Advent of ds and stat adjustment
2 likes1,574 views
เมื่อวิทยาการข้อมูลเข้ามาสถิติศาสตร์จะปรับตัวอย่างไร? จะบรรยายพรุ่งนี้ครับผม ในงานประชุมวิชาการระดับปริญญาตรีสาขาวิชาสถิติ ระดับชาติ ปี 2561 โดยมหาวิทยาลัยแม่โจ้ มหาวิทยาลัยเชียงใหม่ และมหาวิทยาลัยราชภัฎเชียงใหม่ 12 มีค 61 ณ คณะวิทยาศาสตร์ มหาวิทยาลัยแม่โจ้
Advent of ds and stat adjustment
- 1. เมื่อวิทยาการข้อมูลเข้ามา สถิติศาสตร์จะปรับตัวอย่างไร? อาจารย์ ดร. อานนท์ ศักดิ์วรวิชญ์ ผู้อานวยการหลักสูตร Ph.D. and M.Sc. (Business Analytics and Data Science) สาขาวิชา Actuarial Science and Risk Management
- 2. • วิทยาการข้อมูล • ข้อมูลใหญ่ • การเรียนการสอนวิทยาการข้อมูล • ทาไมต้องปฏิรูประบบสถิติและสถิติศาสตร์ศึกษา • ASA Statement on the Role of Statistics in Data Science • Royal Statistical Society-Open discussion on Data Science and Statistics: Different worlds? • สถิติศาสตร์ศึกษาจะปรับตัวอย่างไร • ร่างหลักสูตร (พันธุ์ใหม่) ปริญญาตรีทางสถิติศาสตร์
- 6. Business Analytics and Intelligence @ Graduate School of Applied Statistics, NIDA
- 16. ข้อมูลใหญ่
- 20. หลักสูตรวิทยาศาสตรมหาบัณฑิต สาขาวิชาการวิเคราะห์ธุรกิจและวิทยาการข้อมูล การเรียนการสอนวิทยาการข้อมูล
- 21. ในปัจจุบันมีข้อมูลขนาดใหญ่ (Big Data) และมีการเปลี่ยนแปลงอย่าง รวดเร็ว โดยต้องการนาข้อมูลเหล่านั้นมาประมวลเพื่อสร้างสารสนเทศ (Information) ใช้ประกอบการตัดสินใจ และการนาข้อมูลใหญ่และหรือ สารสนเทศมาวิเคราะห์ (Analytics) เพื่อนาไปสู่ปัญญา (Intelligence) เพื่อสร้าง ความได้เปรียบในการแข่งขัน (Competitive Advantage) อันนาไปสู่การพัฒนา สังคม เศรษฐกิจและประเทศชาติในส่วนรวมในระยะยาว โดยเฉพาะอย่างยิ่งประเทศไทยกาลังตกอยู่ในภาวะปัญหากับดักรายได้ ปานกลาง (Middle-Income Trap) จาเป็นอย่างยิ่งที่ต้องสร้างสารสนเทศและ ปัญญา เพื่อนาไปสู่ความได้เปรียบดังกล่าวและเพื่อสร้างประเทศไทยให้มี เศรษฐกิจแบบมีความรู้เป็นฐาน (Knowledge-based Economy) สร้าง เศรษฐกิจดิจิตัล (Digital Economy) ตามแนวยุทธศาสตร์ชาติ Thailand 4.0 ซึ่ง จาต้องอาศัยปัญญาและสารสนเทศในกระบวนการสร้างคุณค่า (Value Creation Process) แก่ผลิตภัณฑ์และบริการมากกว่าที่จะอาศัยทุนหรือแรงงานแบบเดิม ความสาคัญและวัตถุประสงค์
- 22. ความสาคัญและวัตถุประสงค์ นอกจากนี้โลกในยุคปัจจุบันยังมีการบูรณาการระหว่างสาขาวิชา (Multidisciplinary) และการหลอมรวม เทคโนโลยี (Technology Fusion) ซึ่งนาไปสู่นวัตกรรมใหม่ๆ ในสังคมและเศรษฐกิจ ผลจากการหลอมรวมดังกล่าวทาให้ ผู้สาเร็จการศึกษาที่มีความรู้เชิงเดี่ยวทางานให้ประสบความสาเร็จได้ยากขึ้น หลักสูตรนี้ได้พิจารณาปรับปรุงให้มีการเรียน ข้ามสาขาวิชาเพื่อให้สามารถทางานได้จริงและเป็นการสร้างมหาบัณฑิตและดุษฎีบัณฑิตที่มีความรู้รอบและรู้ลึก ทั้งนี้หลักสูตรวิทยาศาสตรมหาบัณฑิต (วิเคราะห์ธุรกิจและวิทยาการข้อมูล) เป็นการหลอมรวมสาขาวิชาปัญญา และการวิเคราะห์ธุรกิจ และสาขาวิชาวิทยาการข้อมูล เข้าไว้ด้วยกันเพื่อสร้างหลักสูตรใหม่ให้ทันสมัยตรงกับความต้องการ ของตลาดและกระแสโลกที่เปลี่ยนแปลงไปอย่างรวดเร็ว นอกจากนี้ยังเป็นการหลอมรวมทรัพยากรและบุคลากรด้านการ เรียนการสอนให้ทางานข้ามสาขาวิชาและบูรณาการให้เกิดความรู้ใหม่และส่งเสริมงานวิจัยพหุวิทยาการให้เพิ่มมากขึ้น สาหรับหลักสูตรระดับปริญญาโทประกอบด้วย 2 สาขาวิชาเอกคือปัญญาและการวิเคราะห์ธุรกิจ (Business Analytics and Intelligence) และ วิทยาการข้อมูล (Data Science)
