SIT KMUTT เปิดหลักสูตร NON-Degree สาย “Data Science & AI Developers” ในรูปแบบ ” OBEM ” Outcome-Based Education Module
OBEM คืออะไร OBEM ย่อมาจาก Outcome-Based Education Module คือหน่วยของการเรียนรู้ที่มีเป้าหมายเพื่อการันตี Learning Outcome และมีการออกแบบการเรียนรู้เป็น Module หรือ Modular-Based Education ที่เล็กลงมาและเฉพาะเจาะจงมากยิ่งขึ้น ภายใต้แนวความคิดของสามเหลี่ยมแห่งการเรียนรู้ (Constructive Alignment) พร้อม Certificate จาก SIT KMUTT เลือกเรียนได้ตามความสนใจ ออกแบบการเรียนรู้เป็น Module ที่เฉพาะเจาะจงมากยิ่งขึ้น พร้อม Facility และ Service และยังสามารถสามารถเทียบโอน ในหลักสูตรของ SIT KMUTT ได้อีกด้วย
ระเบียบมหาวิทยาลัยการรับบุคคลภายนอกเข้าศึกษา โดยสรุปดังนี้
- ผู้สนใจสมัครเข้าศึกษาโดยเลือกเรียนเป็นรายวิชา กลุ่มวิชา หรือหลักสูตรฝึกอบรม ผ่านเว็บไซต์ https://admission.kmutt.ac.th/apply/non-age-group และจะประกาศรายชื่อผู้มีสิทธิ์เข้าศึกษาต่อไป
- ผลการประเมินรายวิชา กลุ่มวิชา หรือหลักสูตรฝึกอบรม สามารถสะสมหน่วยกิต (Credit Bank) ได้ 5 ปี
- เมื่อเรียนหรือฝึกอบรมครบตามแผนการเรียนแล้ว จะได้รับใบรับรองผลการศึกษา หรือวุฒิบัตรเท่านั้น
- ผู้เรียนที่ประสงค์จะโอนผลการเรียนแบบบุคคลภายนอก ระดับบัณฑิตศึกษาเข้าสู่การศึกษาในระบบของมหาวิทยาลัยเพื่อรับปริญญาสามารถโอนผลการเรียนได้ภายใน 5 ปี นับจากวันที่ลงทะเบียนเรียนรายวิชานั้น
- อัตราค่าใช้จ่ายตามประกาศมหาวิทยาลัยเทคโนโลยีพระจอมเกล้าธนบุรี เรื่องอัตราค่าใช้จ่ายสำหรับนักศึกษาแบบบุคคลภายนอกเข้าศึกษาเพื่อเพิ่มพูนความรู้ พ.ศ.2561
การวัดผลการเรียนรู้
- เงื่อนไขการผ่านผลการเรียนรู้ ต้องได้ level 3 เป็นต้นไป และจะได้รับ Certificate สำหรับผู้เรียนที่ได้ผลการเรียนรู้ต่ำกว่า level 3 จะได้รับ Certificate เข้าร่วมการอบรม
เกณฑ์การประเมินผลลัพธ์การเรียนรู้ (Rubric)
- Level 1 สามารถเข้าใจและระบุความหมายของคำศัพท์และแนวคิดพื้นฐานทางการเรียนรู้เชิงลึกได้ แต่ยังไม่สามารถประยุกต์ใช้หลักการเรียนรู้เชิงลึกในการเขียนโปรแกรมแก้ปัญหาได้อย่างถูกต้อง
- Level 2 สามารถประยุกต์ใช้หลักการเรียนรู้เชิงลึกในการเขียนโปรแกรมแก้ปัญหาได้อย่างถูกต้อง และสามารถใช้งานและดำเนินการกับงานทางการเรียนรู้เชิงลึกเบื้องต้นได้
- Level 3 ประยุกต์ใช้หลักการเรียนรู้เชิงลึกในการเขียนโปรแกรมแก้ปัญหาได้อย่างถูกต้อง และสามารถประยุกต์ใช้งานการเรียนรู้เชิงลึกที่ซับซ้อนขึ้นตามที่โจทย์กำหนดได้
- Level 4 สามารถประยุกต์ใช้งานเทคนิคการเรียนรู้เชิงลึกที่ซับซ้อนได้อย่างถูกต้อง และสามารถปรับปรุงโมเดลการเรียนรู้เชิงลึกให้มีประสิทธิภาพมากขึ้น
- Level 5 สามารถประยุกต์ใช้เทคนิคทางการเรียนรู้เชิงลึกที่ซับซ้อนได้อย่างถูกต้อง และสามารถอธิบายตีความผลลัพธ์ของการประยุกต์ใช้เทคนิคทางการเรียนรู้เชิงลึกได้อย่างชัดเจน
