အချက်အလက် သိပ္ပံပညာဆိုတာဟာ နိုင်ငံတခုရဲ့ စီးပွားရေးကနေ အခြား ပုဂ္ဂိလိက စီးပွားရေး လုပ်ငန်းကြီး၊ငယ်၊လတ်မဟူ၊ အလုပ်ဟုတွင်အပ်သော အရာများ၏ ဆောက်ရွက်ချက်များ တိုးတက်ကောင်းမွန်အောင်နဲ့ အချက်အလက်ကို အခြေခံပြီး သိရှိတွေ့မြင်ချက်များ ပေါ်ပေါက်လာအောင် စာရင်းအင်းပညာကို အသုံးပြုရခြင်းဖြစ်ပါတယ်.
အခုဆိုရင် တကမ္ဘာလုံးမှာ data science အကြောင်းကို industry ပေါင်းစုံမှာ ပြောလာကြပြီ။ ဒါပေမယ့် လူအများစုအတွက်တော့ ဒီဘာသာရပ်က ရှုပ်ထွေးတယ်၊ technical အရမ်းဆန်တယ်၊ approach လုပ်ရတာ မလွယ်ဘူး စသဖြင့် ဖြစ်နေသေးတယ်။ ဒါပေမယ့် ဒီနေ့မှာတော့ ကျွန်တော်တို့ ဒါကို ပြောင်းလဲပစ်ဖို့ လုပ်ရမယ်။ Data Science and Machine Learningအခြေခံ အတန်းကနေ ကြိုဆိုပါတယ်။ ကျွန်တော်က ကိုအင်ဒရူးပါ။ ကျွန်တော်က Marine Engineering ဘွဲ့ကို မြန်မာနိုင်ငံရေကြောင်း ပညာတက္ကသိုလ်ကနေ ၂၀၁၀ ခုနှစ်မှာ ရရှိခဲ့ပြီ။ မဟာဘွဲ့အနေနဲ့ Development Studies ကို ၂၀၂၀ ခုနှစ်မှာ ရရှိထားပါတယ်။ လက်ရှိမှာ Applied Statistics မဟာဘွဲ့အတန်း ဆက်လက် တက်ရောက်နေပါတယ်။ နှစ်ပေါင်း များစွာ နိုင်ငံခြား ကုမ္ပဏီတွေမှာ အင်ဂျင်နီယာ အနေနဲ့ လုပ်ကိုင်ခဲ့ပြီးတော့ ၊ Data Analyst၊ Head of Business Intelligence အနေနဲ့ကတော့ လက်ရှိအချိန်မှာ လုပ်ကိုင်နေပါတယ်။
ဒီအတန်းမှာ Data Science နဲ့ပတ်သတ်လို့ နားလည်ရလွယ်အောင် တပိုင်းချင်စီရဲ့ key technique တွေနဲ့ terminology တွေကို ရှင်းသွားပါမယ်။ Machine Learning နဲ့ပတ်သတ်လို့လည်း regression,classification, data mining နဲ့ computer science အကြောင်းတွေ ပါဝင်ပါမယ်။ ဒီအရာတွေက တခုနဲ့ တခု ဘယ်လိုဆက်စပ်ချိတ်ဆက်နေသလဲဆိုတာကို သဘောပေါက်လာမှာပါ။
အချက်အလက် သိပ္ပံပညာရဲ့ နောက်ကွယ်မှာ ရှိတဲ့ အရည်အချင်းတွေ၊အသုံးပြုရတဲ့ toolတွေနဲ့၊role အသီးသီးကို အဓိပ္ပါယ်ဖွင့်ဆိုခြင်းနဲ့ စတင်သင်ကြားပါမယ်။ ဒီနေရာမှာ machine learning ဟာ data science မှာ အရေးပါတဲ့ အခန်းကဏ္ဍက ရှိနေရသလဲဆိုတာကို တွေ့မြင်ရပါမယ်။ ဒီအတန်းရဲ့ နောက်ပိုင်းတွေမှာ အဓိက focus လုပ်သွားမှာပါ။ ကျွန်တ်ော ပြောချင်တာက machine learning ဆိုတဲ့ ဝေါဟာရကြီးက သိပ်ကြောက်စရာ ကောင်းမနေဘူး။ စီးပွားရေးလုပ်ငန်းအသီးသီးမှာ အနာဂတ်နဲ့ မသိသေးတဲ့ အကြောင်းချင်းရာတွေကို prediction လုပ်ဖို့ model တွေကို အသုံးပြုသွားမှာ ဖြစ်ပါတယ်။