- 23. ความสาคัญและวัตถุประสงค์ วัตถุประสงค์ 1) ผลิตบุคลากรด้านวิเคราะห์ธุรกิจและวิทยาการข้อมูลเพื่อ เป็นกาลังสาคัญของประเทศไทยในการพัฒนาประเทศทั้งด้านเศรษฐกิจ สังคม และด้านอื่น ๆ 2) สร้างบุคลากรที่จะเป็นกาลังสาคัญของประเทศในการสร้าง เศรษฐกิจที่ใช้ความรู้เป็นฐาน กระบวนการสร้างคุณค่าและนวัตกรรมจาก ข้อมูล เพื่อการพัฒนาอย่างยั่งยืนและส่งเสริมความสามารถในการแข่งขัน ของประเทศไทย 3) ผลิตนักวิชาการด้าน Business Analytics and Data Science เพื่อสร้างองค์ความรู้ งานวิจัย ตอบสนองการพัฒนาประเทศ ไทย
- 24. อาชีพที่สามารถประกอบได้หลังสาเร็จการศึกษา • นักวิเคราะห์ธุรกิจ เจ้าหน้าที่วางแผนกลยุทธ์ นักวิเคราะห์กลยุทธ์ • นักวิทยาการข้อมูล • นักสถิติ/นักวิชาการสถิติ • นักจัดการและวิเคราะห์ข้อมูลขนาดใหญ่ • นักวิจัยและพัฒนาระบบประมวลผลและวิเคราะห์ ข้อมูลขนาดใหญ่ • ผู้บริหารเทคโนโลยีสารสนเทศ • ผู้จัดการโครงการสารสนเทศ • นักวิชาการคอมพิวเตอร์และเทคโนโลยีสารสนเทศ • นักวิเคราะห์และออกแบบระบบงานคอมพิวเตอร์ และระบบสารสนเทศ • นักวิเคราะห์และออกแบบระบบงานคอมพิวเตอร์ และระบบสารสนเทศเพื่อตอบสนองการ เปลี่ยนแปลงทางธุรกิจ • ผู้ตรวจสอบระบบงานคอมพิวเตอร์และระบบ สารสนเทศ • ผู้ทดสอบระบบงานคอมพิวเตอร์และระบบ สารสนเทศ
- 25. ข้อมูลทั่วไป ชื่อปริญญา วิทยาศาสตรมหาบัณฑิต (การวิเคราะห์ธุรกิจและวิทยาการข้อมูล) สาขาวิชาเอก • สาขาวิชาเอกการวิเคราะห์ธุรกิจ • สาขาวิชาเอกวิทยาการข้อมูล จานวนหน่วยกิต • แผน ก รายวิชา 30 หน่วยกิต วิทยานิพนธ์ 12 หน่วยกิต รวม 42 หน่วยกิต • แผน ข รายวิชา 39 หน่วยกิต การค้นคว้าอิสระ 3 หน่วยกิต รวม 42 หน่วยกิต
- 26. โครงสร้างหลักสูตร แผน ก2 ทาวิทยานิพนธ์ แผน ข ไม่ทาวิทยานิพนธ์ หมวดวิชาเสริมพื้นฐาน ไม่นับหน่วยกิต ไม่นับหน่วยกิต หมวดวิชาหลัก 15 หน่วยกิต 15 หน่วยกิต หมวดวิชาเอก 15 หน่วยกิต 15 หน่วยกิต หมวดวิชาเลือก - 9 หน่วยกิต วิชาการค้นคว้าอิสระ - 3 หน่วยกิต สอบประมวลความรู้ และ/หรือสอบปากเปล่า สอบ สอบ วิทยานิพนธ์ 12 หน่วยกิต - รวมไม่น้อยกว่า 42 หน่วยกิต 42 หน่วยกิต
- 27. โครงสร้างรายวิชา หมวดวิชาเสริมพื้นฐาน วิชาที่มุ่งปรับความรู้ในระดับต่ากว่า ขั้นบัณฑิตศึกษาของนักศึกษา เพื่อให้พร้อมที่จะศึกษาในชั้น ปริญญาโท นักศึกษาทั้งสองหลักสูตรเรียน เหมือนกัน • พื้นฐานสาหรับบัณฑิตศึกษา • การพัฒนาทักษะการอ่านภาษาอังกฤษสาหรับบัณฑิตศึกษา • การซ่อมเสริมการพัฒนาทักษะการอ่านภาษาอังกฤษสาหรับ บัณฑิตศึกษา (หากไม่ผ่านตัวก่อนหน้า) • การพัฒนาทักษะภาษาอังกฤษแบบบูรณาการ • การซ่อมเสริมการพัฒนาทักษะภาษาอังกฤษแบบบูรณาการ (หาก ไม่ผ่านตัวก่อนหน้า) • พื้นฐานคณิตศาสตร์และสถิติ • การเขียนโปรแกรมภาษาไพธอนและการจัดการฐานข้อมูล • ภาษาอังกฤษสาหรับการวิเคราะห์ธุรกิจและวิทยาการข้อมูล
- 28. หมวดวิชาหลัก กลุ่มวิชาที่มุ่งให้นักศึกษามีความรู้ ความชานาญเฉพาะด้าน (จานวน 15 หน่วยกิต) นักศึกษาทั้งสองหลักสูตรเรียน เหมือนกัน • การวิเคราะห์ธุรกิจและวิทยาการข้อมูลเบื้องต้น • การวิเคราะห์สถิติและการออกแบบงานวิจัย • การวิเคราะห์ข้อมูลเชิงบุกเบิกและการสร้างภาพนิทัศน์จาก ข้อมูล • การจัดการข้อมูลขนาดใหญ่ • การเรียนรู้ของเครื่องจักรประยุกต์ โครงสร้างรายวิชา
