1. บทนำภาษาการเขียนโปรแกรม : แนะนำรายวิชา ข้อตกลง
  2. บทที่1 พื้นฐานของภาษาการเขียนโปรแกรม (1.1-1.2) 
  3. (ต่อบทที่1)ไวยกรณ์ของภาษาเขียนโปรแกรม (1.3-1.4)
  4. (ต่อบทที่1)  อัลกอริธึ่มจัดลำดับข้อมูล  (1.5-1.6)
  5. (ต่อบทที่1)  อัลกอริธึ่มจัดลำดับข้อมูล(ต่อ)  (1.5-1.6) 
  6. (ต่อบทที่1)Testing programs (ทดสอบความถูกต้องของโปรแกรม)   หัวข้อ-รายชื่อห้อง1
  7. (ต่อบทที่1) อัลกอริธึ่มจัดลำดับข้อมูล  using comparator  หัวข้อ-รายชื่อห้อง2   ห้องสมทบ
  8. บทที่2  การค้นหาข้อมูล-HashMap (ต่อ) (1.6) Download CodeVirtual Machine
  9. สอบกลางภาค นอกตาราง ทฤษฎี 10%    ฝึกปฎิบัติเพื่อเตรียมสอบ
  10. นศ. นำเสนองานกลุ่ม project coding ชิ้นที่1  แล สอบปฎิบัติเดี่ยว เขียนโปรแกรม 10%
  11. บทที่3 (Big) Data analytics  3.1 Introductory R    3.2 วงจรชีวิตการวิเคราะห์ข้อมูล
  12. (ต่อบทที่3)  3.3 แนวคิด Big data   3.4 ฮาดูป   Introductory R (ต่อ)    
  13. (ต่ออบทที่3) R-Data analysis-Phase1-2 (ต่อ)     R-script Stage1-2           
  14. (ต่ออบทที่3) R-Data analysis-Phase3-4     บทที่4 Social Network Analysis (SNA)  
  15. (ต่อบทที่4) SNA Tools Mini-project in practice    Download PaJek    txt2PaJek   
  16. สอบปลายภาค 

              ส่งงานชิ้นที่ 3 (กลุ่ม 10%) และชิ้นที่ 4  (เดี่ยว20% วิเคราะห์กราฟ)ภายในวันที่  13 ตค. 62

บทที่1  Fundamental of Computer Programming

2.1 Object-oriented Paradigm in Practice

      2.1.1 Class, Instance and Method

      2.1.2 Call Reference

      2.1.3 Inheritance and Method Calling

      2.1.4 Overloading

2.2 Virtual Machine

2.3 Functional Languages

2.4 Markup Languages

บทที่4  Programming for Solving Problems

​​ลิงค์แนะนำ-Social Network Analysis(SNA)

3.1 Introductory R Programming  (การเขียนโปรแกรม R เบื้องต้น)

3.2  Data Analytics Lifecycle (วงจรชีวิตการวิเคราะห์ข้อมูล) 
      3.2.1 Describing Problem/data (อธิบายข้อมูล)
      3.2.2 Identifying Data Sources  (ระบุแหล่งข้อมูล)  
      3.2.3 Preparing Data (เตรียมความพร้อมข้อมูล)
      3.2.4 Planing Model  (วางแผนโมเดล)
      3.2.5 Building Model  (สร้างโมเดล)
      3.2.6 Visaulising Results (นำเสนอข้อมูลวิเคราะห์)  

3.3 Big Data Concepts  (แนวความคิดในเรื่อง big data)  

3.4 Introductory Hadoop and Its Ecosystem (บทนำและวงชีวิตของฮาดูพ)


​​ลิงค์แนะนำ-R  Programming


  1. 26 มิย.   27มิย.

  2.  3 กค.     4 กค.

  3. 10 กค.  11 กค.

  4. 17 กค.  18 กค.

  5. 24 กค.    25 กค.

  6. 31 กค.    1 สค.

  7.  7  สค.  8 สค.

  8. 14 สค.   15 สค.

  9. 21 สค22 สค.

  10. 28 สค.  29 สค.

  11.  4 กย.     5 กย.

  12. 11 กย.  12 กย.

  13. 18 กย.  19 กย.

  14. 25 กย.   26 ตค.

  15.  2 ตค.      3 ตค.

  16.     7 ตค.   

​​ลิงค์แนะนำ-Markup Languages 

บทที่3  R Programming for (Big) Data Analytics

4.1 Introductory Social Network Analysis (SNA)
4.2 Communities Dectection in Social Networks

      4.2.1 Clustering in Social Networks

      4.2.2 Gaph-based  Applications
4.3 Visualization of the Decected Communities
4.4 Tools for SNA


​อย่าสบประมาทความสามารถตัวเอง  อนาคตที่สดใสรอคอยอยู่  ความสำเร็จมาจากความเพียรพยาม

ขอให้นศ. ทุกคนอดทน ขยัน และพยายามให้สุดความสามารถ  ความสำเร็จ ความภูมิใจในตัวเองคือรางวัล....สู้ๆค่ะ

บทที่2  Modern Programming Languages

Copyright © thidawan klaysri. All rights reserved.

