รายวิชา

enlightenedวิชาปรับพื้นฐาน 4 วิชา

(เฉพาะผู้ที่จบไม่ตรงสาขา ไม่นับหน่วยกิตและให้ผลการเรียนเป็น S หรือ U)

  • BD 501  ระบบฐานข้อมูลแบบกระจาย ( Distributed Database Systems)

การออกแบบและการเขียนโปรแกรมของระบบฐานข้อมูลแบบกระจาย แบบจำลองอีอาร์ (Entity-Relationship Model) แนวทางในการสร้างแบบจำลองข้อมูลแบบเชิงสัมพันธ์ของระบบการจัดการฐานข้อมูล (DBMSs) และการใช้ภาษาสอบถาม เช่น เอสคิวแอล (SQL) พีชคณิตเชิงสัมพันธ์และการใช้งานของ SQL รูปแบบฐานข้อมูลมาตรฐาน การเพิ่มประสิทธิภาพการค้นหาและการทำธุรกรรม  

  • BD 502  วิธีและการวิเคราะห์วิจัย  (Seminar and Research Methodology)

ขั้นตอนและวิธีการทำวิจัย การสืบค้นข้อมูลและสำรวจงานวิจัยต่างๆที่เกี่ยวข้องโดยเฉพาะด้านข้อมูลขนาดใหญ่ การประมวลผลข้อมูลและการเรียบเรียงข้อมูลที่เกี่ยวข้องเข้าด้วยกัน การตระหนักถึงความสำคัญและความเป็นมาของปัญหา การวิจัยและผลจากการวิจัย การหาแนวทางปรับปรุงหรือเพิ่มประสิทธิภาพของงานวิจัยที่มีอยู่แล้ว แนวทางการประยุกต์ความรู้ต่างๆ  การเขียนข้อเสนองานวิจัยและการนำเสนอด้วยปากเปล่า การทดสอบสมมติฐาน การติดตามความก้าวหน้าในการทำวิจัยและการตรวจสอบความถูกต้อง การเขียนรายงานวิจัยและการนำเสนอด้วยปากเปล่า

  • BD 503 ภาษาอังกฤษสำหรับบัณฑิตศึกษา (English for Graduate Study)

ความรู้เบื้องต้นวิธีการทำงานวิจัย สถานะปัญหา การเก็บข้อมูล การสุ่มและสำรวจตัวอย่าง การจัดทำตารางและการวิเคราะห์ข้อมูล เครื่องมือทางสถิติที่จำเป็น การอธิบายและสรุปผล การแจกแจงความน่าจะเป็นร่วมกัน การแจกแจงของการสุ่มตัวอย่าง การแจกแจงของค่าเฉลี่ยของตัวอย่าง การประเมินค่า การทดสอบสมมติฐานทางสถิติการสร้างแบบจำลองความน่าจะเป็นของตัวแปรสุ่มในกระบวนการเฟ้นสุ่ม การประยุกต์ใช้ทฤษฎีความน่าจะเป็นและสถิติศาสตร์ในการผลิตและวิศวกรรม

  • BD 504 การเขียนโปรแกรมเบื้องต้น (Introduction to Programming)

การเขียนโปรแกรม โครงสร้างการเขียนโปรแกรม การประกาศตัวแปร ประเภทของข้อมูลในแต่ละตัวแปร คำสั่งพื้นฐานต่างๆ  การทำงานแบบมีเงื่อนไข (conditional) การทำงานแบบวนรอบ (loop) การเขียนฟังก์ชัน การอ่าน-เขียนข้อมูลกับไฟล์ การดึงข้อมูลจากฐานข้อมูลเชิงสัมพันธ์ (RDBMS) การจัดการข้อผิดพลาดต่างๆ การใช้ไลบารี่ทางสถิติสำหรับวิเคราะห์ข้อมูลเบื้องต้น


enlightenedวิชาบังคับ 6 วิชา

  • BD 511  คณิตศาสตร์วิศวกรรมข้อมูลขนาดใหญ่ (Introduction to Big Data Engineering Mathematics)

การวิเคราะห์เชิงตรรกะ ความสัมพันธ์ที่เกิดขึ้นซ้ำ และทฤษฎีกราฟ ทฤษฎีจำนวน และ ทฤษฎีความซับซ้อนในการคำนวณ กลุ่มปัญหาเอ็นพี ขั้นตอนวิธีการคำนวณเบื้องต้น เมทริกซ์ ตัวกำหนด ระบบสมการเชิงเส้น ฐานหลักและมิติ ปริภูมิเวกเตอร์ การแปลงเชิงเส้น ค่าลักษณะเฉพาะและเวกเตอร์ลักษณะเฉพาะ รูปแบบเชิงเส้นและปริภูมิผลคูณภายใน

