�ݺ�ߣshows by User: sitake

�ݺ�ߣshows by User: sitake / http://www.slideshare.net/images/logo.gif �ݺ�ߣshows by User: sitake / Sun, 26 Apr 2020 13:32:09 GMT �ݺ�ߣShare feed for �ݺ�ߣshows by User: sitake Practical Data Science  Use-cases in Retail & eCommerce /slideshow/practical-data-science-usecases-in-retail-ecommerce/232665471 presentdatacube-200426133209
This slide present Data Analytics concept. Topics are level of analytics, CRISP-DM, data science use cases e.g., customer segmentation, churn prediction, product recommendation, demand forecasting]]>
This slide present Data Analytics concept. Topics are level of analytics, CRISP-DM, data science use cases e.g., customer segmentation, churn prediction, product recommendation, demand forecasting]]> Sun, 26 Apr 2020 13:32:09 GMT /slideshow/practical-data-science-usecases-in-retail-ecommerce/232665471 sitake@slideshare.net(sitake) Practical Data Science  Use-cases in Retail & eCommerce sitake This slide present Data Analytics concept. Topics are level of analytics, CRISP-DM, data science use cases e.g., customer segmentation, churn prediction, product recommendation, demand forecasting <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/presentdatacube-200426133209-thumbnail.jpg?width=120&height=120&fit=bounds" /> This slide present Data Analytics concept. Topics are level of analytics, CRISP-DM, data science use cases e.g., customer segmentation, churn prediction, product recommendation, demand forecasting

Practical Data Science Use-cases in Retail & eCommerce from Big Data Engineering, Faculty of Engineering, Dhurakij Pundit University

]]> 2749 0 https://cdn.slidesharecdn.com/ss_thumbnails/presentdatacube-200426133209-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post

http://activitystrea.ms/schema/1.0/posted

0 First Step to Big Data /slideshow/first-step-to-big-data/232496150 presentationeakasit-200423104948
This slide present Big Data concepts.]]>
This slide present Big Data concepts.]]> Thu, 23 Apr 2020 10:49:48 GMT /slideshow/first-step-to-big-data/232496150 sitake@slideshare.net(sitake) First Step to Big Data sitake This slide present Big Data concepts. <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/presentationeakasit-200423104948-thumbnail.jpg?width=120&height=120&fit=bounds" /> This slide present Big Data concepts.

First Step to Big Data from Big Data Engineering, Faculty of Engineering, Dhurakij Pundit University

]]> 3213 0 https://cdn.slidesharecdn.com/ss_thumbnails/presentationeakasit-200423104948-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post

http://activitystrea.ms/schema/1.0/posted

0 Introduction to Big Data Technologies /slideshow/introduction-to-big-data-technologies-149107634/149107634 introductiontobigdata-190609035858
Part 1: Introduction to Big Data Part 2: Introduction to NoSQL Part 3: Introduction to MapReduce and Hadoop Part 4: Introduction to Hive, HBase and Sqoop]]>
Part 1: Introduction to Big Data Part 2: Introduction to NoSQL Part 3: Introduction to MapReduce and Hadoop Part 4: Introduction to Hive, HBase and Sqoop]]> Sun, 09 Jun 2019 03:58:58 GMT /slideshow/introduction-to-big-data-technologies-149107634/149107634 sitake@slideshare.net(sitake) Introduction to Big Data Technologies sitake Part 1: Introduction to Big Data Part 2: Introduction to NoSQL Part 3: Introduction to MapReduce and Hadoop Part 4: Introduction to Hive, HBase and Sqoop <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/introductiontobigdata-190609035858-thumbnail.jpg?width=120&height=120&fit=bounds" /> Part 1: Introduction to Big Data Part 2: Introduction to NoSQL Part 3: Introduction to MapReduce and Hadoop Part 4: Introduction to Hive, HBase and Sqoop

Introduction to Big Data Technologies from Big Data Engineering, Faculty of Engineering, Dhurakij Pundit University

]]> 2763 30 https://cdn.slidesharecdn.com/ss_thumbnails/introductiontobigdata-190609035858-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post

http://activitystrea.ms/schema/1.0/posted

0 Introduction to Data Mining and Big Data Analytics /slideshow/introduction-to-data-mining-and-big-data-analytics-83368477/83368477 presentationeakasit-171205034149
This slides present concept of Data Mining and Big Data Analytics. The topices are: - Internet of Things (IoT) - Data Science/Mining applications - Data Science/Mining techniques including (1) Association, (2) Clustering, (3) Classification - CRISP-DM: Cross Industry Standard Process for Data Mining]]>
This slides present concept of Data Mining and Big Data Analytics. The topices are: - Internet of Things (IoT) - Data Science/Mining applications - Data Science/Mining techniques including (1) Association, (2) Clustering, (3) Classification - CRISP-DM: Cross Industry Standard Process for Data Mining]]> Tue, 05 Dec 2017 03:41:49 GMT /slideshow/introduction-to-data-mining-and-big-data-analytics-83368477/83368477 sitake@slideshare.net(sitake) Introduction to Data Mining and Big Data Analytics sitake This slides present concept of Data Mining and Big Data Analytics. The topices are: - Internet of Things (IoT) - Data Science/Mining applications - Data Science/Mining techniques including (1) Association, (2) Clustering, (3) Classification - CRISP-DM: Cross Industry Standard Process for Data Mining <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/presentationeakasit-171205034149-thumbnail.jpg?width=120&height=120&fit=bounds" /> This slides present concept of Data Mining and Big Data Analytics. The topices are: - Internet of Things (IoT) - Data Science/Mining applications - Data Science/Mining techniques including (1) Association, (2) Clustering, (3) Classification - CRISP-DM: Cross Industry Standard Process for Data Mining