ဒီအတန်းမှာ လေ့လာမယ့်သူတဦးဟာ business leader ပဲဖြစ်ဖြစ်၊ C-level executive တယောက်ပဲ ဖြစ်ဖြစ်၊ ဒီtechnique တွေရဲ့ အခြေခံကိုတော့ သဘောပေါက်မှာပါ။ Data Scientist ဆိုတာက technical ပိုင်း အထူးကျွမ်းကျင်ပြီး ပါရမီပါတဲ့သူလို့ ဆိုကောင်းဆိုလိမ့်မယ်။ ဒါပေမယ့် သူတို့ဟာ သူတို့ချမှတ်တဲ့ မဟာဗျူဟာ၊ သူတို့ချမှတ်တဲ့ ဆုံးဖြတ်ချက်နဲ့ တည်ဆောက်ထားတဲ့ model တွေ ပြုလုပ်နိုင်ဖို့ business knowledge ပေါ်မှာ အများကြီး မှီခိုနေပါတယ်။
- Teacher: Ko Andrew
What you'll learn
· Have a detailed understanding of MongoDB databases and how they work
· Build knowledge across the MongoDB product ecosystem
· CRUD (Create, Read, Update, Delete) Operations
· Query data using the Aggregation Framework
· Have extensive hands-on experience with Query, Projection and Aggregation Pipeline Operators
· Use Indexes to make your queries more efficient
· Understand different approaches to modelling data in MongoDB (Embedding vs Referencing)
· Use Drivers to connect MongoDB to applications (featuring Python)
Data Science ဆိုတဲ့ ပညာရပ်က နိုင်ငံတကာ တက္ကသိုလ်တွေနဲ့ နိုင်ငံတကာ ပညာတတ်အသိုင်းအဝိုင်းကြားမှာတော့ ကျယ်ကျယ်လောင်လောင် ပြောဆိုဆွေးနွေးနေခဲ့တာ ကြာခဲ့ပါပြီ။ဖွံ့ဖြိုးမှု နောက်ကျတဲ့ ကျွန်တော်တို့ တိုင်းပြည်မှာတော့ လူဦးရေနဲ့ နှိုင်းစာရင် လက်တဆုပ်စာ လူနည်းစုတွေပဲ လေ့လာကြ၊ပြောဆိုဆွေးနွေးကြတာပဲ ရှိပါသေးတယ်။ ဒီဘာသာရပ်ဟာ သိပ်မကြာသေးတဲ့ ကာလမှာ လူအများစု လိုက်စားလေ့လာဖို့ အလားအလာကောင်းတဲ့ ပညာတခုလည်း ဖြစ်ပါတယ်။
နောက်တချက်က ၂၀၂၀ ခုနှစ်ကနေ စတင်ပြီး ကပ်ရောဂါကြောင့်၊နိုင်ငံရေး ဝဲဂယက်တွေကြောင့် ပညာရေး တပိုင်းတစဖြစ်သွားတဲ့လူတွေ အများကြီးရှိသလို ၊ နည်းပညာပိုင်းကို မဖြစ်ဖြစ်တဲ့နည်းနဲ့ လေ့လာမယ်လို့ ဆုံးဖြတ်ထားသူတွေလည်း အများကြီးရှိပါလိမ့်မယ်။ အလုပ်အကိုင်ဖက်က ကြည့်ရင်လည်း နိုင်ငံတွင်း စီးပွားရေးတွေ ကျဆင်းတာကြောင့် အလုပ်တွေမှာ လုပ်သား အင်အား တိုးချဲ့ဖို့ နေနေသာသာ၊ ရှိပြီးသား လူတွေကို ထပ်မံ လျှော့ချလိုက်လို့ အလုပ်အကိုင်ရှာဖွေရတာလည်း ပိုမိုကျပ်တည်းသွားတယ်။ ဒါက ပြည်တွင်း အခြေအနေတွေပါ။ နိုင်ငံခြားထွက်ပြီး လုပ်ဖို့ အတွက်ဆိုရင်လည်း အလုပ်ကတောင်းဆိုတဲ့ အရည်အချင်းတွေ၊တတ်ကျွမ်းထားရမှာ တွေက မနည်းလှပါဘူး။ အထူးသဖြင့် Data Science နယ်ပယ်ဟာ Niche industry တခုဖြစ်လို့၊ အပေါ်ယံလွှာ သိရုံ၊ Excel ခေါက်တတ်ရုံနဲ့ မလုံလောက်ပြန်ဘူး။