  • BD 512 การทำเหมืองข้อมูลขนาดใหญ่ (BigData Mining)                                                                                

การวิเคราะห์ข้อมูลขนาดใหญ่ ประโยชน์ของการวิเคราะห์ การหาความสัมพันธ์ (association) การจัดกลุ่ม (clustering) การจำแนกประเภทข้อมูล (classification) แบบต่างๆ เช่น ต้นไม้ตัดสินใจ (Decision Tree) ทฤษฎีของเบย์ (Bayes’ Theorem) การวิเคราะห์ข้อความ (text mining) การวิเคราะห์ข้อมูลแบบสายธาร (stream mining) การวิเคราะห์ข้อมูลรูปภาพ (image mining) การคำนวณแบบขนาน (parallel computing)

  • BD 517 การวิเคราะห์ทางสังคมและ เครือข่ายสารสนเทศ (Social and Information Network Analysis)

การวิเคราะห์โครงสร้างและการเปลี่ยนแปลงของเครือข่ายขนาดใหญ่ วิธีการที่จะเชื่อมโยงรูปแบบและขั้นตอนวิธีการออกแบบที่ทำงานร่วมกับเครือข่ายขนาดใหญ่เช่น คุณสมบัติทางสถิติของเครือข่ายขนาดใหญ่ โครงสร้างแบบต่างๆของเครือข่ายทางสังคม และการทำนายวิวัฒนาการของการเชื่อมโยง การตรวจสอบการแพร่กระจายของชุมชนเครือข่ายของการขยายพันธุ์ข้อมูล การหาโหนดที่มีอิทธิพลในเครือข่าย เครือข่ายการตรวจสอบโรคระบาดในชุมชนที่มีความสัมพันธ์เชิงบวกและเชิงลบ การเชื่อมต่อทางสังคมและเศรษฐกิจ

  • BD 518 การสำรวจและจัดเตรียมสำหรับการวิเคราะห์ข้อมูล (Exploring and Preparing Data for Analytics)

มุ่งเน้นให้ผู้เรียนได้สำรวจข้อมูลก่อนการวิเคราะห์ โดยประยุกต์ใช้หลักการทางสถิติ  และทัศนภาพ (Visualization) ในการสำรวจข้อมูล ได้แก่ แสดงการแจกแจงข้อมูล (Data Distribution), สำหรับตัวแปรจัดประเภท (Categorical data), สำหรับตัวแปรพหุ (Multivariate data) เป็นต้น การลดจำนวนมิติของข้อมูล (Dimension reduction)  รวมถึงมุ่งเน้นให้ผู้เรียนได้ทำการจัดเตรียมข้อมูลก่อนนำมาวิเคราะห์ข้อมูล โดยเน้นในการจัดการข้อมูลที่ไม่สมบูรณ์ (Missing or incomplete data) ข้อมูลที่มีความผิดปกติ (Outliers) ข้อมูลที่มีมิติข้อมูลจำนวนมาก (High-dimensionality data) ชุดข้อมูลไม่สมดุล (imbalance dataset) ชุดข้อมูลที่ซับซ้อน ได้แก่ ข้อมูลเอกสาร (Text ), อนุกรมเวลา (Time-series), ข้อมูลรูปภาพ (Image) เป็นต้น

  • BD 519 ธุรกิจอัจฉริยะ  (Business Intelligence)

หัวข้อต่างๆ ในด้านธุรกิจ เช่น คลังข้อมูล การสร้างความเป็นอัจฉริยะแบบจำลองมิติของ OLAP และการทำเหมืองข้อมูลเพื่อธุรกิจอัจฉริยะ การทำคลังข้อมูล  ข้อมูลจากระบบข้อมูลการดำเนินงาน ห่วงโซ่คุณค่า การจัดการ การบริการลูกค้า การวิเคราะห์ กระบวนการทางธุรกิจ และการออกแบบ ระบบการประมวลผล การทำธุรกรรม การจัดการระบบสารสนเทศ และระบบข้อมูลสำหรับผู้บริหาร

  • BD 520 การประมวลผลแบบกลุ่มเมฆ  (Cloud Computing)

