วิชาบังคับ 15 · วิชาเลือก 9 · วิทยานิพนธ์ 12
เหมาะกับผู้ที่ต้องการความเข้มข้นด้านการวิจัยและการสร้างองค์ความรู้โครงสร้างหลักสูตร
จากพื้นฐานร่วม
สู่ความเชี่ยวชาญที่เลือกได้
หลักสูตร 36 หน่วยกิตสร้างพื้นฐานร่วมด้าน research, mathematics, data workflow, visualization และ machine learning ก่อนเปิดพื้นที่ให้เลือกวิชาเชิงธุรกิจ ระบบ AI วิศวกรรมข้อมูล หรือวิทยาศาสตร์เชิงคำนวณ
วิชาบังคับ 15 · วิชาเลือก 15 · ค้นคว้าอิสระ 6
เหมาะกับผู้ที่ต้องการประยุกต์ความรู้กับระบบหรือปัญหาในบริบทจริงวิชาบังคับ
แกนกลาง 15 หน่วยกิต: จากโจทย์จริง สู่ระบบ AI ที่ประเมินได้
รายวิชาแบบโมดูล 1 หน่วยกิตช่วยให้ผู้เรียนพัฒนาสมรรถนะเป็นช่วงที่ชัดเจน และเชื่อมต่อเป็น workflow ขนาดใหญ่ขึ้น
DIA 601
ระเบียบวิธีวิจัย
2 หน่วยกิต
DIA 602
สัมมนานวัตกรรมข้อมูลและปัญญาประดิษฐ์
1 หน่วยกิต
DIA 603
คณิตศาสตร์และสถิติพื้นฐานสำหรับปัญญาประดิษฐ์
3 หน่วยกิต
DIA 60401
การจัดหาและการเตรียมข้อมูล
1 หน่วยกิต
DIA 60402
การสำรวจและสร้างภาพข้อมูล
1 หน่วยกิต
DIA 60403
การวิเคราะห์ข้อมูลและโมเดลการพยากรณ์
1 หน่วยกิต
DIA 60501
จิตวิทยาการออกแบบและทฤษฎีสารสนเทศภาพ
1 หน่วยกิต
DIA 60502
การแสดงภาพข้อมูลขั้นสูง
1 หน่วยกิต
DIA 60503
การเล่าเรื่องด้วยข้อมูลเชิงกลยุทธ์
1 หน่วยกิต
DIA 60601
รากฐานการเรียนรู้ของเครื่อง
1 หน่วยกิต
DIA 60602
การประเมินและปรับปรุงโมเดลการเรียนรู้ของเครื่อง
1 หน่วยกิต
DIA 60603
ปัญญาประดิษฐ์เชิงปฏิบัติ
1 หน่วยกิต
กลุ่มวิชาเลือก
เลือกความลึกตามโจทย์ที่คุณอยากแก้
รายวิชาที่เปิดจริงขึ้นอยู่กับแผนการจัดการศึกษา จำนวนผู้เรียน และความพร้อมในแต่ละภาคการศึกษา รายการนี้แสดงขอบเขตวิชาตามเอกสารหลักสูตร
ธุรกิจและการเปลี่ยนผ่านดิจิทัล
DIA 611การสืบค้นและจัดการความรู้ค้นหา จัดโครงสร้าง และนำความรู้ในองค์กรกลับมาใช้ได้อย่างเป็นระบบ
DIA 61201การออกแบบสถาปัตยกรรมข้อมูลและตัวชี้วัดออกแบบ data model, metric และ semantic layer ให้ทีมใช้ความหมายเดียวกัน
DIA 61202การวิเคราะห์เชิงวินิจฉัยทางธุรกิจวิเคราะห์สาเหตุของผลลัพธ์ทางธุรกิจและแยก signal ออกจากอาการ
DIA 61203กลยุทธ์และธรรมาภิบาลข้อมูลกำหนดทิศทาง ownership, quality, access และการใช้ข้อมูลอย่างรับผิดชอบ