  • ศึกษาล่วงหน้าก่อนเรียนเสมอ
  • กล้าซักถาม  ตอบ  แสดงความคิดเห็น แลกเปลี่ยนความคิดเห็น
  • ตอนปฏิบัติการโปรแกรมจะเข้าใจมากขึ้น "เรียนรู้ด้วยการปฎิบัติ"
  • ทบทวนสิ่งที่ได้เรียน ศึกษาเพิ่มเติม "practice makes perfect"
  • ฝึกเขียนโปรแกรมให้มากๆ ให้เข้าเส้นเลือด สนุกกับการแก้ปัญหา 

Content: PROGRAMMING LANGUAGE

Learning Activities


  1. ตกลง-วัดความรู้ก่อนเรียน
  2. แบบฝึกหัด-นำเสนอหน้าชั้น
  3. Lab-แบบฝึกหัด & งานกลุ่ม Coding ชิ้นที่1
  4. Lab-แบบฝึกหัด 
  5. Lab-แบบฝึกหัด & homework
  6. Lab-แบบฝึกหัด-สอบปฎิบัติเดี่ยว

  7. Lab-แบบฝึกหัด
  8. แบบฝึกหัด  *นศ ห้อง1 และ ห้อง2 Present
  9. สอบกลางภาค
  10. นำเสนองานชิ้นที่1 และสอบปฎิบัติเดี่ยว
  11. Lab
  12. แบบฝึกหัด  Download datasets
  13. Lab-งานกลุ่มวิเคราะห์ข้อมูลชิ้นที่2
  14. Lab-งานเดี่ยวSNA ชิ้นที่3
  15. Lab
  16. สอบปลายภาค 

จิตพิสัย: 10% การมาเรียน/พฤติกรรมการเรียน การปฏิบัติงาน labs
ปฏิบัติการ Lab: 10%  เขียนโปรแกรม
สอบกลางภาค: 20%  (ทฤษฎี10% ปฎิบัติ10%)

งานที่มอบหมาย: 40%  4 ชิ้นงาน (เขียนโปรแกรม-วิเคราะห์ข้อมูล)
สอบปลายภาค: 20% (ทฤษฎี10% ปฎิบัติ10%) 

​​ลิงค์แนะนำ- Java Programming            

1.1 An Introduction to Programming  (บทนำการเขียนโปรแกรม)

1.2 Traditional Programming Languages (ภาษาเขียนโปรแกรมแบบดั้งเดิม)

1.3 Syntax of the Programming Languages (ไวยกรณ์ของภาษาเขียนโปรแกรม)

      1.3.1 Control Block (การควบคุมบล็อค)
      1.3.2 Block Structure (โครงสร้างบล็อค)
      1.3.3 Recursive (การทำงานแบบเรียกตัวเอง)

1.4 Review Data Structure (ทบทวนโครงสร้างข้อมูล)     

1.5 Sorting and Searching Algorithms (อัลกอริธึ่มจัดลำดับและสืบค้นข้อมูล)

1.6 Testing Programs (การทดสอบความถูกต้องของโปรแกรม)
       1.6.1 Complier

      1.6.2 Running Time and Debugging

      1.6.3 Creating Test Cases

Contents & Lessons

เกณฑ์วัดผล 100%

รายละเอียดวิชาภาษาการเขียนโปรแกรม

Syllabus of Programming Language

THIDAWAN.NET
Thidawan Klaysri Roberts-ธิดาวรร   คล้ายศรี

เอกสารตำราประกอบการเรียนการสอน Textbooks

แนะนำเรียนวิชานี้ให้ประสบความสำเร็จ

Weeks-Dates

  • The Object-Oriented Thought Process  (Developer's Library)  by Matt Weisfeld
  • *Java For Everyone: Late Objectsby Cay S. Horstmann
  • *Big Java Late Object  by Cay S. Horstmann
  • หมายเหตุ หนังสือที่นักศึกษาสามารถดาวน์โหลดได้นั้น อ.ได้ Mark แถบสีเหลืองเป็น Highlight ไว้ให้ที่หน้า สารบัญ หมายถึงเนื้อหาที่มุ่งเน้นให้ศึกษาด้วยตัวเอง ล่วงหน้า
  • *Data Science and Big Data Analytics: Discovering, Analyzing, Visualizing and Presenting Databy EMC
  • Hadoop 24 Hours by Jeffrey Aven
  • R Machine Learning By Example Written by Raghav Bali and Dipanjan Sarkar
  • *A User's Guide to Network Analysis in R by Douglas Luke