Introduction to Data Mining and Big Data Analytics from Big Data Engineering, Faculty of Engineering, Dhurakij Pundit University

]]> 74558 16 https://cdn.slidesharecdn.com/ss_thumbnails/presentationeakasit-171205034149-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post

http://activitystrea.ms/schema/1.0/posted

0 Apply (Big) Data Analytics & Predictive Analytics to Business Application /slideshow/apply-big-data-analytics-predictive-analytics-to-business-application/80614962 applydataanalyticstobusinessapplication23sep2017-171009160523
This presentation described Big Data concept. Then it shows example of applications in Banking. The presenter is Dr. Tuangtong Wattarujeekrit in Big Data Analytics Day event.]]>
This presentation described Big Data concept. Then it shows example of applications in Banking. The presenter is Dr. Tuangtong Wattarujeekrit in Big Data Analytics Day event.]]> Mon, 09 Oct 2017 16:05:22 GMT /slideshow/apply-big-data-analytics-predictive-analytics-to-business-application/80614962 sitake@slideshare.net(sitake) Apply (Big) Data Analytics & Predictive Analytics to Business Application sitake This presentation described Big Data concept. Then it shows example of applications in Banking. The presenter is Dr. Tuangtong Wattarujeekrit in Big Data Analytics Day event. <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/applydataanalyticstobusinessapplication23sep2017-171009160523-thumbnail.jpg?width=120&height=120&fit=bounds" /> This presentation described Big Data concept. Then it shows example of applications in Banking. The presenter is Dr. Tuangtong Wattarujeekrit in Big Data Analytics Day event.

Apply (Big) Data Analytics & Predictive Analytics to Business Application from Big Data Engineering, Faculty of Engineering, Dhurakij Pundit University

]]> 3887 7 https://cdn.slidesharecdn.com/ss_thumbnails/applydataanalyticstobusinessapplication23sep2017-171009160523-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post

http://activitystrea.ms/schema/1.0/posted

0 Introduction to Predictive Analytics with case studies /slideshow/introduction-to-predictive-analytics-with-case-studies/77387814 presentnida-170630015823
This presentation show basic knowledge of Big Data and Predictive Analytics. ]]>
This presentation show basic knowledge of Big Data and Predictive Analytics. ]]> Fri, 30 Jun 2017 01:58:23 GMT /slideshow/introduction-to-predictive-analytics-with-case-studies/77387814 sitake@slideshare.net(sitake) Introduction to Predictive Analytics with case studies sitake This presentation show basic knowledge of Big Data and Predictive Analytics. <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/presentnida-170630015823-thumbnail.jpg?width=120&height=120&fit=bounds" /> This presentation show basic knowledge of Big Data and Predictive Analytics.

Introduction to Predictive Analytics with case studies from Big Data Engineering, Faculty of Engineering, Dhurakij Pundit University

]]> 4454 7 https://cdn.slidesharecdn.com/ss_thumbnails/presentnida-170630015823-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post

http://activitystrea.ms/schema/1.0/posted

0 Introduction to Data Mining and Big Data Analytics /slideshow/introduction-to-data-mining-and-big-data-analytics-70430643/70430643 introbigdataanalytics-161225134308
This slides present concept of Data Mining and Big Data Analytics.]]>
This slides present concept of Data Mining and Big Data Analytics.]]> Sun, 25 Dec 2016 13:43:08 GMT /slideshow/introduction-to-data-mining-and-big-data-analytics-70430643/70430643 sitake@slideshare.net(sitake) Introduction to Data Mining and Big Data Analytics sitake This slides present concept of Data Mining and Big Data Analytics. <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/introbigdataanalytics-161225134308-thumbnail.jpg?width=120&height=120&fit=bounds" /> This slides present concept of Data Mining and Big Data Analytics.