หน่วยการเรียนรู้ย่อย (Module) ในการเปิดการเรียนการสอน แบ่งออกเป็น 2 ด้านคือ Data science และ AI developer ดังมีหน่วยการเรียนรู้ย่อย ดังนี้
- INT28101 Mathematics for Data Science and Artificial Intelligence (หน่วยการเรียนรู้ย่อยคณิตศาสตร์) [3 หน่วยกิต]
- INT27001 Artificial Intelligence Programming (หน่วยการเรียนรู้ย่อยการเขียนโปรแกรมปัญญาประดิษฐ์) [2 หน่วยกิต]
- INT27101 Machine Learning (หน่วยการเรียนรู้ย่อยการเรียนรู้ของเครื่อง) [3 หน่วยกิต]
- SED63001 Applied Deep learning (หน่วยการเรียนรู้ย่อยการเรียนรู้เชิงลึกประยุกต์) [3 หน่วยกิต]
- INT37101 Applied Computer Vision (หน่วยการเรียนรู้ย่อยคอมพิวเตอร์วิชันประยุกต์) [3 หน่วยกิต]
- INT37001 Applied Natural Language Processing (รายละเอียดของหน่วยการเรียนรู้ย่อยการประมวลผลภาษาธรรมชาติ) [3 หน่วยกิต]
- INT28101 Mathematics for Data Science and Artificial Intelligence (หน่วยการเรียนรู้ย่อยคณิตศาสตร์) [3 หน่วยกิต]
- SED61101 Statistics for Data Science (หน่วยการเรียนรู้ย่อยสถิติสำหรับวิทยาการข้อมูล) [2 หน่วยกิต]
- INT28001 Data Science Programming (หน่วยการเรียนรู้ย่อยการเขียนโปรแกรมวิทยาการข้อมูล) [2 หน่วยกิต]
- INT27101 Machine Learning (หน่วยการเรียนรู้ย่อยการเรียนรู้ของเครื่อง) [3 หน่วยกิต]
- INT38001 Big Data Analytics (หน่วยการเรียนรู้ย่อยการวิเคราะห์ข้อมูลขนาดใหญ่) [2 หน่วยกิต]
- INT67001 Relational Databases for Data Science (หน่วยการเรียนรู้ย่อยฐานข้อมูลSQL) [2 หน่วยกิต]
- INT65201 NoSQL Databases for Data Science (หน่วยการเรียนรู้ย่อยฐานข้อมูลNoSQL) [2 หน่วยกิต]
- INT65101 Data Visualization (หน่วยการเรียนรู้ย่อยการนำเสนอข้อมูลด้วยภาพ) [2 หน่วยกิต]
จำนวนผู้เรียนที่รับเข้าศึกษา
- รับผู้เรียนจำนวน 30 – 40 คน แต่ละหน่วยการเรียนรู้ย่อย หรือตามที่คณะเห็นสมควร
ระยะเวลาดำเนินการเปิดการเรียนการสอนในหลักสูตร
- เปิดสอนตลอดปีการศึกษา และหรือตามที่คณะเทคโนโลยีสารสนเทศกำหนด
จำนวนชั่วโมงต่อหน่วยการเรียนรู้
- ระยะเวลาเรียน 30 – 45 ชั่วโมง ต่อ 1 หน่วยการเรียนรู้ โดยที่ผู้เรียนสามารถเลือกเรียนหน่วยการเรียนรู้ย่อยที่สนใจได้ตามต้องการ
ค่าใช้จ่ายต่อหน่วยการเรียน
- หน่วยกิตละ 5,000 บาท หรือเป็นไปตามคณะเทคโนโลยีสารสนเทศกำหนด และหรือ เป็นไปตามระเบียบของมหาวิทยาลัย
เวลาในจัดการเรียนการสอน
- นอกเวลาราชการ จัดการเรียนการสอนแบบ Online และ/หรือ Onsite
สถานที่จัดการเรียนการสอน
- คณะเทคโนโลยีสารสนเทศ มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าธนบุรี
กลุ่มเป้าหมายที่เข้าศึกษา
- ผู้เรียนที่สำเร็จการศึกษาระดับมัธยมศึกษาตอนปลายหรือเทียบเท่า หรือระดับ ปวช.