နောက်တချက်က ကမ္ဘာမှာ Data Scientist တွေ အများအပြား ပိုမိုလိုအပ်နေတယ်ဆိုတာ ဂူဂယ်ခေါက်ကြည့်ရင်ကို Trend တွေကို မြင်ရပါလိမ့်မယ်။ လက်ရှိလည်း နိုင်ငံခြားထွက်ပြီး လုပ်ဖို့ ပြင်ဆင်နေတဲ့ လူအများအပြားရှိနိုင်ပါတယ်။ သိသင့်သိထိုက်တာလေးတွေကို သိသွား၊တတ်သွားရင် လူဟာ မိမိကိုယ်ကို ယုံကြည်ချက်တခုရှိနေတဲ့အတွက် အလုပ်ရှာတဲ့နေရာ အခက်အခဲတွေ နည်းသွားနိုင်သလို ၊ကျောင်းဆက်တက်မယ့်သူတွေဆိုရင်လည်း Data Science ပိုင်းကို အဆင့်တခုအထိ တတ်ကျွမ်းနေလို့ သက်ဆိုင်ရာ ကျောင်းတွေမှာ ဆက်လက် သင်ယူဖို့ အခြေခံကောင်းတွေ ရသွားမယ်လို့ မြင်ပါတယ်။
သင်ကြားရေးနဲ့ပတ်သတ်လို့တော့ ကျွန်တော် စိတ်ပူမိတာလေး တခုတော့ ရှိပါတယ်။ လူတချို့က စာသင်တဲ့အခါမှာ Academic ပိုင်းဆိုင်ရာတွေကို ဦးစားပေးပြီး သင်ကြတာရှိမယ်။ တချို့ကတော့ Academic ပိုင်းကို နားသိပ်မလည်ဘူး။ ဒါဆိုရင် ကျောင်းသားတွေ အနေနဲ့ စာတွေ့ပဲ ရနိုင်မယ် ထင်တယ်။တချို့က သူတို့လုပ်ငန်းခွင်ထဲက သိတာ မြင်တာတွေကို၊အတွေ့အကြုံ အခံနဲ့ ပြောပြ သင်ပြတာရှိမယ်။ ဒါလည်း တပွဲတိုး၊နှစ်ပွဲတိုး အဆင်ပြေသွားနိုင်ပေမယ့် ရေရှည်အတွက်တော့ ခက်ခဲနိုင်တယ်။ နှစ်မျိုးလုံးက သူ့နေရာနဲ့သူ ကောင်းပါတယ်။ သို့သော် သီအိုရီတွေပဲ ရွတ်နေတဲ့သူက အကျိုးနဲ့ တူလိမ့်မယ်၊ သီအိုရီအခြေခံမပါပဲ အတွေ့အကြုံက သိတာကိုပဲ အမှန်ထင်ပြီး ရွတ်နေတဲ့သူက အကန်းနဲ့ တူလိမ့်မယ်။ လိုရာခရီးအထိ ရောက်အောင် သွားဖို့ဆိုရင် သီအိုရီနဲ့ လုပ်ငန်းခွင်သုံး လက်တွေ့ အသုံးချနိုင်မှု နှစ်ခုလုံးကို ပေါင်းဆုံနိုင်မှ ဖြစ်မှာပါ။ လုပ်ငန်းခွင် အတွေ့အကြုံလည်း ကျယ်ကျယ်ပြန့်ပြန့်ရှိ၊ စာလေးလည်း သေချာတတ်ထားတယ်ဆိုနိုင်တဲ့ လူက သင်ရင် နှစ်ခုလုံး ပိုရနိုင်တယ်လို့ မြင်ပါတယ်။ သိတာ သိပေမယ့် သင်ကြားရေး အတွေ့အကြုံလေးနဲ့ Teaching Pedagogy လေးတွေ၊ Outcome-based education မှာ အရေးကြီးတဲ့ Assessment လုပ်ဆောင်မှုသဘောတွေ၊ လက်တွေ့တွေပါဝင်တဲ့ Project based learning style