- 29. โครงสร้างรายวิชา หมวดวิชาเอก กลุ่มวิชาที่มุ่งให้นักศึกษา มีความรู้ความชานาญ เฉพาะด้านตามสาขา วิชาเอกที่กาหนดไว้ (จานวน 15 หน่วยกิต) สาขาวิชาปัญญาและการวิเคราะห์ธุรกิจ • ปัญญาและการวิเคราะห์การตลาด • ปัญญาและการวิเคราะห์การเงิน • ปัญญาและการวิเคราะห์ทรัพยากรมนุษย์ • ปัญญาและการวิเคราะห์ความเสี่ยงเชิง ปริมาณ • ปัญญาและการวิเคราะห์การจัดการลูกค้า สัมพันธ์ สาขาวิทยาการข้อมูล • การเขียนโปรแกรมสาหรับการเรียนรู้ของ เครื่องจักร • การวิเคราะห์ข้อมูลขนาดใหญ่ • การวิเคราะห์วีดีทัศน์และรูป • การวิเคราะห์ข้อความและการ ประมวลผลภาษาธรรมชาติ • การวิเคราะห์เรียลไทม์และการสตรีมมิ่ง ข้อมูล
- 30. โครงสร้างรายวิชา หมวดวิชาเลือก วิชาในหมวดนี้แบ่งออกเป็นกลุ่ม วิชา นักศึกษาสามารถเลือก รายวิชาในกลุ่มวิชาต่าง ๆ หรือ รายวิชาของหลักสูตรอื่นทั้ง ภายในหรือภายนอกคณะได้ สาขาวิชาปัญญาและการวิเคราะห์ธุรกิจ • ปัญญาและการวิเคราะห์ห่วงโซ่อุปทาน • การวิเคราะห์เศรษฐมิติ • การวิเคราะห์ข้อมูลเชิงพื้นที่ • แบบจาลองพหุระดับ • การจาลองมอนติคาร์โลและกระบวนการ เฟ้นสุ่ม • วิธีวิจัยเชิงคุณภาพ • การวิเคราะห์ข้อมูลสูญหายประยุกต์ สาขาวิทยาการข้อมูล • การคานวณแบบกระจายและก้อนเมฆ • การหาค่าเหมาะสุดและการวิเคราะห์เชิง กาหนด • การวิเคราะห์เชิงทานายและการพยากรณ์ • การวิเคราะห์และจดจาเสียง • การวิเคราะห์สื่อและเครือข่ายสังคม • การวิเคราะห์คอคนิทีฟ • ปัญญาประดิษฐ์
- 31. โครงสร้างรายวิชา หมวดวิชาเลือก วิชาในหมวดนี้แบ่งออกเป็นกลุ่ม วิชา นักศึกษาสามารถเลือก รายวิชาในกลุ่มวิชาต่าง ๆ หรือ รายวิชาของหลักสูตรอื่นทั้ง ภายในหรือภายนอกคณะได้ สาขาวิชาวิทยาการสื่อปฏิสัมพันธ์ • การวิเคราะห์มัลติมีเดีย • ส่วนต่อประสานกับผู้ใช้อัจฉริยะ • การวิจัยประสบการณ์ของผู้ใช้งาน • คอมพิวเตอร์กราฟฟิคและแอนิเมชัน • โลกเสมือนจริง ความเป็นจริงผสมความเป็น จริงเสริม กลุ่มวิชาสัมมนาและการศึกษาเฉพาะเรื่อง • การศึกษาเฉพาะเรื่องทางการวิเคราะห์ธุรกิจ และวิทยาการข้อมูล • การสื่อสาร การนาเสนอและการให้ คาปรึกษาด้านวิเคราะห์ธุรกิจและวิทยาการ ข้อมูล • การฝึกปฏิบัติวิเคราะห์ธุรกิจและวิทยาการ ข้อมูล • สัมมนาการวิเคราะห์ธุรกิจและวิทยาการ ข้อมูล
- 33. ประการแรก ปัญหาของระบบสถิติทางการของประเทศมีปัญหาหนักมาก ดังที่สภา ขับเคลื่อนการปฏิรูปประเทศไทย ได้ศึกษาและนาเสนอแนวทางการปฏิรูประบบสถิติ แห่งชาติเพื่อการบริหารราชการแผ่นดินและการบริการประชาชน ซึ่งในรายงานได้ระบุไว้ อย่างชัดเจนว่า ระบบสถิติของประเทศไทยมีปัญหา 1) การขาดเอกภาพในการทางานด้านสถิติ หลายครั้งประชาชนจะสับสนกับสถิติ ทางการจากต่างหน่วยงานที่มีตัวเลขขัดแย้งกันเอง ไม่ตรงกัน ไม่เชื่อมโยงกัน 2) บทบาทของสานักงานสถิติแห่งชาติขาดประสบการณ์ด้านการบริหารจัดการ ระบบสถิติและการบริหารจัดการความร่วมมือกันระหว่างหน่วยงาน ระบบสถิติไม่ ครบถ้วน ไม่สมบูรณ์เพียงพอ โดยเฉพาะสถิติจังหวัดขาดความเข้มแข็งทางวิชาการและ การแสวงหาความร่วมมือไม่เพียงพอ ทาให้ไม่สามารถเป็นแหล่งสารสนเทศเพื่อการ ตัดสินใจของจังหวัดได้ 3) หน่วยงานของรัฐมีความรู้ด้านสถิติไม่เพียงพอ ใช้ข้อมูลไม่เป็น เก็บข้อมูลไม่เป็น เชื่อมโยงข้อมูลไม่เป็น วิเคราะห์ข้อมูลไม่เป็น ไม่สามารถนาข้อมูลไปใช้ตัดสินใจ วางแผน นโยบายและประเมินผลได้ ทาให้การบริหารราชการแผ่นดินไม่ตั้งอยู่บนหลักฐานและ ความรู้เพียงพอ 4) ประเทศไทยมีปัญหาการจัดทาดัชนีชี้วัดระดับนานาชาติ ขาดหน่วยงาน รับผิดชอบ ทั้งๆ ที่ต้องใช้ข้อมูลมากและประสานงานให้ดีแต่ไม่มีหน่วยงานใดทาหน้าที่นี้ ระบบสถิติทางการไม่มีเพียงพอที่จะรองรับการจัดทาดัชนีชี้วัดระดับนานาชาติ ทาให้ ประเทศไทยมีปัญหาจากการจัดอันดับระดับนานาชาติทาให้ส่งผลกระทบต่อ ความสามารถในการแข่งขันและความดึงดูดนักลงทุนไป ทาไมต้องปฏิรูประบบสถิติและสถิติศาสตร์ศึกษา