Introduction to Data Mining and Big Data Analytics from Big Data Engineering, Faculty of Engineering, Dhurakij Pundit University

]]> 43008 11 https://cdn.slidesharecdn.com/ss_thumbnails/introbigdataanalytics-161225134308-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post

http://activitystrea.ms/schema/1.0/posted

0 Advanced Predictive Modeling with R and RapidMiner Studio 7 /slideshow/advanced-predictive-modeling-with-r-and-rapidminer-studio-7-63087832/63087832 advancedrapidminerpreview-160615095124
This is an example slide for Advanced course. In this course, attendant will learn how to use R and RapidMiner Studio 7. ]]>
This is an example slide for Advanced course. In this course, attendant will learn how to use R and RapidMiner Studio 7. ]]> Wed, 15 Jun 2016 09:51:24 GMT /slideshow/advanced-predictive-modeling-with-r-and-rapidminer-studio-7-63087832/63087832 sitake@slideshare.net(sitake) Advanced Predictive Modeling with R and RapidMiner Studio 7 sitake This is an example slide for Advanced course. In this course, attendant will learn how to use R and RapidMiner Studio 7. <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/advancedrapidminerpreview-160615095124-thumbnail.jpg?width=120&height=120&fit=bounds" /> This is an example slide for Advanced course. In this course, attendant will learn how to use R and RapidMiner Studio 7.

Advanced Predictive Modeling with R and RapidMiner Studio 7 from Big Data Engineering, Faculty of Engineering, Dhurakij Pundit University

]]> 13357 7 https://cdn.slidesharecdn.com/ss_thumbnails/advancedrapidminerpreview-160615095124-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post

http://activitystrea.ms/schema/1.0/posted

0 Predictive analytic-for-retail-business /slideshow/predictive-analyticforretailbusiness/62544998 predictive-analytic-for-retail-business-160530170459
This slide describes how to use Predictive Analytic for Retail Business.]]>
This slide describes how to use Predictive Analytic for Retail Business.]]> Mon, 30 May 2016 17:04:59 GMT /slideshow/predictive-analyticforretailbusiness/62544998 sitake@slideshare.net(sitake) Predictive analytic-for-retail-business sitake This slide describes how to use Predictive Analytic for Retail Business. <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/predictive-analytic-for-retail-business-160530170459-thumbnail.jpg?width=120&height=120&fit=bounds" /> This slide describes how to use Predictive Analytic for Retail Business.

Predictive analytic-for-retail-business from Big Data Engineering, Faculty of Engineering, Dhurakij Pundit University

]]> 4330 8 https://cdn.slidesharecdn.com/ss_thumbnails/predictive-analytic-for-retail-business-160530170459-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post

http://activitystrea.ms/schema/1.0/posted

0 Building Decision Tree model with numerical attributes /slideshow/building-decision-tree-model-with-numerical-attributes/58645004 decisiontreenumeric-160224071900
This presentation show method to build Decision Tree model with numerical attributes]]>
This presentation show method to build Decision Tree model with numerical attributes]]> Wed, 24 Feb 2016 07:19:00 GMT /slideshow/building-decision-tree-model-with-numerical-attributes/58645004 sitake@slideshare.net(sitake) Building Decision Tree model with numerical attributes sitake This presentation show method to build Decision Tree model with numerical attributes <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/decisiontreenumeric-160224071900-thumbnail.jpg?width=120&height=120&fit=bounds" /> This presentation show method to build Decision Tree model with numerical attributes

Building Decision Tree model with numerical attributes from Big Data Engineering, Faculty of Engineering, Dhurakij Pundit University

]]> 78025 10 https://cdn.slidesharecdn.com/ss_thumbnails/decisiontreenumeric-160224071900-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post

http://activitystrea.ms/schema/1.0/posted

0 Data manipulation with RapidMiner Studio 7 /slideshow/data-manipulation-with-rapidminer-studio-7/57971931 datamanipulation11p-160207111450
This slide shows how to get data from MySQL and do a simple data manipulation using RapidMiner Studio 7]]>
This slide shows how to get data from MySQL and do a simple data manipulation using RapidMiner Studio 7]]> Sun, 07 Feb 2016 11:14:50 GMT /slideshow/data-manipulation-with-rapidminer-studio-7/57971931 sitake@slideshare.net(sitake) Data manipulation with RapidMiner Studio 7 sitake This slide shows how to get data from MySQL and do a simple data manipulation using RapidMiner Studio 7 <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/datamanipulation11p-160207111450-thumbnail.jpg?width=120&height=120&fit=bounds" /> This slide shows how to get data from MySQL and do a simple data manipulation using RapidMiner Studio 7

Data manipulation with RapidMiner Studio 7 from Big Data Engineering, Faculty of Engineering, Dhurakij Pundit University

]]> 1797 4 https://cdn.slidesharecdn.com/ss_thumbnails/datamanipulation11p-160207111450-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post

http://activitystrea.ms/schema/1.0/posted

0 Preprocessing with RapidMiner Studio 6 /slideshow/preprocessing-with-rapidminer-studio-6/56078031 introductiontobusinessanalyticsa5chapter2-151212111049
This content is Chapter 2 of Introduction to Business Analytics with RapidMiner Studio 6 book. ]]>
This content is Chapter 2 of Introduction to Business Analytics with RapidMiner Studio 6 book. ]]> Sat, 12 Dec 2015 11:10:49 GMT /slideshow/preprocessing-with-rapidminer-studio-6/56078031 sitake@slideshare.net(sitake) Preprocessing with RapidMiner Studio 6 sitake This content is Chapter 2 of Introduction to Business Analytics with RapidMiner Studio 6 book. <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/introductiontobusinessanalyticsa5chapter2-151212111049-thumbnail.jpg?width=120&height=120&fit=bounds" /> This content is Chapter 2 of Introduction to Business Analytics with RapidMiner Studio 6 book.