DIA 613การวิเคราะห์และพยากรณ์อนุกรมเวลาพยากรณ์ข้อมูลตามเวลา พร้อมประเมิน seasonality และ uncertainty
DIA 614การประยุกต์การวิเคราะห์สถิติหลายตัวแปรวิเคราะห์ความสัมพันธ์หลายตัวแปรเพื่ออธิบายโครงสร้างข้อมูลที่ซับซ้อน
DIA 615การหาค่าเหมาะที่สุดทางการเงินและวิศวกรรมใช้ optimization แก้โจทย์การจัดสรรทรัพยากร ความเสี่ยง และต้นทุน
DIA 616เทคโนโลยีบล็อกเชนเข้าใจสถาปัตยกรรม distributed ledger และประเมินกรณีใช้งานอย่างมีเหตุผล
ระบบ AI และระบบอัตโนมัติ
DIA 62101สถาปัตยกรรมข้อมูลและการประมวลผลไปป์ไลน์ออกแบบ data architecture และ pipeline จากต้นทางถึงผู้ใช้งาน
DIA 62102การทำระบบอัตโนมัติด้วยเครื่องมือเดฟออปส์ทำขั้นตอน build, test และ deployment ให้ทำซ้ำได้ด้วย DevOps
DIA 62103กระบวนการ CI/CD และการจัดการระบบข้อมูลดูแลการส่งมอบระบบข้อมูลด้วย CI/CD, monitoring และ operational controls
DIA 622การเรียนรู้เชิงลึกสร้างและประเมิน neural networks สำหรับข้อมูลและโจทย์ที่เหมาะสม
DIA 623คอมพิวเตอร์วิทัศน์และการวิเคราะห์วิดีโอพัฒนาระบบวิเคราะห์ภาพและวิดีโอ พร้อมตรวจข้อผิดพลาดของการรับรู้
DIA 624การประมวลผลภาษาธรรมชาติและการทำเหมืองข้อความเปลี่ยนข้อความเป็นข้อมูลที่วิเคราะห์ได้สำหรับ classification และ discovery
DIA 625การวิเคราะห์ข้อมูลขนาดใหญ่ประมวลผลข้อมูลขนาดใหญ่โดยคำนึงถึง scale, latency และ resource
DIA 626การวิเคราะห์ข้อมูลขั้นสูงและการประมวลผลแบบคลาวด์ออกแบบ analytics workload บน cloud ให้สมดุลด้านประสิทธิภาพและต้นทุน
DIA 627ระบบอัจฉริยะออนไลน์และระบบแนะนำอัตโนมัติสร้างระบบแนะนำและระบบเรียนรู้จากพฤติกรรมที่เปลี่ยนแปลงต่อเนื่อง
วิทยาศาสตร์เชิงคำนวณ
DIA 631ชีวสารสนเทศศาสตร์ประยุกต์ computation กับข้อมูลชีวภาพและคำถามเชิงชีววิทยา
DIA 632ชีววิทยาเชิงคำนวณสร้างแบบจำลองเพื่ออธิบายกลไกและระบบชีวภาพที่ซับซ้อน
DIA 633สารสนเทศศาสตร์ทางเคมีใช้ข้อมูลโครงสร้างและคุณสมบัติทางเคมีเพื่อสนับสนุนการค้นพบ
DIA 634เคมีเชิงคำนวณจำลองและวิเคราะห์ระบบเคมีด้วยวิธีเชิงคำนวณ
DIA 635ฟิสิกส์เชิงคำนวณใช้ numerical methods และ simulation ศึกษาปรากฏการณ์ทางฟิสิกส์
DIA 636การคำนวณเชิงควอนตัมสำรวจหลักการ quantum information และกรอบคิดของ quantum algorithms
ตัวอย่าง Coursework
ผลงานที่แสดงทั้งวิธีคิดและความสามารถในการลงมือทำ