- 34. ประการที่สอง นโยบาย Thailand 4.0 ต้องการสร้างเศรษฐกิจสร้างสรรค์ (Creative Economy), เศรษฐกิจที่ใช้ความรู้เป็นฐาน (Knowledge-based economy) และเศรษฐกิจดิจิทัล (Digital economy) เพื่อนาประเทศไทยก้าวพ้นกับดักรายได้ปานกลาง (Middle income trap) ซึ่งจาเป็นอย่างยิ่งที่ต้องใช้ความแตกฉานทางสถิติและข้อมูลมาสร้างองค์ความรู้ที่นาไปปฏิบัติได้จริง นาไปสร้าง โอกาสทางธุรกิจและสร้างความสามารถในการแข่งขันของประเทศ
- 35. ประการที่สาม รัฐบาลต้องการพัฒนาไปสู่รัฐบาลอิเล็กทรอนิกส์ (E-government) โดยมีการจัดตั้งสานักงานรัฐบาลอีเล็กทรอ นิคส์ (EGA) เพื่อนาสารสนเทศและการสื่อสารข้อมูลมาใช้ในบริหารจัดการเพื่อเพิ่มประสิทธิภาพในการทางานของหน่วยงานของรัฐ และภาครัฐต้องนาข้อมูลไปสร้างสารสนเทศเพื่อใช้ในการบริหารราชการแผ่นดิน
- 36. ประการที่สี่ ความแตกฉานด้านข้อมูลและสถิติของนักเรียนไทย จากการสารวจด้วย PISA พบว่ามีความแตกฉานด้าน ข้อมูลและสถิติต่ามาก
- 37. ประการที่ห้า การเติบโตของวิทยาการข้อมูล (Data Science) การเรียนรู้ของเครื่องจักร (Machine Learning) และ ปัญญาประดิษฐ์ (Artificial Intelligence) เข้ามามีบทบาทแทนที่นักสถิติ หรือในอีกด้านหนึ่งนักคอมพิวเตอร์เข้ามาทา หน้าที่วิเคราะห์ข้อมูล สร้างสารสนเทศแทนนักสถิติ และสามารถวิเคราะห์ข้อมูลในรูปแบบที่หลากหลายได้ดีกว่านักสถิติด้วย เช่น ข้อมูลรูปภาพ วีดีโอ ข้อความ เสียง และ สื่อสังคม ซึ่งเป็นสิ่งที่นักสถิติทาไม่ได้ แต่ข้อมูลเหล่านี้มีประโยชน์และสาคัญ มากต่อการทางานจริงและการพัฒนาประเทศ ยิ่งในปัจจุบันเริ่มมีการเรียนรู้ของเครื่องจักรแบบอัตโนมัติ (Automated machine learning) ที่พยายามพัฒนาให้โปรแกรมคอมพิวเตอร์คิดเองได้ ว่าควรวิเคราะห์ข้อมูลหรือทา machine learning ได้เองโดยไม่ต้องอาศัยนักคอมพิวเตอร์หรือนักสถิติด้วยซ้าไป ยิ่งเป็นสิ่งที่น่าคิดและคานึงถึงบทบาทของนักสถิติใน อนาคต
- 38. ASA Statement on the Role of Statistics in Data Science Statement Contributors David van Dyk, Imperial College (chair) Montse Fuentes, NCSU Michael I. Jordan, UC Berkeley Michael Newton, University of Wisconsin Bonnie K. Ray, Pegged Software Duncan Temple Lang, UC Davis Hadley Wickham, RStudio
- 39. ประกาศของสมาคมสถิติอเมริกันเกี่ยวกับบทบาทของสถิติในวิทยาการข้อมูล (Data Sciences) อาจารย์ ดร. อานนท์ ศักดิ์วรวิชญ (ผู้แปล) ความนิยมแพร่หลายของวิทยาการข้อมูล, ซึ่งรวมไปถึงข้อมูลขนาดใหญ่ (Big Data) และการวิเคราะห์ข้อมูล (Data Analytics) เมื่อไม่นานมานี้ ได้ดึงดูดความใส่ใจอย่างรวดเร็วต่อทั้งสื่อมวลชน โดยเฉพาะอย่างยิ่งบทบาทของมันที่น่า มหัศจรรย์ในการนาไปประยุกต์ใช้ในสาขาวิชาการต่างๆ หรือแม้กระทั่งในภาคธุรกิจก็เช่นกัน ความสาเร็จจานวนมากนี้เป็นผลพวงมาจากจิตวิญญาณของการเป็นผู้ประกอบการและนวัตกรซึ่งเปลี่ยนแปลงโฉมหน้า วัฒนธรรมกฎุมพี อย่างไรก็ตาม ธรรมชาติของวิทยาการข้อมูลโดยตัวมันเองที่มีความเป็นสหวิทยาการสูงมากย่อมหมายถึงการต้องการความ ร่วมมืออย่างหนักแน่นเพื่อที่จะได้บรรลุศักยภาพอย่างเต็มที่ในการสร้างผลิตภาพและนวัตกรรม แม้ว่าจะยังไม่มีฉันทามติที่ระบุได้แน่ชัดว่าวิทยาการข้อมูลประกอบด้วยอะไรบ้าง แต่อย่างน้อยชุมชนมือาชีพสามชุมชน ทั้งหมดอยู่ภายในชุมชนวิทยาการคอมพิวเตอร์ และ/หรือสถิติ ได้หลอมรวมกันเป็นพื้นฐานสาหรับวิทยาการข้อมูล อัน ได้แก่ 1) การจัดการฐานข้อมูล ซึ่งทาให้สามารถแปลง หลอมรวม และจัดแจงทรัพยากรข้อมูล 2) สถิติหรือการเรียนรู้ของ เครื่องจักร ที่ช่วยแปรรูปข้อมูลไปสู่ความรู้ และ 3) ระบบคู่ขนานหรือกระจาย ที่ช่วยเป็นโครงสร้างพื้นฐานสาหรับการ คานวณเพื่อการวิเคราะห์ข้อมูลได้สาเร็จลุล่วง
