You can not select more than 25 topics
Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
31 lines
3.3 KiB
31 lines
3.3 KiB
<!--
|
|
CO_OP_TRANSLATOR_METADATA:
|
|
{
|
|
"original_hash": "696a8474a01054281704cbfb09148949",
|
|
"translation_date": "2025-08-26T21:13:45+00:00",
|
|
"source_file": "1-Introduction/README.md",
|
|
"language_code": "th"
|
|
}
|
|
-->
|
|
# บทนำสู่วิทยาศาสตร์ข้อมูล
|
|
|
|
|
|
> ภาพถ่ายโดย <a href="https://unsplash.com/@dawson2406?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText">Stephen Dawson</a> บน <a href="https://unsplash.com/s/photos/data?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText">Unsplash</a>
|
|
|
|
ในบทเรียนนี้ คุณจะได้เรียนรู้ว่าวิทยาศาสตร์ข้อมูลถูกนิยามอย่างไร และพิจารณาประเด็นด้านจริยธรรมที่นักวิทยาศาสตร์ข้อมูลต้องคำนึงถึง นอกจากนี้ คุณจะได้เรียนรู้ว่าข้อมูลถูกนิยามอย่างไร รวมถึงพื้นฐานของสถิติและความน่าจะเป็น ซึ่งเป็นแกนหลักของวิชาการในวิทยาศาสตร์ข้อมูล
|
|
|
|
### หัวข้อ
|
|
|
|
1. [การนิยามวิทยาศาสตร์ข้อมูล](01-defining-data-science/README.md)
|
|
2. [จริยธรรมในวิทยาศาสตร์ข้อมูล](02-ethics/README.md)
|
|
3. [การนิยามข้อมูล](03-defining-data/README.md)
|
|
4. [บทนำสู่สถิติและความน่าจะเป็น](04-stats-and-probability/README.md)
|
|
|
|
### เครดิต
|
|
|
|
บทเรียนเหล่านี้เขียนขึ้นด้วย ❤️ โดย [Nitya Narasimhan](https://twitter.com/nitya) และ [Dmitry Soshnikov](https://twitter.com/shwars)
|
|
|
|
---
|
|
|
|
**ข้อจำกัดความรับผิดชอบ**:
|
|
เอกสารนี้ได้รับการแปลโดยใช้บริการแปลภาษา AI [Co-op Translator](https://github.com/Azure/co-op-translator) แม้ว่าเราจะพยายามให้การแปลมีความถูกต้องมากที่สุด แต่โปรดทราบว่าการแปลโดยอัตโนมัติอาจมีข้อผิดพลาดหรือความไม่ถูกต้อง เอกสารต้นฉบับในภาษาดั้งเดิมควรถือเป็นแหล่งข้อมูลที่เชื่อถือได้ สำหรับข้อมูลที่สำคัญ ขอแนะนำให้ใช้บริการแปลภาษามืออาชีพ เราไม่รับผิดชอบต่อความเข้าใจผิดหรือการตีความผิดที่เกิดจากการใช้การแปลนี้ |