တွေ သိထားရင်တော့ ပိုသင့်လျော်မယ် ထင်တယ်။ အွန်လိုင်းက သင်တာမှာ အခက်အခဲတွေ အများကြီးတော့လည်း ရှိပါတယ်။ ဒ့ါကြောင့် အွန်လိုင်း သင်ကြားရေး နည်းပညာရပ်များကို ကျွမ်းကျင်ထားမှလည်း ဖြစ်မယ်။ ကျောင်းသားတွေရဲ့ အခက်အခဲကို နားလည်မှု ပေးနိုင်ဖို့လည်း လိုအပ်မယ်။ ကျောင်းသားအချင်းချင်း အပြန်အလှန် သင်ယူတဲ့ (Peer-to-peer learning)ကိုလည်း အားပေးဖို့ လိုအပ်ပါမယ်။
နောက်တချက်က ဒီအတန်းဟာ Lab သဘောဆောင်တဲ့အတွက် Laboratory ဆိုတာ လက်တွေ့စမ်းသပ်တဲ့ နေရာမို့ ပရောဂျက်တွေ၊ လက်တွေ့ လုပ်ဆောင်ရတာတွေပဲ များလှပါတယ်။ သို့သော် ဖတ်ရမယ့် ရည်ညွှန်းစာအုပ်တွေ၊ ဝက်ဆိုဒ်တွေ၊ ပညာရှင်တွေရေးတဲ့ စာတမ်းတွေလည်း ဖတ်ရဦးမှာပါ။ ဖတ်ပြီးရင်လည်း ဒီအတန်းထဲက လူတွေအားလုံးကို ကိုယ်သိနားလည်သလောက်ကို ပြန်လည် တင်ပြရတာတွေ၊ ဆွေးနွေးရတာတွေ လုပ်ရဦးမှာပါ။ ဒီလိုလုပ်ခြင်းအားဖြင့် ဘယ်လိုချဥ်းကပ်နည်းနဲ့ နည်းပညာစာတအုပ်ကို မြန်မြန်ဖတ်ရသလဲ ဆိုတာသိပြီးအပြင် အများနဲ့ ပူးပေါင်းပြီး လုပ်ဆောင်တဲ့စွမ်းရည်တွေ၊ စကားပြောစွမ်းရည်နဲ့ Presentation skill တွေလည်း ကျွဲကူးရေပါသဘော မြင့်တက်လာပါလိမ့်မယ်။
သင်တန်းမတက်မီ ပြင်ဆင်ထားရမည့် အရာများ
အမာထည် လိုအပ်ချက်(Hardware Requirement):
ဒီသင်တန်းတက်ဖို့ လိုအပ်ချက်ကတော့ Laptop or PC တလုံး ကျောင်းသားတိုင်းမှာ ရှိဖို့ လိုအပ်ပါတယ်။ အနိမ့်ဆုံး i-5 Processorနဲ့ RAM 4GB လောက်ရှိရင် လုံလောက်ပါတယ်။ Windox or Mac or Linux OS တွေထဲက တခုခု ထည့်ထားလို့ ရပါတယ်။
Time Commitment:
တပတ်ကို အနည်းဆုံး ၁၀နာရီကနေ ၁၅ နာရီကြား စာလုပ်နိုင်ရပါမယ်။
Teamwork:
အများနဲ့ ပူးပေါင်း လုပ်ဆောင်နိုင်သူ ဖြစ်ရပါမယ်။
|
Module No. |
2001 |
|
Module Title |
Data Science Lab |
|
Module Domain |
Data Science |
|
Duration |
24 weeks |
|
Course Dates |
Start Date: 18th Sep, 2022 |
|
Days of Live Session |
Wed,Fri, Sun |
|
Time |
8:00 to 10:00 p.m on Wed & Fri , 7:00 to 10:00 p.m on Sun |
|
Teaching Hours Matrix |
7 hours Live Session Lectures |
|
Main Topics |
