒𝐜𝐢𝐞𝐧𝐜𝐞 ပဲ ဖြစ်ပါတယ်။
အဲဒီလိုခေတ်မီနည်းပညာတွေကို စတင်သင်ယူဖို့အတွက် 𝐅𝐨𝐮𝐧𝐝𝐚𝐭𝐢𝐨𝐧𝐚𝐥 𝐂𝐨𝐫𝐞 𝐓𝐡𝐞𝐨𝐫𝐲 ကို အခြေခံအုတ်မြစ်ခိုင်မာအောင် တည်ဆောက်ပေးမယ့် ဒီသင်တန်းကို 𝐎𝐬𝐜𝐨𝐫𝐝 𝐂𝐨𝐝𝐞 𝐀𝐜𝐚𝐝𝐞𝐦𝐲 မှာတက်ရောက်သင်ယူနိုင်ပါပြီ
ဘာတွေသင်ယူရရှိမလဲ...?
Data Science ဟာ အစီအစဉ်မကျဖြစ်နေတဲ့ Raw Data တွေကို တန်ဖိုးရှိတဲ့ အချက်အလက် (Insights) တွေအဖြစ် ပြောင်းလဲပေးတဲ့ လုပ်ငန်းစဉ်တစ်ခုပါ။ ဒီ Course မှာ အဆိုပါလုပ်ငန်းစဉ်ရဲ့ အရေးအကြီးဆုံး Concept များကို လက်တွေ့ကျကျ သင်ကြားပေးသွားမှာဖြစ်ပါတယ်။
Data Science ရဲ့ အရေးပါတဲ့ အဆင့်တွေအနေနဲ့
👾𝐃𝐚𝐭𝐚 𝐂𝐥𝐞𝐚𝐧𝐢𝐧𝐠 & 𝐏𝐫𝐞𝐩𝐫𝐨𝐜𝐞𝐬𝐬𝐢𝐧𝐠
အပေါက်များ (Missing Values) ပါဝင်နေသော၊ မလိုအပ်သော၊ ရောနှောနေသော Data များကို စနစ်တကျ ပြင်ဆင်ခြင်း၊ ခန့်မှန်းဖြည့်သွင်းခြင်းနှင့် ဖယ်ရှားခြင်း။
👾 𝐃𝐚𝐭𝐚 𝐓𝐫𝐚𝐧𝐬𝐟𝐨𝐫𝐦𝐚𝐭𝐢𝐨𝐧
Data များကို တွက်ချက်နိုင်သော ပုံစံ (Standardization & Normalization) များအဖြစ် ပြောင်းလဲခြင်း။
👾 𝐂𝐥𝐮𝐬𝐭𝐞𝐫𝐢𝐧𝐠 (အုပ်စုခွဲခြင်း)
မတူညီသော Data များကို Distance/Similarity ကို အသုံးပြုပြီး (Hierarchical, K-Means, DB Scan) နည်းလမ်းများဖြင့် အုပ်စုခွဲခြားခြင်း။
👾𝐀𝐬𝐬𝐨𝐜𝐢𝐚𝐭𝐢𝐯𝐞 𝐑𝐮𝐥𝐞 𝐌𝐢𝐧𝐢𝐧𝐠
ဥပမာ- Online Shop တွင် ဝယ်ယူသူများ ဘယ်ပစ္စည်းနှင့် ဘယ်ပစ္စည်းကို တွဲဖက်ဝယ်ယူတတ်ကြောင်း တွက်ချက်ခြင်း။
👾𝐒𝐮𝐩𝐞𝐫𝐯𝐢𝐬𝐞𝐝 𝐌𝐚𝐜𝐡𝐢𝐧𝐞 𝐋𝐞𝐚𝐫𝐧𝐢𝐧𝐠
ရှိနှင့်ပြီးသား Data များမှ သင်ယူစေပြီး အနာဂတ်ရလဒ်များကို ခန့်မှန်းတွက်ချက်နိုင်သော Rule များ (ဥပမာ- ID3, C4.5 Classifier) ကို ဖော်ထုတ်ခြင်းတို့ကို စနစ်တကျလေ့လာသင်ယူရမှာဖြစ်ပါတယ်
Learn Free

90,000 MMK

(Video Lectures Only)

80% OFF · Best Value

Five Ways to Learn

Video Lectures Only

90,000MMK

80% OFF · Self-paced

Video + Zoom By One

225,000MMK

50% OFF · Live support

Group Class

315,000MMK

30% OFF · Batch learning

Face to Face Bangkok

900,000MMK

In-person class

Course Curriculum

01

Introduction to Data Science

02

Distance & Similarity

03

Data

04

Finding Missing Value in Data Cleaning

05

Standardization & Normalization

06

Distance in Clustering

07

Hierarchical Clustering

08

K-Means Clustering

09

DB Scan Clustering

10

Clustering Evaluation

11

Associative Rule Mining

12

Supervised Machine Learning

13

ID3, Outlook, C4.5 Classifier, Gini Index

14

Correlation Coefficient