Preprocessing with RapidMiner Studio 6 from Big Data Engineering, Faculty of Engineering, Dhurakij Pundit University

]]> 62031 8 https://cdn.slidesharecdn.com/ss_thumbnails/introductiontobusinessanalyticsa5chapter2-151212111049-thumbnail.jpg?width=120&height=120&fit=bounds document Black http://activitystrea.ms/schema/1.0/post

http://activitystrea.ms/schema/1.0/posted

0 Evaluation metrics: Precision, Recall, F-Measure, ROC /slideshow/evaluation-metrics-precision-recall-fmeasure-roc/55602292 evaluationmetrics-151128123916-lva1-app6892
This slide shows classifier evaluation metrics such as Confusion matrix, Precision, Recall, F-Measure, Accuracy, ROC graph and AUC (Area Under Curve).]]>
This slide shows classifier evaluation metrics such as Confusion matrix, Precision, Recall, F-Measure, Accuracy, ROC graph and AUC (Area Under Curve).]]> Sat, 28 Nov 2015 12:39:16 GMT /slideshow/evaluation-metrics-precision-recall-fmeasure-roc/55602292 sitake@slideshare.net(sitake) Evaluation metrics: Precision, Recall, F-Measure, ROC sitake This slide shows classifier evaluation metrics such as Confusion matrix, Precision, Recall, F-Measure, Accuracy, ROC graph and AUC (Area Under Curve). <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/evaluationmetrics-151128123916-lva1-app6892-thumbnail.jpg?width=120&height=120&fit=bounds" /> This slide shows classifier evaluation metrics such as Confusion matrix, Precision, Recall, F-Measure, Accuracy, ROC graph and AUC (Area Under Curve).

Evaluation metrics: Precision, Recall, F-Measure, ROC from Big Data Engineering, Faculty of Engineering, Dhurakij Pundit University

]]> 81659 50 https://cdn.slidesharecdn.com/ss_thumbnails/evaluationmetrics-151128123916-lva1-app6892-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post

http://activitystrea.ms/schema/1.0/posted

0 Introduction to Text Classification with RapidMiner Studio 7 /slideshow/introduction-to-text-classification-with-rapidminer-studio-6/55533310 textmining1p-151126064636-lva1-app6891
This slide presents an introduction to text classification. We used RapidMiner Studio 7 to build Naive Bayes model and apply to the new dataset.]]>
This slide presents an introduction to text classification. We used RapidMiner Studio 7 to build Naive Bayes model and apply to the new dataset.]]> Thu, 26 Nov 2015 06:46:36 GMT /slideshow/introduction-to-text-classification-with-rapidminer-studio-6/55533310 sitake@slideshare.net(sitake) Introduction to Text Classification with RapidMiner Studio 7 sitake This slide presents an introduction to text classification. We used RapidMiner Studio 7 to build Naive Bayes model and apply to the new dataset. <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/textmining1p-151126064636-lva1-app6891-thumbnail.jpg?width=120&height=120&fit=bounds" /> This slide presents an introduction to text classification. We used RapidMiner Studio 7 to build Naive Bayes model and apply to the new dataset.

Introduction to Text Classification with RapidMiner Studio 7 from Big Data Engineering, Faculty of Engineering, Dhurakij Pundit University

]]> 20374 13 https://cdn.slidesharecdn.com/ss_thumbnails/textmining1p-151126064636-lva1-app6891-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post

http://activitystrea.ms/schema/1.0/posted

0 Introduction to Feature (Attribute) Selection with RapidMiner Studio 6 /slideshow/introduction-to-feature-attribute-selection-with-rapidminer-studio-6-55432350/55432350 week122p-151123193409-lva1-app6891
This presentation describe about Feature Selection methods including Filter approach and Wrapper approach. These examples use RapidMiner Studio 6.]]>
This presentation describe about Feature Selection methods including Filter approach and Wrapper approach. These examples use RapidMiner Studio 6.]]> Mon, 23 Nov 2015 19:34:08 GMT /slideshow/introduction-to-feature-attribute-selection-with-rapidminer-studio-6-55432350/55432350 sitake@slideshare.net(sitake) Introduction to Feature (Attribute) Selection with RapidMiner Studio 6 sitake This presentation describe about Feature Selection methods including Filter approach and Wrapper approach. These examples use RapidMiner Studio 6. <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/week122p-151123193409-lva1-app6891-thumbnail.jpg?width=120&height=120&fit=bounds" /> This presentation describe about Feature Selection methods including Filter approach and Wrapper approach. These examples use RapidMiner Studio 6.