แนวคิดพื้นฐานของการประมวลผลแบบกลุ่มเมฆ คุณลักษณะสำคัญของการประมวลผลแบบกลุ่มเมฆ ประเภทของการประมวลผลแบบกลุ่มเมฆ เทคโนโลยีต่างๆที่ใช้ การจัดการกลุ่มเมฆ รูปแบบการให้บริการของกลุ้มเมฆ ความปลอดภัยในกลุ่มเมฆ การใช้เครื่องมือและซอฟต์แวร์ที่เกี่ยวกับการประมวลผลแบบกลุ่มเมฆ การฝึกปฎิบติ


enlightenedวิชาเลือก

  • กลุ่มวิชาการสร้างตัวแบบ (Modeling)

  • BD 621 แบบจำลองและเทคนิคการจำลอง  (Simulation and Modeling Techniques)

พื้นฐานของการจำลอง แบบจำลองระบบ และการประยุกต์ใช้ซอฟต์แวร์ที่เกี่ยวข้อง การเคลื่อนไปของเวลาจากการจำลองเหตุการณ์ การสร้างตัวเลขสุ่ม ตัวแปรสุ่ม การออกแบบสำหรับการทดลอง การรวบรวมสถิติในช่วงสภาวะคงที่และสภาวะชั่วคราว การใช้การจำลองและการหาผลลัพท์ที่ดีที่สุด การฝึกปฏิบัติการสร้างแบบจำลองต่างๆการใช้กราฟเชิงระนาบและกราฟแบบพื้นผิวในการจำลอง การทำกราฟระบุทิศทางและการประยุกต์ใช้กราฟกับในการจำลองเครือข่ายสังคม

  • BD 622  อนุกรมเวลาและการพยากรณ์ (Time Series and Forecasting)

แนวความคิดพื้นฐานของการสร้างตัวแบบ การวิเคราะห์การถดถอยของอนุกรมเวลา การพยากรณ์อนุกรมเวลาที่มีส่วนประกอบแนวโน้มและการผันแปรสุ่ม การพยากรณ์อนุกรมเวลาที่มีฤดูกาล วิธีการบอกซ์และเจนกินส์ การวิเคราะห์สเปกตรัม

  • BD 623  การสร้างตัวแบบการทำนาย (Predictive Modeling)

เทคนิคการสร้างแบบจำลองการพยากรณ์และการวิเคราะห์ในสภาพแวดล้อมทางธุรกิจที่เต็มไปด้วยข้อมูลจำนวนมาก กระบวนการกำหนดวัตถุประสงค์ทางธุรกิจ การเลือกข้อมูล การเตรียมข้อมูลและพาร์ทิชัน การประเมินผลรูปแบบ การทำนายความหลากหลายของการใช้งานทางธุรกิจในทางปฏิบัติ เช่น การตลาดทางตรง การเก็บรักษาลูกค้า การกระทำผิดและการเก็บรวบรวมการวิเคราะห์ ตรวจสอบการทุจริต การตรวจสอบความล้มเหลวของการทำนาย  รูปแบบการทำนายเช่นการจัดหมวดหมู่และต้นไม้การตัดสินใจ เครือข่ายประสาท การถดถอย และตัวแบบอื่นๆ เพื่อวิเคราะห์การเชื่อมโยง

  • BD 625  หัวข้อพิเศษด้านวิศวกรรมข้อมูล (Special Topics in Data Engineering)

หัวข้อที่ได้รับการคัดเลือกตามความสำคัญด้านวิสวกรรมข้อมูล โดยพิจารณาจากหัวข้อวิจัยหรือ ผลงานวิจัยตีพิมพ์

 

  • กลุ่มวิชาการวิเคราะห์และการประยุกต์ (Analytics and Application)

  • BD 631  การอนุมานแบบเบย์และทฤษฎีการตัดสินใจ (Bayesian Inference and Decision Theory)

ทฤษฎีการตัดสินใจและความสัมพันธ์กับทฤษฎีความน่าจะเป็นแบบเบย์ ความเหมือนและความแตกต่างระหว่างวิธีการแบบเบย์ และช่วงความเชื่อมั่นในการอนุมานเชิงสถิติ พื้นฐานของทฤษฎีของการอนุมานแบบเบย์ การแจกแจงความน่าจะเป็นก่อนได้ข้อมูลและการประมาณการแจกแจงความน่าจะเป็นหลังได้ข้อมูล หลักการของความเป็นไปได้ การใช้กฎของเบย์ในการปรับความน่าจะเป็นจากข้อมูลที่ได้มาใหม่