รายละเอียดโจทย์และชุดข้อมูลอาจเปลี่ยนตามผู้สอนและภาคการศึกษา ตัวอย่างเหล่านี้แสดงรูปแบบการเรียนรู้ที่เป็นไปได้ ไม่ใช่คำรับรองรายวิชาหรือ project เฉพาะ
วิเคราะห์ลูกค้าและเล่าเรื่องด้วยข้อมูล
เตรียมข้อมูล สร้าง segmentation ออกแบบ visualization และนำเสนอข้อเสนอที่เชื่อม metric กับการตัดสินใจ
พยากรณ์อุปสงค์อย่างมีหลักฐาน
สร้าง baseline, ตรวจ seasonality, เปรียบเทียบโมเดล และรายงาน uncertainty เพื่อสนับสนุนแผนปฏิบัติการ
ระบบจำแนกข้อความภาษาไทย
สร้างชุดข้อมูล กำหนด label ทดลอง representation และโมเดล พร้อมตรวจ bias, error pattern และข้อจำกัดการใช้งาน
Data pipeline พร้อมใช้งานในองค์กร
เชื่อมหลายแหล่งข้อมูล เพิ่ม data quality checks, orchestration, version control, automated tests และ monitoring
AI prototype สำหรับปัญหาวิทยาศาสตร์
แปลงโจทย์เฉพาะทางเป็น computational task เลือกข้อมูลและวิธีประเมิน พัฒนาต้นแบบ และอธิบาย applicability domain
Independent Study หรือ Thesis
พัฒนาคำถามหรือปัญหาจริง วางแผนงาน ดำเนินการ วิเคราะห์ผล และนำเสนออย่างมีจริยธรรมและตรวจสอบได้
เรียนพร้อมทำงาน
ตัวอย่างการจัดเวลาแบบนอกเวลาทำงาน
รูปแบบตัวอย่างคืออังคารและพฤหัสบดีภาคค่ำ พร้อมวันเสาร์เต็มวันสำหรับ workshop, studio หรือ project การจัดเวลาจริงอาจต่างกันตามรายวิชาและประกาศของหลักสูตร
วางแผนเวลามากกว่าชั่วโมงในชั้นเรียน
นอกจากเวลาเรียน ผู้เรียนควรเผื่อเวลาสำหรับอ่านงานวิจัย เตรียมข้อมูล เขียนโค้ด ทำงานกลุ่ม ประชุมกับอาจารย์ที่ปรึกษา และพัฒนา thesis หรือ independent study ปริมาณงานจริงขึ้นกับรายวิชาและพื้นฐานของแต่ละคน
ผลลัพธ์ที่มุ่งพัฒนา
จากการวิเคราะห์ ไปสู่ระบบที่รับผิดชอบและสื่อสารได้
ตั้งปัญหาอย่างเป็นระบบ
เชื่อมบริบท เป้าหมาย ข้อมูล และเกณฑ์ความสำเร็จเข้าด้วยกัน
เลือกวิธีอย่างมีเหตุผล
ประเมินข้อมูล สมมติฐาน baseline และข้อแลกเปลี่ยนของวิธีที่ใช้
สร้างและประเมินผล
พัฒนาต้นแบบหรือระบบ พร้อมการทดลองและหลักฐานที่ตรวจสอบได้
สื่อสารกับหลายบทบาท
อธิบายผลต่อผู้เชี่ยวชาญ ผู้บริหาร และผู้มีส่วนได้ส่วนเสียอย่างเหมาะสม
ใช้ข้อมูลและ AI อย่างรับผิดชอบ
คำนึงถึงจริยธรรม ความเป็นส่วนตัว ความโปร่งใส และผลกระทบ
ทำงานร่วมกันจนส่งมอบได้
วางแผน แบ่งบทบาท ตรวจคุณภาพ และพัฒนางานตาม feedback
ก่อนสมัคร