บทที่ 1 แนะนำเหมืองข้อมูลเบื้องต้น

ภาพรวมบทเรียน

บทที่ 1 เป็นบทนำสำหรับผู้เริ่มต้นเรียนรู้ เหมืองข้อมูล (Data Mining) โดยอธิบายว่าเหตุใดข้อมูลจำนวนมากจึงมีคุณค่า และเราจะใช้กระบวนการทางสถิติ ฐานข้อมูล และ Machine Learning เพื่อค้นหาความรู้ที่ซ่อนอยู่ในข้อมูลได้อย่างไร

1.1 ข้อมูลรอบตัวเรา

ในชีวิตประจำวัน เราสร้างข้อมูลจำนวนมากจากการซื้อสินค้า การค้นหาข้อมูลบนเว็บไซต์ การใช้โทรศัพท์มือถือ การเรียนออนไลน์ การใช้บัตรเครดิต การสั่งอาหาร การโพสต์บนสื่อสังคมออนไลน์ และการใช้อุปกรณ์ IoT ข้อมูลเหล่านี้สะท้อนพฤติกรรม ความต้องการ และแนวโน้มที่สามารถนำไปวิเคราะห์ต่อได้

1.2 เหมืองข้อมูลคืออะไร?

เหมืองข้อมูล (Data Mining) คือกระบวนการวิเคราะห์ข้อมูลจำนวนมาก เพื่อค้นหา รูปแบบ ความสัมพันธ์ แนวโน้ม ความผิดปกติ หรือความรู้ใหม่ ที่ซ่อนอยู่ในข้อมูล โดยใช้เครื่องมือจากฐานข้อมูล สถิติ คณิตศาสตร์ การเรียนรู้ของเครื่อง และการแสดงผลข้อมูล

1.3 จาก Data ไปสู่ Information และ Knowledge

การทำเหมืองข้อมูลไม่ได้เริ่มและจบที่ข้อมูลดิบ แต่เป็นการยกระดับข้อมูลให้กลายเป็นสารสนเทศและความรู้ที่นำไปใช้ได้จริง

1.4 ทำไมจึงต้องมีเหมืองข้อมูล?

องค์กรจำนวนมากมีข้อมูลมากขึ้นเรื่อย ๆ แต่ข้อมูลจำนวนมากไม่ได้สร้างคุณค่าโดยอัตโนมัติ Data Mining ช่วยสกัดคุณค่าจากข้อมูลเพื่อสนับสนุนการตัดสินใจ ลดความเสี่ยง และค้นหาโอกาสใหม่

• ค้นหารูปแบบที่มนุษย์อาจมองไม่เห็นจากข้อมูลขนาดใหญ่
• ช่วยทำนายเหตุการณ์ในอนาคต เช่น ยอดขายหรือความเสี่ยง
• ช่วยจัดกลุ่มลูกค้า ผู้เรียน หรือผู้ใช้ตามพฤติกรรม
• ช่วยตรวจจับความผิดปกติ เช่น การทุจริตหรือสัญญาณระบบผิดปกติ
• ช่วยให้การตัดสินใจมีหลักฐานจากข้อมูล ไม่ใช่เพียงความรู้สึก

1.5 วิวัฒนาการของ Data Mining

Data Mining พัฒนามาจากการจัดเก็บข้อมูล การเข้าถึงข้อมูล คลังข้อมูล และการใช้แบบจำลองเชิงสถิติ/การเรียนรู้ของเครื่องเพื่อค้นพบความรู้

1.6 วัตถุประสงค์และเป้าหมายของเหมืองข้อมูล

1.7 กระบวนการทำเหมืองข้อมูล

กระบวนการทำเหมืองข้อมูลมักประกอบด้วยหลายขั้นตอนที่เชื่อมโยงกัน ตั้งแต่การเตรียมข้อมูลจนถึงการนำเสนอความรู้ที่ค้นพบ

1.8 แหล่งข้อมูลสำหรับการทำ Data Mining

ข้อมูลอาจมาจากระบบภายในองค์กร ไฟล์เอกสาร เว็บไซต์ Social Media อุปกรณ์ IoT หรือฐานข้อมูลสาธารณะ การเลือกแหล่งข้อมูลต้องคำนึงถึงคุณภาพ ความน่าเชื่อถือ ความทันสมัย และสิทธิ์ในการใช้งานข้อมูล

1.9 ส่วนประกอบของระบบเหมืองข้อมูล

• Data Sources: แหล่งข้อมูล เช่น Database, Data Warehouse, Web, Sensor
• Data Mining Engine: ส่วนประมวลผลด้วยอัลกอริทึม เช่น Classification, Clustering, Association
• Pattern Evaluation: ประเมินว่ารูปแบบที่พบมีความน่าสนใจและใช้ได้จริงหรือไม่
• Knowledge Base: ความรู้เฉพาะด้านที่ช่วยตีความผลลัพธ์
• User Interface: ส่วนติดต่อผู้ใช้สำหรับดูผลลัพธ์และสื่อสารข้อมูล

1.10 เทคนิคสำคัญในการทำเหมืองข้อมูล

1.11 ตัวอย่างการประยุกต์ใช้ Data Mining

1.12 ข้อควรระวังและจริยธรรมข้อมูล

การทำเหมืองข้อมูลต้องคำนึงถึงความเป็นส่วนตัว ความปลอดภัย ความถูกต้องของข้อมูล และการตีความผลลัพธ์อย่างระมัดระวัง เพราะข้อมูลที่ไม่ครบถ้วนหรือมีอคติอาจนำไปสู่ข้อสรุปที่ผิดพลาด

แบบฝึกหัดท้ายบท

1. อธิบายความหมายของ Data Mining และเปรียบเทียบกับการ Query ฐานข้อมูลทั่วไป
2. ยกตัวอย่างข้อมูลรอบตัวเรา 5 แหล่ง และอธิบายว่านำไปใช้วิเคราะห์อะไรได้บ้าง
3. อธิบายความแตกต่างระหว่าง Data, Information และ Knowledge พร้อมตัวอย่าง
4. อธิบายกระบวนการ Data Cleaning, Integration, Selection, Transformation และ Mining
5. ยกตัวอย่างปัญหาที่เหมาะกับ Classification, Clustering และ Association Rule อย่างละ 2 ตัวอย่าง
6. อธิบายข้อควรระวังด้านจริยธรรมเมื่อใช้ข้อมูลผู้ใช้จากเว็บไซต์หรือ Social Media