ตรวจสอบคุณภาพและออกแบบความปลอดภัยในการใช้ข้อมูลแบบมีโครงสร้างและไม่มีโครงสร้าง เพื่อใช้ประกอบการตัดสินใจแก้ปัญหาทางธุรกิจ

1. เข้าใจหลักการตรวจสอบคุณภาพ และความปลอดภัยในการใช้ข้อมูลแบบมีโครงสร้างและไม่มีโครงสร้าง
2. ตรวจสอบคุณภาพและออกแบบความปลอดภัยในการใช้ข้อมูลแบบมีโครงสร้างและไม่มีโครงสร้าง
3. มีเจตคติและกิจนิสัยที่ดีในการปฏิบัติงานด้วยความรับผิดชอบ การสื่อสาร การคิดเชิงนวัตกรรม
และการทำงานเป็นทีม
4. ประยุกต์ใช้เครื่องมือในการจัดการข้อมูลขนาดใหญ่เบื้องต้น

1. ประมวลความรู้เกี่ยวกับการจัดการข้อมูลขนาดใหญ่เบื้องต้น
2. ตรวจสอบคุณภาพและออกแบบความปลอดภัยในการใช้ข้อมูล
3. เลือกข้อมูลที่ไม่มีโครงสร้าง (Select Unstructured Data) ตามเงื่อนไข
4. ประยุกต์ใช้เครื่องมือในการจัดการข้อมูลขนาดใหญ่เบื้องต้น

ศึกษาและปฏิบัติเกี่ยวกับการจัดการข้อมูลขนาดใหญ่เบื้องต้น ระบบฐานข้อมูล ประยุกต์คำสั่งสอบถามข้อมูลเชิงโครงสร้าง (SQL) เพื่อจัดการข้อมูลตรวจสอบ คุณภาพข้อมูล ระบุและสรุปผลการตรวจสอบ ความทันสมัย ความสมบูรณ์ และเป็นปัจจุบันของข้อมูลที่มีคุณภาพ ออกแบบความปลอดภัยในการใช้ข้อมูล รวบรวม วิเคราะห์และสรุปผลของความเสี่ยงในเชิงข้อมูล และความเสี่ยงในการใช้ข้อมูล นำเสนอกระบวนการและเทคโนโลยีที่นำมาใช้เพื่อลดความเสี่ยงของข้อมูล ระบุข้อกำหนดด้านความปลอดภัยที่จำเป็นในการใช้ข้อมูลระบุแหล่งจัดเก็บข้อมูล วิธีการเข้าถึงข้อมูล และเลือกใช้เครื่องมือแบบไม่มีโครงสร้าง (Unstructured Data)

มาตรฐานสาขาวิทยาศาสตร์ข้อมูล รหัส 70205,70206 อาชีพ ผู้ปฏิบัติงานด้านวิศวกรรมข้อมูล (Data Engineer) ระดับ 4

-

-

-

1. บทนำ
อธิบายความหมายและความสำคัญของข้อมูลขนาดใหญ่ (Big Data)
ยกตัวอย่างการใช้งานข้อมูลขนาดใหญ่ในธุรกิจ
แนะนำเทคโนโลยีที่เกี่ยวข้องกับข้อมูลขนาดใหญ่ เช่น Hadoop, Spark, NoSQL databases

2. แหล่งที่มาของข้อมูลขนาดใหญ่
ข้อมูลแบบมีโครงสร้าง (Structured Data)
ข้อมูลแบบไม่มีโครงสร้าง (Unstructured Data)
ข้อมูลกึ่งโครงสร้าง (Semi-structured Data)

3. การตรวจสอบคุณภาพข้อมูล
หลักการและวิธีการตรวจสอบคุณภาพข้อมูล
เครื่องมือสำหรับการตรวจสอบคุณภาพข้อมูล
ตัวอย่างกรณีศึกษาการตรวจสอบคุณภาพข้อมูล

4. ความปลอดภัยของข้อมูล
หลักการและแนวทางปฏิบัติที่ดีที่สุดสำหรับความปลอดภัยของข้อมูล
ภัยคุกคามต่อข้อมูล
วิธีการป้องกันข้อมูล

5. การวิเคราะห์ข้อมูลขนาดใหญ่
เทคนิคการวิเคราะห์ข้อมูลขนาดใหญ่
เครื่องมือสำหรับการวิเคราะห์ข้อมูลขนาดใหญ่
ตัวอย่างกรณีศึกษาการวิเคราะห์ข้อมูลขนาดใหญ่

6. จริยธรรมและความรับผิดชอบในการใช้ข้อมูล
กฎหมายและข้อบังคับที่เกี่ยวข้องกับข้อมูล
จริยธรรมในการใช้ข้อมูล
ความรับผิดชอบในการใช้ข้อมูล

7. การนำเสนอผลการวิเคราะห์
เทคนิคการนำเสนอผลการวิเคราะห์
เครื่องมือสำหรับการนำเสนอผลการวิเคราะห์
ตัวอย่างการนำเสนอผลการวิเคราะห์

8. กรณีศึกษา
กรณีศึกษาการใช้งานข้อมูลขนาดใหญ่ในธุรกิจต่างๆ
วิเคราะห์ปัญหาและหาแนวทางแก้ไขโดยใช้ข้อมูลขนาดใหญ่

9. สรุป
สรุปประเด็นสำคัญของรายวิชา
ทบทวนวัตถุประสงค์การเรียนรู้
ตอบคำถามของผู้เรียน

เน้นการเรียนรู้แบบ Active Learning โดยให้นักเรียนมีส่วนร่วมในกิจกรรมต่างๆ เช่น การฝึกปฏิบัติ การอภิปราย การนำเสนอ
ใช้กรณีศึกษาและตัวอย่างจากโลกแห่งความเป็นจริง
ส่งเสริมให้นักเรียนคิดวิเคราะห์และแก้ปัญหา
เน้นทักษะการสื่อสารและการทำงานเป็นทีม

เครื่องมือสำหรับการจัดการข้อมูลขนาดใหญ่ เช่น Hadoop, Spark, NoSQL databases
เครื่องมือสำหรับการตรวจสอบคุณภาพข้อมูล
เครื่องมือสำหรับการวิเคราะห์ข้อมูลขนาดใหญ่
เครื่องมือสำหรับการนำเสนอ

หนังสือ: Big Data: A Guide to the Big Data Revolution by Viktor Mayer-Schönberger and Kenneth Cukier
เว็บไซต์: https://www.coursera.org/specializations/big-data
เว็บไซต์: https://www.edx.org/learn/data-science