Introduction to Feature (Attribute) Selection with RapidMiner Studio 6 from Big Data Engineering, Faculty of Engineering, Dhurakij Pundit University

]]> 12559 9 https://cdn.slidesharecdn.com/ss_thumbnails/week122p-151123193409-lva1-app6891-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post

http://activitystrea.ms/schema/1.0/posted

0 Search Twitter with RapidMiner Studio 6 /slideshow/search-twitter-with-rapidminer-studio-6/55067476 twitter-151113055314-lva1-app6891
This slide shows how to fetch data from Twitter using RapidMiner Studio 6.]]>
This slide shows how to fetch data from Twitter using RapidMiner Studio 6.]]> Fri, 13 Nov 2015 05:53:14 GMT /slideshow/search-twitter-with-rapidminer-studio-6/55067476 sitake@slideshare.net(sitake) Search Twitter with RapidMiner Studio 6 sitake This slide shows how to fetch data from Twitter using RapidMiner Studio 6. <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/twitter-151113055314-lva1-app6891-thumbnail.jpg?width=120&height=120&fit=bounds" /> This slide shows how to fetch data from Twitter using RapidMiner Studio 6.

Search Twitter with RapidMiner Studio 6 from Big Data Engineering, Faculty of Engineering, Dhurakij Pundit University

]]> 41701 5 https://cdn.slidesharecdn.com/ss_thumbnails/twitter-151113055314-lva1-app6891-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post

http://activitystrea.ms/schema/1.0/posted

0 Data mining and_big_data_web /slideshow/data-mining-andbigdataweb/54888922 dataminingandbigdataweb-151109000703-lva1-app6891
This slide presents an introduction of data mining and big data analytics. ]]>
This slide presents an introduction of data mining and big data analytics. ]]> Mon, 09 Nov 2015 00:07:03 GMT /slideshow/data-mining-andbigdataweb/54888922 sitake@slideshare.net(sitake) Data mining and_big_data_web sitake This slide presents an introduction of data mining and big data analytics. <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/dataminingandbigdataweb-151109000703-lva1-app6891-thumbnail.jpg?width=120&height=120&fit=bounds" /> This slide presents an introduction of data mining and big data analytics.

Data mining and_big_data_web from Big Data Engineering, Faculty of Engineering, Dhurakij Pundit University

]]> 37318 12 https://cdn.slidesharecdn.com/ss_thumbnails/dataminingandbigdataweb-151109000703-lva1-app6891-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post