- 40. วิทยาการข้อมูลนั้นเกี่ยวข้องกับสาขาวิชาการอื่นๆ และเนื้อหาการวิจัยอื่นมากมายอย่างแน่นอน และเป็นเรื่องที่แน่แท้ที่จะบอกว่า ในด้านวิทยาศาสตร์ อุตสาหกรรม พาณิชยกรรม หรือ การปกครอง ต้องเกี่ยวข้องกับการปฏิวัติข้อมูลไม่ทางใดก็ทางหนึ่ง แต่สิ่งที่เป็นพื้นฐานย่อมเป็น ฐานข้อมูล สถิติ และระบบการกระจายที่เป็นท่อส่งหลักของสิ่งเหล่านี้ ในระดับพื้นฐานสุดเรามองว่าวิทยาการข้อมูลคือการร่วมมือกันระหว่างวิชาชีพสามวิชาชีพที่ก่อให้เกิดประโยชน์ร่วมกัน ส่งเสริมเติม เต็มซึ่งกันและกัน และนาไปสู่ปฏิสัมพันธ์อันมีความสาคัญยิ่งกับสาขาวิชาอื่นๆ ที่เกี่ยวข้อง ดังนั้นการที่วิทยาการข้อมูลจะบรรลุศักยภาพสูงสุดต้องอาศัยความร่วมมือในหลายแง่มุมอย่างเต็มกาลังสูงสุดจากกลุ่มวิชาชีพทั้ง สามกลุ่มข้างต้น ประกาศของสมาคมสถิติอเมริกันเกี่ยวกับบทบาทของสถิติในวิทยาการข้อมูล (Data Sciences)
- 41. สถิติและการเรียนรู้ของเครื่องจักรเป็นกลไกหลักสาคัญในวิทยาการข้อมูล การตั้งคาถามอย่างนักสถิติช่วยให้เราสามารถนาทรัพยากรข้อมูลมาใช้เพื่อสกัดความรู้ออกมาได้มากที่สุดและได้คาตอบที่ดี ยิ่งกว่าเดิม แกนกลางหลักของการอนุมานเชิงสถิติคือการสุ่มของข้อมูล (Randomness of data) ช่วยให้นักวิจัยสามารถตั้งคาถาม เกี่ยวกับกระบวนการเบื้องหลังของข้อมูลและทาให้สามารถระบุปริมาณความไม่แน่นอนของคาตอบที่พยายามค้นหาได้ กรอบความคิดทางสถิติช่วยให้นักวิจัยแยกแยะระหว่างสหสัมพันธ์และความสัมพันธ์เชิงสาเหตุออกจากกันได้ และช่วยให้ ระบุสิ่งที่ต้องทาเพื่อนาไปสู่การเปลี่ยนแปลงในผลลัพธ์ตามที่ปรารถนา กรอบความคิดทางสถิติยังช่วยให้สามารถหาวิธีการในการพยากรณ์และการประมาณค่าซึ่งทาให้ความไม่แน่นอนออกมาเป็น ปริมาณได้ และการจะทาเช่นนี้ได้ย่อมต้องอาศัยขั้นตอนวิธี (Algorithm) ที่ต้องสาแดงพฤติกรรมที่ทาซ้าได้แน่นอนและสามารถ พยากรณ์ได้แม่นยา โดยเหตุนี้ วิธีการทางสถิติจึงมุ่งหมายให้เพ่งความสนใจไปที่ข้อค้นพบที่สามารถทาซ้าได้โดยนักวิจัยคนอื่นๆ ด้วยทรัพยากร ข้อมูลที่แตกต่างออกไป พูดให้ง่ายวิธีการทางสถิติช่วยให้นักวิจัยสามารถสั่งสมองค์ความรู้ได้ ประกาศของสมาคมสถิติอเมริกันเกี่ยวกับบทบาทของสถิติในวิทยาการข้อมูล (Data Sciences)
- 42. สาหรับนักสถิติ เพื่อที่จะช่วยให้บรรลุความท้าทายอันใหญ่หลวงที่เผชิญโดยนักวิทยาการข้อมูล มีความจาเป็นอย่างยิ่งที่จะต้องใช้ ความพยายามร่วมกันอย่างยิ่งยวดและยั่งยืนระหว่างนักวิจัย ผู้ที่เชี่ยวชาญด้านการจัดแจงข้อมูล และผู้ที่เชี่ยวชาญด้านการไหลและการกระจายข้อมูลในการประมวลผล นักสถิติต้องมุ่งมั่นในการ ทางาน (Engage) กับเพื่อนร่วมงานต่างสาขาวิชา ต้องเรียนรู้จากพวกเขา ต้องสอนพวกเขา และต้องทางานกับพวกเขา ความมุ่งมั่นร่วมกันต้องเกิดขึ้นในทุกระดับ ตั้งแต่ระดับบุคคล ระดับกลุ่มนักวิจัย ภาควิชา และวิชาชีพโดยภาพรวม กลยุทธ์ในการแก้ปัญหาใหม่ๆ จาเป็นต้องได้รับการพัฒนา เช่นเดียวกับการทาอาหารซึ่งต้องเริ่มจากไร่นาสู่จานอาหาร ต้องเริ่มต้น จากการจัดการกับวัตถุดิบและนาไปสู่การนาไปปฏิบัติได้จริงที่เป็นมิตรกับผู้ใช้งาน โดยใช้หลักการและวิธีการทางสถิติที่แม่นยามีเหตุมี ผลเช่นเดียวกันกับการสื่อสารในเนื้อหาที่ศึกษาที่ชัดเจนเข้าใจง่าย สถิติศาสตร์ศึกษาและการฝึกอบรมทางสถิติต้องมีการวิวัฒน์อย่างต่อเนื่อง นักวิชาชีพทางสถิติรุ่นต่อไปในภายภาคหน้าต้องการทักษะที่กว้างขวางมากและต้องสามารถร่วมมือมุ่งมั่นในการทางานกับ ผู้เชี่ยวชาญด้านฐานข้อมูลและระบบการกระจายข้อมูลได้เป็นอย่างดี ในขณะที่ความรู้ความสามารถของนักสถิติต้องเพิ่มขึ้นทั้งในเนื้อหาเดิมและในสิ่งที่เป็นนวัตกรรมใหม่ล่าสุด แต่สิ่งที่จาเป็นอย่างยิ่งคือนักสถิติต้องสามารถจัดการได้กับความคาดหวังที่จะเพิ่มขึ้นอย่างมหาศาลในอนาคต ประกาศของสมาคมสถิติอเมริกันเกี่ยวกับบทบาทของสถิติในวิทยาการข้อมูล (Data Sciences)