· Basic Python · Advanced Python · Basic Pandas · Advanced Pandas · Pandas Summary Statistics · Visualizations with Matplotlib · Visualizations with Pandas · Visualizations with Plotly · Visualizations with Seaborn · SQL Database · Mongodb Database · Machine Learning Core Knowledge · Machine Learning pre-processing and production · Machine Learning Classifications · Machine Learning Regression · Machine Learning Unsupervised Learning · Time Series Core Knowledge · Time Series Models · Linux Command Line · 6 projects |
|
Lab Projects |
Explore the Mexican real estate market to determine whether location or home size is more important in determining price. |
|
Predict apartment prices in Buenos Aires, Argentina. |
|
|
Determine air quality in Nairobi, Kenya. |
|
|
Assess building damage following the 2018 earthquake in Nepal. |
|
|
Tracking corporate bankruptcies in Poland |
|
|
Consumer Finances in USA |
Minimum Skillsets:
· Intermediate Level Computer Literacy Skill,B
· Basic Python Skill,
· Good Foundation in Statistics Knowledge
အထက်ပါ အချက်များ လိုအပ်နေသေးပါက Basic Python နဲ့ Foundation of Statistics ကို လေ့လာဖို့ အတန်း(၂)လည်း သီးသန့်ရှိပါတယ်။
- Teacher: MOU Admin
သင်တန်းအကြောင်း အကျဥ်းချုပ်
အခြေခံ စာရင်းအင်းနှင့် ဖြစ်တန်စွမ်းအတန်းဟာ Myanmar Data Science Lab Program(ခြောက်လကြာ အတန်း)မှာ Real World Data များနှင့် Project လုပ်တဲ့အခါ အခက်အခဲ မရှိစေဖို့ ကြိုတင်ပြင်ဆင်ပေးတဲ့ အတန်းတခုဖြစ်ပြီး ရည်ရွယ်ချက်ကတော့ အောက်ပါအတိုင်း ဖြစ်ပါတယ်။
· Understand the basics of probability ဖြစ်တန်စွမ်း အခြေခံကို သဘောပေါက်အောင်
· အခြေခံ စာရင်းအင်းပညာကို နားလည်အောင်
· စာရင်းအင်းဆိုင်ရာ ပျံ့နှံ့ချက် အမျိုးမျိုးကို ဘယ်လို အသုံးပြုရမလဲဆိုတာ သဘောပေါက်အောင်
· စီးပွားရေးဆိုင်ရာ ပြဿနာများမှာ စာရင်းအင်းဆိုင်ရာ နည်းလမ်းများ အသုံးပြုရန်နှင့် အဆိုပြုချက်များကို စစ်ဆေးနိုင်ရန်
· ရီဂရက်ရှင်း မော်ဒယ်များ ဘယ်လိုအလုပ်လုပ်သလဲ နားလည်ရန်
· တလမ်းသွားနှင့် နှစ်လမ်းသွား ANOVA ကို နားလည်ရန်
· ခိုင် စကွဲယား စစ်ဆေးချက်များကို နားလည်ရန်
· မတူညီသော ဒေတာ အမျိုးအစားများစွာကို နားလည်ရန်