http://activitystrea.ms/schema/1.0/posted

0 Introduction to Data Analytics with RapidMiner Studio 6 (ภาษาไทย) /slideshow/introduction-to-data-analytics-with-rapidminer-studio-6/52322303 introductiontobusinessanalyticshighlight-150902041704-lva1-app6891
ปัจจุบันเราสร้างข้อมูลขึ้นอย่างมากมายในแต่ละวัน ตัวอย่างเช่น การรับและส่ง email การติดตามข่าวสารต่างๆ บนเครือข่ายสังคมออนไลน์ (online social network) หรือ การซื้อสินค้าตามร้านค้าต่างๆ ผมรบกวนให้ท่านผู้อ่านลองจินตนาการดูนะครับว่าถ้าท่านเป็นเจ้าของร้านอาหารที่ได้รับความนิยมเป็นอย่างมากแห่งหนึ่งซึ่งในร้านที่มีจำนวน 30 โต๊ะ และถ้าในแต่ละวันมีลูกค้าเข้ามาเต็มร้านจำนวน 20 รอบ ร้านของเราจะมีข้อมูลการซื้อขายสินค้าเป็นจำนวน 600 transaction ต่อวัน และในหนึ่งเดือนเราจะมีข้อมูลจำนวนประมาณ 18,000 transaction ที่ถูกเก็บไว้ในฐานข้อมูลและหนึ่งปีจะมีจำนวน 216,000 transaction และถ้าเป็นข้อมูลของการซื้อขายในซุเปอร์มาร์เก็ตยิ่งมีจำนวนมากมายกว่านี้อีกหลายเท่า ทว่าข้อมูลที่มีมากมายเหล่านี้จะไม่ก่อให้เกิดประโยชน์เลยถ้าเราเพียงแค่เก็บไว้อย่างเดียว เพื่อให้ข้อมูลเหล่านี้มีมูลค่าเพิ่มมากขึ้นเราจึงจำเป็นต้องนำข้อมูลเหล่านี้มาทำการวิเคราะห์เพื่อดูในแง่มุมต่างๆ ในหนังสือเล่มนี้จะแสดงวิธีการนำข้อมูลการซื้อขายมาวิเคราะห์ให้เห็นเป็นตัวอย่างโดยเริ่มจากการเตรียมข้อมูลเพื่อให้การวิเคราะห์ข้อมูลทำได้ง่ายมากขึ้น หลังจากนั้นจะเป็นการนำข้อมูลการซื้อสินค้าของลูกค้าแต่ละรายมาทำการแบ่งกลุ่ม (segmentation) ซึ่งจะช่วยให้สามารถเข้่าใจพฤติกรรมการซื้อสินค้าของลูกค้าได้ดีขึ้น เพราะการจะดูรายละเอียดของลูกค้าแต่ละรายคงเป็นไปได้ยาก โดยในหนังสือเล่มนี้เราจะใช้วิธีการแบ่งกลุ่มข้อมูลการซื้อด้วยเทคนิค RFM (ย่อมาจาก Recency, Frequency และ Monetary) เพื่อจะได้เข้าใจพฤติกรรมการซื้อสินค้าของลูกค้าแต่ละกลุ่มว่ามีจำนวนครั้งในการซื้อสินค้ามากน้อยแค่ไหนและมีการใช้จ่ายมากน้อยแค่ไ]]>
ปัจจุบันเราสร้างข้อมูลขึ้นอย่างมากมายในแต่ละวัน ตัวอย่างเช่น การรับและส่ง email การติดตามข่าวสารต่างๆ บนเครือข่ายสังคมออนไลน์ (online social network) หรือ การซื้อสินค้าตามร้านค้าต่างๆ ผมรบกวนให้ท่านผู้อ่านลองจินตนาการดูนะครับว่าถ้าท่านเป็นเจ้าของร้านอาหารที่ได้รับความนิยมเป็นอย่างมากแห่งหนึ่งซึ่งในร้านที่มีจำนวน 30 โต๊ะ และถ้าในแต่ละวันมีลูกค้าเข้ามาเต็มร้านจำนวน 20 รอบ ร้านของเราจะมีข้อมูลการซื้อขายสินค้าเป็นจำนวน 600 transaction ต่อวัน และในหนึ่งเดือนเราจะมีข้อมูลจำนวนประมาณ 18,000 transaction ที่ถูกเก็บไว้ในฐานข้อมูลและหนึ่งปีจะมีจำนวน 216,000 transaction และถ้าเป็นข้อมูลของการซื้อขายในซุเปอร์มาร์เก็ตยิ่งมีจำนวนมากมายกว่านี้อีกหลายเท่า ทว่าข้อมูลที่มีมากมายเหล่านี้จะไม่ก่อให้เกิดประโยชน์เลยถ้าเราเพียงแค่เก็บไว้อย่างเดียว เพื่อให้ข้อมูลเหล่านี้มีมูลค่าเพิ่มมากขึ้นเราจึงจำเป็นต้องนำข้อมูลเหล่านี้มาทำการวิเคราะห์เพื่อดูในแง่มุมต่างๆ ในหนังสือเล่มนี้จะแสดงวิธีการนำข้อมูลการซื้อขายมาวิเคราะห์ให้เห็นเป็นตัวอย่างโดยเริ่มจากการเตรียมข้อมูลเพื่อให้การวิเคราะห์ข้อมูลทำได้ง่ายมากขึ้น หลังจากนั้นจะเป็นการนำข้อมูลการซื้อสินค้าของลูกค้าแต่ละรายมาทำการแบ่งกลุ่ม (segmentation) ซึ่งจะช่วยให้สามารถเข้่าใจพฤติกรรมการซื้อสินค้าของลูกค้าได้ดีขึ้น เพราะการจะดูรายละเอียดของลูกค้าแต่ละรายคงเป็นไปได้ยาก โดยในหนังสือเล่มนี้เราจะใช้วิธีการแบ่งกลุ่มข้อมูลการซื้อด้วยเทคนิค RFM (ย่อมาจาก Recency, Frequency และ Monetary) เพื่อจะได้เข้าใจพฤติกรรมการซื้อสินค้าของลูกค้าแต่ละกลุ่มว่ามีจำนวนครั้งในการซื้อสินค้ามากน้อยแค่ไหนและมีการใช้จ่ายมากน้อยแค่ไ]]> Wed, 02 Sep 2015 04:17:04 GMT /slideshow/introduction-to-data-analytics-with-rapidminer-studio-6/52322303 sitake@slideshare.net(sitake) Introduction to Data Analytics with RapidMiner Studio 6 (ภาษาไทย) sitake ปัจจุบันเราสร้างข้อมูลขึ้นอย่างมากมายในแต่ละวัน ตัวอย่างเช่น การรับและส่ง email การติดตามข่าวสารต่างๆ บนเครือข่ายสังคมออนไลน์ (online social network) หรือ การซื้อสินค้าตามร้านค้าต่างๆ ผมรบกวนให้ท่านผู้อ่านลองจินตนาการดูนะครับว่าถ้าท่านเป็นเจ้าของร้านอาหารที่ได้รับความนิยมเป็นอย่างมากแห่งหนึ่งซึ่งในร้านที่มีจำนวน 30 โต๊ะ และถ้าในแต่ละวันมีลูกค้าเข้ามาเต็มร้านจำนวน 20 รอบ ร้านของเราจะมีข้อมูลการซื้อขายสินค้าเป็นจำนวน 600 transaction ต่อวัน และในหนึ่งเดือนเราจะมีข้อมูลจำนวนประมาณ 18,000 transaction ที่ถูกเก็บไว้ในฐานข้อมูลและหนึ่งปีจะมีจำนวน 216,000 transaction และถ้าเป็นข้อมูลของการซื้อขายในซุเปอร์มาร์เก็ตยิ่งมีจำนวนมากมายกว่านี้อีกหลายเท่า ทว่าข้อมูลที่มีมากมายเหล่านี้จะไม่ก่อให้เกิดประโยชน์เลยถ้าเราเพียงแค่เก็บไว้อย่างเดียว เพื่อให้ข้อมูลเหล่านี้มีมูลค่าเพิ่มมากขึ้นเราจึงจำเป็นต้องนำข้อมูลเหล่านี้มาทำการวิเคราะห์เพื่อดูในแง่มุมต่างๆ ในหนังสือเล่มนี้จะแสดงวิธีการนำข้อมูลการซื้อขายมาวิเคราะห์ให้เห็นเป็นตัวอย่างโดยเริ่มจากการเตรียมข้อมูลเพื่อให้การวิเคราะห์ข้อมูลทำได้ง่ายมากขึ้น หลังจากนั้นจะเป็นการนำข้อมูลการซื้อสินค้าของลูกค้าแต่ละรายมาทำการแบ่งกลุ่ม (segmentation) ซึ่งจะช่วยให้สามารถเข้่าใจพฤติกรรมการซื้อสินค้าของลูกค้าได้ดีขึ้น เพราะการจะดูรายละเอียดของลูกค้าแต่ละรายคงเป็นไปได้ยาก โดยในหนังสือเล่มนี้เราจะใช้วิธีการแบ่งกลุ่มข้อมูลการซื้อด้วยเทคนิค RFM (ย่อมาจาก Recency, Frequency และ Monetary) เพื่อจะได้เข้าใจพฤติกรรมการซื้อสินค้าของลูกค้าแต่ละกลุ่มว่ามีจำนวนครั้งในการซื้อสินค้ามากน้อยแค่ไหนและมีการใช้จ่ายมากน้อยแค่ไ <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/introductiontobusinessanalyticshighlight-150902041704-lva1-app6891-thumbnail.jpg?width=120&height=120&fit=bounds" /> ปัจจุบันเราสร้างข้อมูลขึ้นอย่างมากมายในแต่ละวัน ตัวอย่างเช่น การรับและส่ง email การติดตามข่าวสารต่างๆ บนเครือข่ายสังคมออนไลน์ (online social network) หรือ การซื้อสินค้าตามร้านค้าต่างๆ ผมรบกวนให้ท่านผู้อ่านลองจินตนาการดูนะครับว่าถ้าท่านเป็นเจ้าของร้านอาหารที่ได้รับความนิยมเป็นอย่างมากแห่งหนึ่งซึ่งในร้านที่มีจำนวน 30 โต๊ะ และถ้าในแต่ละวันมีลูกค้าเข้ามาเต็มร้านจำนวน 20 รอบ ร้านของเราจะมีข้อมูลการซื้อขายสินค้าเป็นจำนวน 600 transaction ต่อวัน และในหนึ่งเดือนเราจะมีข้อมูลจำนวนประมาณ 18,000 transaction ที่ถูกเก็บไว้ในฐานข้อมูลและหนึ่งปีจะมีจำนวน 216,000 transaction และถ้าเป็นข้อมูลของการซื้อขายในซุเปอร์มาร์เก็ตยิ่งมีจำนวนมากมายกว่านี้อีกหลายเท่า ทว่าข้อมูลที่มีมากมายเหล่านี้จะไม่ก่อให้เกิดประโยชน์เลยถ้าเราเพียงแค่เก็บไว้อย่างเดียว เพื่อให้ข้อมูลเหล่านี้มีมูลค่าเพิ่มมากขึ้นเราจึงจำเป็นต้องนำข้อมูลเหล่านี้มาทำการวิเคราะห์เพื่อดูในแง่มุมต่างๆ ในหนังสือเล่มนี้จะแสดงวิธีการนำข้อมูลการซื้อขายมาวิเคราะห์ให้เห็นเป็นตัวอย่างโดยเริ่มจากการเตรียมข้อมูลเพื่อให้การวิเคราะห์ข้อมูลทำได้ง่ายมากขึ้น หลังจากนั้นจะเป็นการนำข้อมูลการซื้อสินค้าของลูกค้าแต่ละรายมาทำการแบ่งกลุ่ม (segmentation) ซึ่งจะช่วยให้สามารถเข้่าใจพฤติกรรมการซื้อสินค้าของลูกค้าได้ดีขึ้น เพราะการจะดูรายละเอียดของลูกค้าแต่ละรายคงเป็นไปได้ยาก โดยในหนังสือเล่มนี้เราจะใช้วิธีการแบ่งกลุ่มข้อมูลการซื้อด้วยเทคนิค RFM (ย่อมาจาก Recency, Frequency และ Monetary) เพื่อจะได้เข้าใจพฤติกรรมการซื้อสินค้าของลูกค้าแต่ละกลุ่มว่ามีจำนวนครั้งในการซื้อสินค้ามากน้อยแค่ไหนและมีการใช้จ่ายมากน้อยแค่ไ