  • BD 632  การวิเคราะห์และออกแบบอัลกอริทึมขั้นสูง (Advanced Algorithm Analysis and Design)

เทคนิคการวิเคราะห์ขอบเขตประสิทธิภาพสูงสุดและต่ำสุดของอัลกอริทึม ทบทวนปัญหาต่างๆในการออกแบบอัลกอริทึมได้แก่ การเรียงลำดับ การค้นหา และกราฟ เน้นเทคนิคขั้นสูง การโปรแกรมแบบไดนามิค อัลกอริทึมเชิงผสม การโปรแกรมเชิงเส้น (Linear Programing)  เรขาคณิตเชิงคำนวณ (Computer Geometry) การเข้ารหัสลับ ตัวแบบแบบขนาน อัลกอริทึมแบบขนานและอัลกอริทึมแบบสุ่ม กลุ่มปัญหา เอ็นพี (NP: Non-deterministic Polynomial time)

  • BD 634  ระบบความปลอดภัยของข้อมูล (Data Security System)

แนวความคิดการรักษาความปลอดภัยเช่นการรักษาความลับ ความสมบูรณ์ ความพร้อมของระบบ ความสมมาตรและอสมมาตร การเข้ารหัสและการใช้งาน การควบคุมดูแลลายเซ็นดิจิตอล นโยบายการควบคุมการเข้าถึงและการบังคับใช้การรักษาความลับ โปรโตคอลการสื่อสารสำหรับการตรวจสอบการรักษาความลับและความสมบูรณ์ของข้อความ การรักษาความปลอดภัยเครือข่าย ความปลอดภัยของระบบตรวจจับการบุกรุกและรหัสที่เป็นอันตราย รูปแบบการรักษาความปลอดภัยและการประเมินผลการรักษาความปลอดภัย การบริหารงานของการรักษาความปลอดภัย แง่มุมของกฎหมายการรักษาความปลอดภัยคอมพิวเตอร์

  • BD 638 วิศวกรรมซอฟต์แวร์  (Software Engineering)

ความต้องการและข้อกำหนดรวมทั้งเครื่องมือ เช่น PSL/PSA, SREM เทคนิคการออกแบบ ฟังก์ชันการสลายตัว การไหลของข้อมูล โครงสร้างข้อมูล ประเด็นทางทฤษฎีในการทดสอบกลยุทธ์การทดสอบ เส้นทาง โดเมน การกลายพันธุ์และข้อผิดพลาดเฉพาะค่าใช้จ่ายและความน่าเชื่อถือของรูปแบบ

  • BD 639 การกำกับและตรวจสอบความปลอดภัยขององค์กร  (Governance and Audit Enterprise Security)

ความเสี่ยงทางธุรกิจที่เกิดขึ้นจากการประมวลผลข้อมูลดิจิตอล วิธีการป้องกันการตรวจหาและลดผลกระทบเชิงลบของการละเมิดความปลอดภัยข้อมูล หลักการพื้นฐานของการรักษาความปลอดภัย การบริหารข้อมูลของตัวเองในการลดความเสี่ยง ข้อมูลและเครื่องมือและการแก้ปัญหาที่สามารถนำมาใช้เพื่อป้องกันการสูญเสียข้อมูลหรือหยุดชะงักทางธุรกิจ การกำกับดูแลเทคโนโลยีสารสนเทศในองค์กรธุรกิจที่เกี่ยวกับกฎหมายเกี่ยวข้องที่สำคัญ (เช่น Sarbanes-Oxley Act 2002) รายงานความต้องการและมาตรฐานอุตสาหกรรมไอทีภิบาล (เช่น COBIT) วิธีการตรวจสอบเพื่อช่วยในการตรวจสอบและป้องกันการฉ้อโกง

  • BD 640  การคำนวณแบบขนานและแบบกระจาย ( Parallel and Distributed Computing)

การทำงานแบบขนานจริงกับภาวะพร้อมกัน การจัดองค์ประกอบฮาร์ดแวร์ของเครื่องแบบขนานและกระจาย หัวข้อในเรื่องระบบการคำนวณแบบกระจาย การสื่อสาร การกระจายข้อมูล การระบุทรัพยากรและการจัดการแบบกระจาย วิธีการประสานจังหวะแบบแยกศูนย์ การรักษาความปลอดภัยและการดูแลสมรรถนะและการทำตัวแบบ การส่งอัลกอริทึมแบบขนานไปยังสถาปัตยกรรมแบบขนาน