- 43. สาหรับคนรุ่นใหม่เราต้องการนักวิจัยที่มีทักษะก้าวข้ามผ่านพรมแดนแห่งความรู้เดิมไม่ว่าจะเรียกว่า สถิติ ฐานข้อมูล และระบบ การกระจายข้อมูล แต่จะมีความคาดหวังมากมายที่จะได้เห็นผู้เชี่ยวชาญที่เป็นพหุภาษาสามารถเข้าใจและเชื่อมโยงหลอมรวมความรู้หลากหลาย สาขาวิชาให้นาไปใช้งานร่วมกันได้จริง ดังนั้นเราจะร่วมมือกับนักสถิติ ภาควิชาสถิติ และสมาคมวิชาชีพอื่นๆ สมาคมสถิติอเมริกันตั้งเป้าหมายที่จะช่วยให้เกิดสุนทรีย สนทนาเกี่ยวกับบทบาทของสถิติในวิทยาการข้อมูล เพื่อผลักดันแนวทางนี้ให้ก้าวไปข้างหน้าอย่างรวดเร็วท่ามกลาง สภาพแวดล้อมที่เปลี่ยนแปลง และเปิดพื้นที่สาหรับการสื่อสารและความร่วมมือกับนักวิทยาการข้อมูล ทั้งผู้ที่เป็นนักสถิติและผู้ ที่มิได้เป็นนักสถิติอย่างเท่าเทียม สมาคมสถิติอเมริกันมีเป้าหมายที่จะส่งเสริมเกื้อหนุนและก่อให้เกิดความร่วมมือระหว่างนักสถิติและนักวิทยาการข้อมูลสาขา อื่นๆ อันจะช่วยให้เราบรรลุเป้าหมายได้รวดเร็วและดียิ่งขึ้นกว่าที่เราจะสามารถทาได้เพียงลาพัง ประกาศของสมาคมสถิติอเมริกันเกี่ยวกับบทบาทของสถิติในวิทยาการข้อมูล (Data Sciences)
- 44. Royal Statistical Society Data Science and Statistics: different worlds? Chris Wiggins (Chief Data Scientist, New York Times) David Hand (Emeritus Professor of Mathematics, Imperial College) Francine Bennett (Founder, Mastodon-C) Patrick Wolfe (Professor of Statistics, UCL / Executive Director, UCL Big Data Institute) Zoubin Ghahramani (Professor of Machine Learning, University of Cambridge) Chair: Martin Goodson (Vice-President Data Science, Skimlinks) Discussant: John Pullinger (UK National Statistician)
- 45. In the last few years data science has become an increasingly popular discipline. Often linked to the use and analysis of ‘big data’, data scientists are seen as the new professionals who can unlock the potential of an increasingly data-rich world, and to generate economic and social benefits from the data revolution. However within the world of statistics, the ‘big data’ and ‘data scientist’ developments are sometimes labelled as hypes, and ‘data science’ is seen as a rebranding of what should be statistics. One of the often heard criticisms of big data analytics is that there’s a lack of statistical rigour which can lead to the wrong decisions. As with any new discipline there are questions about exactly what data science is. Has the relevance of statistics been diminished because of new types of data or technologies which need a radical new approach? Is data science about ‘getting the job done’, and statistics about the deeper scientific understanding? Are our universities offering students the right skill sets to meet the high demand for data scientists? https://www.youtube.com/watch?v=C1zMUjHOLr4&ab_channel=RoyalStatSoc