- นิสิต/นักศึกษาชั้นปีที่ 3-4 หรือผู้สำเร็จการศึกษาระดับ ปวส.
- ผู้ที่ทำงานแล้วและต้องการเพิ่มพูนสมรรถนะตามเดิมที่ทำอยู่
- ผู้ที่ทำงานแล้ว ต้องการเพิ่มพูนสมรรถนะเพื่อการปรับเปลี่ยนสายงานใหม่ในอนคต
- ผู้สูงอายุหรือผู้ที่เกษียณแล้ว ต้องการประกอบอาชีพอื่นที่แตกต่างจากเดิม
สำหรับผู้เข้าศึกษาจะต้องถูกคัดเลือกโดยคณะกรรมการคัดเลือกรับเข้าศึกษา พิจารณาความรู้ ความสามารถ ทักษะเบื้องต้นของผู้เรียน ในแต่ละโมดูลโดยการทำแบบทดสอบ
คุณวุฒิที่ได้หลังสำเร็จการศึกษา
- ผู้เรียนที่เรียบครบตามเงื่อนไขของหน่วยการเรียนรู้ จะได้รับประกาศนียบัตร และสามารถนำหน่วยการเรียนรู้ (Module) เทียบโอนวิชาในหลักสูตร ทั้งนี้ให้ขึ้นอยู่กับเงื่อนไขการเทียบโอนของหลักสูตรที่ขอเทียบโอนและเป็นไปตามระเบียบของมหาวิทยาลัย
วิธีการรับสมัคร
- การรับสมัครทุกหน่วยการเรียนรู้ย่อย (Module) ผ่านระบบสมัครสำนักงานส่วนคัดเลือกนักศึกษา มจธ. ที่เว็บไซต์ https://admission.kmutt.ac.th/apply/non-age-group
- สำเนาคุณวุฒิการศึกษา (มัธยมศึกษาตอนปลาย/ปริญญาตรี/ปริญญาโท)
(ผู้สมัครที่กำลังศึกษา ให้ยื่นผลการเรียนที่ได้ผลการเรียนแล้ว อย่างน้อย 2 ภาคการศึกษา) - สำเนาบัตรประชาชน จำนวน 1 ฉบับ
ติดต่อสอบถามเพิ่มเติม :
- ผู้สนใจสมัคร ศึกษารายละเอียดเพิ่มเติมได้ที่ https://www.sit.kmutt.ac.th/obem/ หรือโทรศัพท์: 02-470-9849
- หากมีข้อสงสัย เกี่ยวกับระบบสมัคร ติดต่อสำนักงานส่วนคัดเลือกและสรรหานักศึกษา
– ที่เว็บไซต์ https://admission.kmutt.ac.th/apply/non-age-group
– วันจันทร์ – วันศุกร์ เวลา 08.30 น. – 16.30 น.
– โทรศัพท์ : 02-470-8333 อีเมล : admission@kmutt.ac.th
– โทรสาร : 02-470-8367
– Facebook : KMUTT2ADMISSION