Introduction to Data Analytics with RapidMiner Studio 6 (ภาษาไทย) from Big Data Engineering, Faculty of Engineering, Dhurakij Pundit University

]]> 36622 10 https://cdn.slidesharecdn.com/ss_thumbnails/introductiontobusinessanalyticshighlight-150902041704-lva1-app6891-thumbnail.jpg?width=120&height=120&fit=bounds document Black http://activitystrea.ms/schema/1.0/post

http://activitystrea.ms/schema/1.0/posted

0 Practical Data Mining with RapidMiner Studio 7 : A Basic and Intermediate /slideshow/practical-data-mining-with-rapidminer-studio-6-a-basic-and-intermediate/51185800 rapidminertraininghighlight-150802092514-lva1-app6891
สไลด์บางส่วนจากการอบรม Practical Data Mining รุ่นที่ 17 จัดอบรมโดยหสม. ดาต้า คิวบ์ ]]>
สไลด์บางส่วนจากการอบรม Practical Data Mining รุ่นที่ 17 จัดอบรมโดยหสม. ดาต้า คิวบ์ ]]> Sun, 02 Aug 2015 09:25:14 GMT /slideshow/practical-data-mining-with-rapidminer-studio-6-a-basic-and-intermediate/51185800 sitake@slideshare.net(sitake) Practical Data Mining with RapidMiner Studio 7 : A Basic and Intermediate sitake สไลด์บางส่วนจากการอบรม Practical Data Mining รุ่นที่ 17 จัดอบรมโดยหสม. ดาต้า คิวบ์ <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/rapidminertraininghighlight-150802092514-lva1-app6891-thumbnail.jpg?width=120&height=120&fit=bounds" /> สไลด์บางส่วนจากการอบรม Practical Data Mining รุ่นที่ 17 จัดอบรมโดยหสม. ดาต้า คิวบ์

Practical Data Mining with RapidMiner Studio 7 : A Basic and Intermediate from Big Data Engineering, Faculty of Engineering, Dhurakij Pundit University

]]> 204978 9 https://cdn.slidesharecdn.com/ss_thumbnails/rapidminertraininghighlight-150802092514-lva1-app6891-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post

http://activitystrea.ms/schema/1.0/posted

0 Practical Data Mining: FP-Growth /slideshow/practical-data-mining-fpgrowth-44550757/44550757 fp-growth-150211091505-conversion-gate01
This slide presents FP-Growth technique.]]>
This slide presents FP-Growth technique.]]> Wed, 11 Feb 2015 09:15:04 GMT /slideshow/practical-data-mining-fpgrowth-44550757/44550757 sitake@slideshare.net(sitake) Practical Data Mining: FP-Growth sitake This slide presents FP-Growth technique. <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/fp-growth-150211091505-conversion-gate01-thumbnail.jpg?width=120&height=120&fit=bounds" /> This slide presents FP-Growth technique.

Practical Data Mining: FP-Growth from Big Data Engineering, Faculty of Engineering, Dhurakij Pundit University

]]> 7612 7 https://cdn.slidesharecdn.com/ss_thumbnails/fp-growth-150211091505-conversion-gate01-thumbnail.jpg?width=120&height=120&fit=bounds presentation 000000 http://activitystrea.ms/schema/1.0/post

http://activitystrea.ms/schema/1.0/posted

0 https://cdn.slidesharecdn.com/profile-photo-sitake-48x48.jpg?cb=1626941711 • สอบผ่านมาตรฐานและได้รับ RapidMiner Certificate ระดับ Analyst • ผู้แต่งหนังสือ An Introduction to Data Mining Techniques (ภาษาไทย) • ผู้ร่วมก่อตั้ง ห้างหุ้นส่วนสามัญ ดาต้า คิวบ์ (data cube) • ได้รับทุน visiting PhD Student ณ มหาวิทยาลัยยอร์ค (York) เมืองโตรอนโต ประเทศแคนาดา • ได้รับ statement of completion หลักสูตร Data Mining with Weka จากมหาวิทยาลัย Waikato • อดีตที่ปรึกษาด้านการวิเคราะห์ข้อมูลให้กับสมาคมส่งเสริมเทคโนโลยี (ไทย-ญี่ปุ่น) • วิทยากรประจำหลักสูตร Practical Data Mining รุ่นที่ 1-10 ระหว่างเดือน พฤษภาคม 2557 – พฤศจิกายน 2558 • อาจารย์พิเศษในวิชา Data Warehouse and Data Mining ภาคการเรียนที่ 1 หลักสูตรวิศวกรรมข้อมูลขนาดใหญ่ (Big Data Engineering) ปีการศึกษา 2558 มหาวิทยา... http://facebook.com/datacube.th https://cdn.slidesharecdn.com/ss_thumbnails/presentdatacube-200426133209-thumbnail.jpg?width=320&height=320&fit=bounds slideshow/practical-data-science-usecases-in-retail-ecommerce/232665471 Practical Data Science... https://cdn.slidesharecdn.com/ss_thumbnails/presentationeakasit-200423104948-thumbnail.jpg?width=320&height=320&fit=bounds slideshow/first-step-to-big-data/232496150 First Step to Big Data https://cdn.slidesharecdn.com/ss_thumbnails/introductiontobigdata-190609035858-thumbnail.jpg?width=320&height=320&fit=bounds slideshow/introduction-to-big-data-technologies-149107634/149107634 Introduction to Big Da...