- 46. 1.ข้อมูลมีขนาดใหญ่และไหลเข้ามารวดเร็วมาก จนต้องหา algorithm หรือขั้นตอนวิธีในการวิเคราะห์ให้เร็ว ขึ้น มีการแยกกันคานวณ (Distributed computing) 2.ข้อมูลขนาดใหญ่ไม่มีโครงสร้าง แต่สถิติแบบคลาสสิกออกแบบพัฒนามาเพื่อใช้กับข้อมูลที่มีโครงสร้าง (Structured data) ในตารางสองทางเป็นส่วนใหญ่ ทาให้ต้องพัฒนาวิธีการทางสถิติใหม่ๆ ให้เท่าทันกับการ วิเคราะห์ข้อมูลที่ไม่มีโครงสร้าง 3. สถิติกราฟิกและการสร้างภาพนิทัศน์ (Statistical Graphic and Data Visualization) กลับมี ความสาคัญมากยิ่งขึ้น โดยเฉพาะในปัจจุบันข้อมูลมีความซับซ้อนและยุ่งยากมากขึ้นต้องการสื่อสารให้คน ทั่วไปเข้าใจได้ง่ายที่สุด ต้องเป็นนักเล่าเรื่อง (Story teller) ที่ดี 4.ข้อมูลมีความหลากหลาย นักสถิติต้องร่วมกับ Data Scientist พัฒนาวิธีการทางสถิติสาหรับการวิเคราะห์ ข้อมูลข้อความ ข้อมูลเสียง ข้อมูลรูปภาพ ข้อมูลวีดีโอ ข้อมูล 3D animation ข้อมูลจาก social media ข้อมูลรูปแบบหลากหลายเหล่านี้ต้องพัฒนาวิธีการทางสถิติในการวิเคราะห์ให้ก้าวตามได้ทัน
- 47. 5.ข้อมูลไม่ได้มาจากการสารวจหรือการทดลองแล้ว มีขนาดใหญ่มากจนการใช้สถิติเชิงอนุมาน (Statistical inference) จากตัวอย่าง (Sample) กลับไปสู่ประชากร (Population) กลับลดความสาคัญลงเรื่อยๆ แต่ การบรรยายข้อมูลด้วยสถิติเชิงบรรยาย (Descriptive Statistics) กลับจะสาคัญมากขึ้น ในขณะเดียวกัน ข้อมูลขนาดใหญ่ ไม่ได้หมายความว่าจะมีคุณภาพข้อมูลที่ดี อาจจะมีปัญหามากกว่าข้อมูลจากการสารวจหรือ การทดลองแบบเดิมด้วยซ้า ซึ่งต้องปรับปรุงพัฒนาและแก้ไขให้ข้อมูลมีคุณภาพดีขึ้น 6.ข้อมูลขนาดใหญ่มีความหลากหลาย Big data นั้นทาให้คนคาดหวังว่าจะนาข้อมูลไปสร้าง Competitive Intelligence ดังนั้นการสร้างแบบจาลองพยากรณ์ (Predictive Modeling) จากข้อมูลหลากหลายประเภท ที่ไม่เคยทามาก่อนจะยิ่งทวีความสาคัญ เช่น ต้องการพยากรณ์ว่าคนเข้าเฟซบุ๊กคนไหนน่าจะซื้อสินค้าอะไร จากข้อความ ภาพ เสียง วิดีโอ ที่เขาเข้าไปดูหรือที่เข้าโพสต์ซึ่งแบบจาลองทางสถิติแบบเดิมๆ ไม่สามารถทา หน้าที่ดังกล่าวได้ดีพอ 7.การวิเคราะห์ข้อมูลขนาดใหญ่ มักมีเป้าหมาย หรือวัตถุประสงค์ไปเชื่อมโยงกับเนื้อหาในสาขาใดสาขาหนึ่ง ชัดเจน เช่น ชีวสารสนเทศศาสตร์ (Bioinformatics) การวิเคราะห์ธุรกิจ (Business Analytics) แพทย สารสนเทศศาสตร์ (Medical Informatics) เป็นต้น นักสถิติจึงไม่สามารถมีเพียงความรู้ทางสถิติเพียงอย่าง เดียวได้อีกต่อไป ไม่เพียงพอในการทางาน
- 48. สถิติศาสตร์ศึกษาจะปรับตัวอย่างไร? • สร้าง Statistical reasoning, Statistical Thinking • ทฤษฎีต้องแม่นและสอนให้ถูกต้องเสียก่อน • Theory of sample survey • Theory of statistical inference • Theory of probability • Descriptive Statistics • หลักสูตรต้องมีความอ่อนตัว ยืดหยุ่น Double Major or Minor • Computer Science + Statistics + Content Area ไม่เช่นนั้นจะมีแค่เครื่องครัว ไม่มีวัตถุดิบ • ต้องเขียนโปรแกรมได้ จัดการข้อมูลได้ (Structured+Unstructured) • สอนด้วย Use case และ ข้อมูลจริง • สถิติไม่ใช่คณิตศาสตร์ สถิติแค่อาศัยคณิตศาสตร์เป็นเครื่องมือ สถิติเป็นปรัชญา ต้องเข้าใจปรัชญาและทฤษฎีให้แม่นก่อน • สอน proof ไม่ใช่การท่อง proof แต่อธิบายเหตุผลระหว่างบรรทัด • เน้น lab ให้มาก ทุกวิชาต้องมี lab • สอนในสิ่งที่นาไปใช้จริง Data Cleansing, Data Wrangling, Missing data, Exploratory Data Analysis, Data Visualization • ภาษาอังกฤษ • ความรู้ทางเศรษฐศาสตร์และบริหารธุรกิจ