  • BD 642  หัวข้อพิเศษด้านการวิเคราะห์และการประยุกต์  (Special topics in Analytics and Application)

หัวข้อที่ได้รับการคัดเลือกตามความสำคัญ ด้านการวิเคราะห์และการประยุกต์ โดยพิจารณาจากหัวข้อวิจัยหรือผลงานวิจัยตีพิมพ์

  • BD 643 อินเตอร์เน็ตในทุกสรรพสิ่ง (Internet of Things)

แนวคิดและเทคโนโลยีของอินเตอร์เน็ตในทุกสรรพสิ่ง อุปกรณ์อัจฉริยะ การสื่อสาร ( เช่น BLE, WiFi, เครือข่ายไร้เซ็นเซอร์ไร้สาย, LoRa, Zigbee) โพรโทคอล (เช่น HTTP, uPnP, CoAP, MQTT, XMPP) แพลตฟอร์มให้บริการอินเตอร์เน็ตในทุกสรรพสิ่ง การเก็บรวบรวมข้อมูล ประเภทของข้อมูลและแหล่งที่มา การทำความสะอาดข้อมูล การหลอมและการประมวลผล เทคนิคการจัดเก็บข้อมูลรวมทั้งชุดของข้อมูลขนาดใหญ่มาก ความปลอดภัยในการทำงานร่วมกัน การฝึกปฏิบัติ

  • BD 644 การพัฒนาผลิตภัณฑ์เพื่อธุรกิจใหม่  (Data Product Start Up)

การหาผลตอบแทนจากข้อมูล การสร้างคุณค่าข้อมูลให้องค์กรและธุรกิจ ลักษณะธุรกิจด้านการให้บริการ การหาทุนสนับสนุนจากภาครัฐและภาคธุรกิจ การนำเสนองาน การวางแผนด้านการเงินสำหรับธุรกิจบริการจากข้อมูล การทำลีนสตารท์อัพ การหาแหล่งทุนและการทำตลาด

  • BD 645 กลยุทธ์ข้อมูลในองค์กร  (Data Strategy for Organization)

กลยุทธ์หลักในการบริหารข้อมูลในองค์กร การไหลของข้อมูล การวิเคราะห์และประเมินสถานะภาพของข้อมูลในองค์กร การเชื่อมโครงสร้างขององค์กรและการไหลของช้อมูล การพัฒนาระบบข้อมูลขององค์กรโดยประยุกต์จากผลตอบแทนของข้อมูล การปรับกระบวนการทำงานและการออกแบบระบบการทำงานให้สร้างผลตอบแทน

 

  • กลุ่มวิชาการทำเหมืองข้อมูล (Data Mining)

  • BD 651  การทำเหมืองข้อมูลสื่อประสม (Multimedia Data Mining)

เทคนิคขั้นสูงในการจัดการ การค้นหา และการฝึกปฏิบัติการทำเหมืองข้อมูลสื่อประสมประเภทต่างๆ ข้อความการเชื่อมโยงเว็บภาพอนุกรมเวลาของวิดีโอและเสียงประเด็นที่เกี่ยวข้องกับการจัดการข้อมูล การเลือกคุณลักษณะการจัดทำดัชนีมิติสูงค้นหาและดึงข้อมูล การโต้ตอบและการค้นพบรูปแบบและการขยายขีดความสามารถ

  • BD 652 ระบบการวางแผนทรัพยากรองค์การ (Enterprise Resource Planning System)

ความจำเป็นของระบบการวางแผนทรัพยากรองค์การ (ERP) การประเมินความคุ้มค่าและความเสี่ยง โครงสร้างและองค์ประกอบของระบบในส่วนงานต่างๆ ความยืดหยุ่น การปรับเปลี่ยนและต้นทุนบำรุงรักษา การบูรณาการข้อมูลระหว่างส่วนงาน การรวบรวมข้อมูล การสร้างลำดับและขั้นตอนประมวลข้อมูล การปรับกระบวนการและการออกแบบระบบการทำงาน การย้ายระบบ กรอบเวลาการวางระบบ กรณีศึกษา

  • BD 653 การออกแบบฐานข้อมูลขั้นสูง (Advanced Database Design)

