Practical Recommendation Systems for Business
- TTDT62
- Classroom
- Fundamental
- Thai | 0
ระบบแนะนำ (Recommendation Systems) เป็นเทคโนโลยีที่ได้รับความนิยมและถูกนำมาใช้งานอย่างแพร่หลาย เช่น Netflix ที่แนะนำภาพยนตร์และรายการที่ผู้ใช้งานอาจสนใจ YouTube ที่แนะนำวิดีโอที่สอดคล้องกับพฤติกรรมการรับชม และแพลตฟอร์มพาณิชย์อิเล็กทรอนิกส์ เช่น Amazon ที่แนะนำสินค้าให้กับลูกค้าจากประวัติการซื้อและความสนใจของผู้ใช้งาน
Course description
Time
Instructor
Venue
Practical Recommendation Systems for Business
ระบบแนะนำ (Recommendation Systems) เป็นเทคโนโลยีที่ได้รับความนิยมและถูกนำมาใช้งานอย่างแพร่หลาย เช่น Netflix ที่แนะนำภาพยนตร์และรายการที่ผู้ใช้งานอาจสนใจ YouTube ที่แนะนำวิดีโอที่สอดคล้องกับพฤติกรรมการรับชม และแพลตฟอร์มพาณิชย์อิเล็กทรอนิกส์ เช่น Amazon ที่แนะนำสินค้าให้กับลูกค้าจากประวัติการซื้อและความสนใจของผู้ใช้งาน
เนื้อหาวิชานี้ผู้เรียนจะได้เรียนรู้แนวคิดและการประยุกต์ใช้กราฟความรู้ (Knowledge Graph) และระบบแนะนำ (Recommendation Systems) เพื่อวิเคราะห์ความสัมพันธ์ระหว่างลูกค้า สินค้า บริการ เนื้อหา และพฤติกรรมของผู้ใช้งาน รวมถึงการประยุกต์ใช้กับกรณีศึกษาทางธุรกิจ ได้แก่ 1) การแนะนำสินค้า (Product Recommendation) และการแนะนำสินค้าที่เกี่ยวข้องจากพฤติกรรมของลูกค้าที่มีความคล้ายกัน 2) การสร้างข้อเสนอที่เหมาะสมสำหรับลูกค้าแต่ละราย (Next Best Offer) และ 3) การสร้างคำแนะนำเฉพาะบุคคล (Personalized Recommendation) โดยใช้ Neo4j Bloom โดยไม่ต้องเขียนโปรแกรม (No-code) และเน้นการปฏิบัติจริง (Practical) เพื่อให้ผู้เรียนสามารถเข้าใจและนำข้อมูลลูกค้าและข้อมูลสินค้าไปประยุกต์ใช้ในการสร้างคุณค่าทางธุรกิจ
- ผู้บริหารและผู้จัดการที่สนใจการใช้ AI และ Data เพื่อเพิ่ม Business Value
- บุคลากรด้าน Marketing และ Digital Marketing
- บุคลากรด้าน Sales และ Business Development
- บุคลากรด้าน E-Commerce
- บุคลากรด้าน CRM และ Customer Experience
- Product Managers และ Business Analysts
- Data Analysts และผู้ที่ทำงานเกี่ยวกับข้อมูลลูกค้า
- บุคลากรด้าน Digital Transformation
- ผู้ประกอบการและเจ้าของธุรกิจ
- ผู้ที่สนใจ Recommendation Systems และ AI โดยไม่มีพื้นฐานด้าน Programming
- เข้าใจแนวคิดของ Knowledge Graph และ Recommendation Systems
- เข้าใจความสัมพันธ์ระหว่าง Customer, Product และ Transaction Data
- เรียนรู้การใช้ Knowledge Graph เพื่อวิเคราะห์ความสัมพันธ์ทางธุรกิจ
- สามารถวิเคราะห์พฤติกรรมและความสนใจของลูกค้า
- สามารถสร้างแนวคิด Product Recommendation
Module 1: Introduction to Knowledge Graph
- What is Knowledge Graph?
- Knowledge Graph Components
- Entity, Relationship and Attribute
- Knowledge Graph Applications in Business
Module 2: Introduction to Recommendation Systems
- What is a Recommendation System?
- Recommendation Systems in Business
- User, Item and Interaction
- Customer Behavior and Preference
- Popularity-based Recommendation
- Content-based Recommendation
- Collaborative Recommendation
- Personalized Recommendation
Module 3: Recommendation Tools and Knowledge Graph Visualization
- Introduction to Recommendation Tools
- Google Sheets / Excel
- Neo4j Knowledge Graph
- Neo4j Bloom
- Module 4: Product Recommendation
- Product Information
- Customer–Product Relationship
- Product Similarity
- Product Recommendation
- Recommendation Ranking
Module 5: E-Commerce Recommendation
- Purchase Patterns
- Similar Products
- Related Products
- Frequently Purchased Products
- Product Recommendation
- Personalized Product Recommendation
Module 6: Customer Similarity and Recommendation
- Similar Customer Groups
- Preference Patterns
- Customer–Product Relationship
- Recommendation Based on Similar Customers
- Personalized Recommendation
Module 7: Recommendation for Business Decision
- Recommendation Performance
- Recommendation Quality
- Recommendation Ranking
- Click-through Rate
- Conversion Rate
- Customer Engagement
- Business Value
- A/B Testing Concept
- Recommendation Improvement
- Business Decision
Payment can be made by:
- Cash or Credit Card or Bank Cheque payable to
สำนักงานพัฒนาวิทยาศาสตร์และเทคโนโลยีแห่งชาติ or National Science and Technology Development Agency
(a post-dated cheque is not accepted) on the first day of the service or within the last day of the service. - Account transfer and send the proof of the payment (the deposit slip) via email xxx@swpark.or.th
- ธนาคารกรุงเทพ สาขาอุทยานวิทยาศาสตร์
Saving Account Number: 080-0-00001-0
Account Name: สำนักงานพัฒนาวิทยาศาสตร์และเทคโนโลยีแห่งชาติ - ธนาคารกรุงไทย สาขาตลาดไท
Saving Account Number: 152-1-32668-1
Account Name: สำนักงานพัฒนาวิทยาศาสตร์และเทคโนโลยีแห่งชาติ
- ธนาคารกรุงเทพ สาขาอุทยานวิทยาศาสตร์
Notes:
- Withholding tax (3%) is exempt.
- Should you need to withdraw, you must send the notice of the withdrawal in writing no later than 7 working days before the commencement date. The cancellation less than 7 days will be subject to a fine of 40% of the fee.
- Software Park Thailand reserves the rights to cancel courses due to unforeseen circumstances.
Contact Person
For more information, contact our course coordinator on:
คุณภัสสร พรทิพย์
Ms. Patsorn Pornthip
Tel: 02583-9992 Ext. 81422
Mobile: 088-893-5564
Email:patsorn@swpark.or.th, ttd@swpark.or.th
You are encouraged to use the course schedule as a guide to plan your training.
The schedule is accessible at www.swpark.or.th for more information.
12,000 THB .
สำคัญ!!! กรุณารอการยืนยันเปิดการอบรมจากเจ้าหน้าที่ก่อนการชำระค่าลงทะเบียน
สำคัญ!!! กรุณารอการยืนยันเปิดการอบรมจากเจ้าหน้าที่ก่อนการชำระค่าลงทะเบียน
Course Detail :
Instructor info
Asst. Prof. Dr.Walisa Romsaiyud
อาจารย์ประจำภาควิชา วิทยาศาสตร์และเทคโนโลยี มหาวิทยาลัยสุโขทัยธรรมาธราช