- 50. รายวิชา จานวนหน่วย กิต เหตุผลในการบรรจุรายวิชา จานวนหน่วยกิตตลอดหลักสูตร 144 1. General Education 45 1.1 Mathematics and Sciences 12 Calculus 1 3 เครื่องมือสาหรับสถิติ Calculus 2 3 เครื่องมือสาหรับสถิติ Calculus 3 3 เครื่องมือสาหรับสถิติ Linear Algebra 3 เครื่องมือสาหรับสถิติ 1.2 Social Science 15 Financial Management 3 Businesss Acumen Accounting Principle 3 Business language Principle of Economics 3 เข้าใจภาพรวมและทฤษฎีในการพัฒนาประเทศ มองภาพ macro ได้ Marketing Management/Law/Sociology/Psychology/OBHRM/etc 3 - Marketing Management/Law/Sociology/Psychology/OBHRM/etc 3 -
- 51. รายวิชา จานวนหน่วย กิต เหตุผลในการบรรจุรายวิชา 1.3 Humanities 6 Philosophy and Logic 3 พื้นฐานปรัชญาสาหรับการแสวงหาความรู้และการใช้เหตุผล Academic Writing Skill 3 นักสถิติต้องเขียนรายงานวิชาการได้ 1.4 Language (Placement test is needed) 12 English 1 3 ภาษาอังกฤษต้องดี self learning ได้ ใช้ในการทางานได้ English 2 3 ภาษาอังกฤษต้องดี self learning ได้ ใช้ในการทางานได้ English 3 3 ภาษาอังกฤษต้องดี self learning ได้ ใช้ในการทางานได้ English 4 3 ภาษาอังกฤษต้องดี self learning ได้ ใช้ในการทางานได้
- 52. รายวิชา จานวนหน่วย กิต เหตุผลในการบรรจุรายวิชา 2. Major Course 60 Statistical Analysis 3 ต้องสอนโดยมือทอง ปูพื้นฐานให้ดีและแน่น Research Methodology and Knowledge Inquiry 3 นักสถิติต้องทาวิจัยเป็น Scale Construction and Questionnaire Design 3 นักสถิติต้องทาวิจัยเป็น เก็บข้อมูลได้ ออกแบบแบบสอบถาม สร้างมาตรวัดได้ Theories of Probability and its Application 3 พื้นฐานสาหรับการอนุมานทางสถิติและการศึกษาต่อหรือการอ่าน paper Practical Sampling Technique 3 นักสถิติต้องออกแบบการสุ่มตัวอย่างสาหรับการวิจัยเชิงสารวจ สหสัมพันธ์ และ ทดลองได้ Statistical Inference 3 พื้นฐานสาหรับสถิติวิเคราะห์และการศึกษาต่อหรือการอ่าน paper Exploratory Data Analysis and Data Visualization 3 นักสถิติต้องหา insight จากข้อมูลได้ และนาเสนอได้อย่างเหมาะสม โดยเฉพาะ กราฟ Applied General Linear Model 3 นักสถิติต้องใช้ regression analysis และ experimental design and analysis Applied Missing Data Analysis 3 ไม่มีข้อมูลชุดใดในความเป็นจริงที่ไม่มีข้อมูลสูญหาย Applied Multivariate Statistical Analysis 3 นักสถิติต้องวิเคราะห์ตัวแปรหลายตัวแปรได้
- 53. รายวิชา จานวนหน่วย กิต เหตุผลในการบรรจุรายวิชา 2. Major Course 60 Applied Computational and Nonparametric Statistics 3 ข้อมูลจริงแทบจะไม่เป็นไปตามการแจกแจงทางทฤษฎี Applied Time Series and Forecasting Analysis 3 การพยากรณ์และอนุกรมเวลาใช้งานจริงมากสาหรับนักสถิติ Applied Operations Research 3 OR ได้ใช้งานจริงในการจัดการเชิงปริมาณ Statistical Presentation and Consulting 3 สอนให้นักสถิติพูดจารู้เรื่องให้คาปรึกษาทางสถิติได้ Monte Carlos Simulation and Statistical Programming 3 นักสถิติต้องเขียนโปรแกรมทางสถิติได้/จาลองได้ จึงทางานได้จริง Python Programming 3 ภาษาสาหรับ DS และ Comp Science ในปัจจุบัน Relational Database Design and Management 3 นักสถิติต้องออกแบบฐานข้อมูลและ ELT ได้ โดยเฉพาะ structured data Managing Big Data 3 นักสถิติต้องจัดการ unstructured data ได้ Applied Machine Learning 3 เครื่องมือสาหรับการวิเคราะห์ unstructured data Applied Big Data Analytics 3 นา machine learning ได้ทดลองวิเคราะห์ Big Data 3. Minor Courses 30 นักสถิติต้องมี content area จึงทางานได้จริง 4. Senior Project 3 ต้องทางานจริงก่อนจบ 5. Elective Courses 6 นักศึกษาต้องการ degree of freedom บ้างในชีวิต