การออกแบบฐานข้อมูลแบบลำดับขั้น แบบข่ายงานและแบบเชิงสัมพัทธ์ ระบบฐานข้อมูลที่มีความเชื่อถือได้ การสำรองและกู้คืนข้อมูล การบริหารจัดการระบบฐานข้อมูล ระบบฐานข้อมูลแบบกระจายและเชิงวัตถุ การสร้างระบบฐานข้อมูลแบบฝังตัว การทำข้อมูลให้ตรงกัน การทำงานพร้อมกันบนระบบโครงข่าย การออกแบบและใช้งานจาวาบีน กลยุทธ์ในการสืบค้นฐานข้อมูลขนาดใหญ่มากอย่างมีประสิทธิภาพ การประยุกต์ใช้งานและสืบค้นฐานข้อมูลผ่านอินเทอร์เนต

  • BD 655  การวิเคราะห์และพิสูจน์หลักฐานทางดิจิทัล (Digital Forensics Analysis)

การประเมินผลและการรวบรวมพยานหลักฐานที่มีศักยภาพ การเตรียมความพร้อมของการตรวจสอบการบุกรุก แง่มุมของการทำงานร่วมกับนักวิจัยและทนายความ วิศวกรรมย้อนกลับด้วยการระบุไฟล์และโปรไฟล์ การประยุกต์ใช้ความคิดที่สำคัญในการกำหนดความสำคัญของสิ่งประดิษฐ์ และการวิเคราะห์และการรายงานของหลักฐาน

  • BD 656  หัวข้อพิเศษด้านการจัดการข้อมูล  (Special topics in Data Management)

หัวข้อที่ได้รับการคัดเลือกตามความสำคัญด้านการจัดการข้อมูล โดยพิจารณาจากหัวข้อวิจัยหรือผลงานวิจัยตีพิมพ์

  • BD 657 การเรียนรู้ของเครื่อง   (Machine Learning)

การสำรวจการจดจำ รูปแบบทางสถิติและโครงข่ายประสาทเทียม หัวข้อการจดจำรูปแบบรวมถึงการจำแนกแบบเบย์และทฤษฎีการตัดสินใจความหนาแน่น (คณิตศาสตร์และไม่อิงพารามิเตอร์) การประมาณค่าเชิงเส้นและการวิเคราะห์จำแนกเชิงลดมิติ การสกัดคุณลักษณะและการเลือกรูปแบบผสมและ EM (Expectation-maximization) และ เวกเตอร์กับการจัดกลุ่ม หัวข้อเครือข่ายประสาท แผนที่อัตโนมัติขององค์กรและพื้นฐานเครือข่ายรัศมีฟังก์ชั่น การทดลองการใช้งานและการประเมินผลการปฏิบัติงาน

       


enlightenedวิทยานิพนธ์-สารนิพนธ์

  • BD 702 สารนิพนธ์  (Independent Study) 6 หน่วยกิต

ศึกษาค้นคว้าเฉพาะเรื่องด้านวิศวกรรมข้อมูลขนาดใหญ่ โดยมีอาจารย์ที่ปรึกษาดูแลควบคุม เพื่อวิเคราะห์หรือแก้ปัญหา มีการสอบประมวลความรู้ การนำเสนอหัวข้อศึกษาที่แสดงวัตถุประสงค์ ขั้นตอน และวิธีดำเนินการศึกษา นักศึกษาต้องทำรายงานศึกษาค้นคว้าฉบับสมบูรณ์ในรูปแบบสารนิพนธ์ ตามที่บัณฑิตวิทยาลัยได้กำหนด อีกทั้งมีผลงานหรือพิสูจน์ได้ว่าผลงานนั้นได้รับการยอมรับและให้นำไปใช้งานได้จริง

  • BD 710 วิทยานิพนธ์ (Thesis) 12 หน่วยกิต

วิจัยด้านวิศวกรรมข้อมูลขนาดใหญ่โดยมีอาจารย์ที่ปรึกษาดูแลควบคุม เพื่อพัฒนาปรับปรุงหรือสร้างองค์ความรู้ใหม่ มีการนำเสนอหัวข้อวิจัยที่แสดงวัตถุประสงค์ ขั้นตอน และวิธีดำเนินการวิจัย มีการสอบปากเปล่าวิทยานิพนธ์ นักศึกษาต้องทำรายงานวิจัยฉบับสมบูรณ์ในรูปแบบของวิทยานิพนธ์ตามที่บัณฑิตวิทยาลัยได้กำหนด