ဒီသင်တန်းတက်ဖို့ လိုအပ်ချက်ကတော့ စာရွက်နဲ့ ခဲတံ ဆောင်ထားနိုင်ပြီး မှတ်စုတိုများ လိုက်မှတ်နိုင်ရပါမယ်။ simulation တချို့ လိုက်လုပ်ကြည့်ဖို့အတွက် ပိုင်သွန်နဲ့ excel ကို အသုံးပြုနိုင်ဖို့ကတော့ ကျောင်းသားသဘောပါပဲ။ သဘောတရားများကို နားလည်ဖို့ စာရွက်မှာ လိုက်မှတ်တာလောက်နဲ့လည်း တက်လို့ ရပါတယ်။
|
Module No. |
1002 |
|
Module Title |
Probability and Statistics for Business and Data Science |
|
Module Domain |
Statistics |
|
Duration |
4 weeks |
|
Course Dates |
Start Date: 2nd July,2022 | End Date: 24th July,2022 |
|
Days of Live Session |
Sat, Sun |
|
Time |
5:00 p.m to 7:00 p.m |
|
Teaching Hours Matrix |
5-hours per week: 3 hours pre-recorded lectures ,2 hours Live Session Lectures |
|
Main Topics |
· Measurements of Data · Mean, Median, and Mode · Variance and Standard Deviation · Co-variance and Correlation · Permutations and Combinations · Unions and Intersections · Conditional Probability · Bayes Theorem · Binomial Distribution · Poisson Distribution · Normal Distribution · Sampling · Central Limit Theorem · Hypothesis Testing · T-Distribution Testing · Regression Analysis · ANOVA · Chi Squared · and much more!
|
|
Training Fee |
35,000 Ks |
- Teacher: Ko Andrew
သင်တန်းအကြောင်း အကျဥ်းချုပ်
Python ဟာ ၂၀၂၂ မှာ လုပ်ငန်းရှင်တွေရဲ့ တောင်းဆိုမှု အပြုခံရဆုံး ကျွမ်းကျင်မှုပညာရပ်တွေထဲက တခုဖြစ်နေပြီမို့ ပိုင်သွန် ပရိုဂရမ်မာတယောက် အခြေခံကျွမ်းကျင်ထားရမှာတွေကို လေ့လာဖို့ ဒီအတန်းက ပြင်ဆင်ပေးမှာပါ။ သင်္ချာကို တတ်မြောက်သူဟာ လုပ်ငန်းအရပ်ရပ်မှာ ပြန်လည် အသုံးချနိုင်မှာ ဖြစ်တာနဲ့ အလားတူပဲ၊ ပိုင်သွန်ကို တတ်မြောက်ကျွမ်းကျင်ရင် Game Development၊ Data Science၊ Web Development၊ Blockchain စတဲ့ နေရာ အသီးသီးမှာ ပြန်လည် အသုံးပြုနိုင်မှာလည်း ဖြစ်ပါတယ်။ သင်တန်းတတ်ရောက်သူများမှာလည်း ရည်မှန်းချက် ကိုယ်စီ ရှိနိုင်တာမို့ ကြိုတင် အသိပေးပြောချင်တာက ဒီသင်တန်းက Data Science ပိုင်းကို သွားမယ့် သူများအတွက် Myanmar Data Science Lab Program(ခြောက်လကြာ အတန်း)မှာ အဆင်သင့်ဖြစ်အောင် ပြင်ပေးတဲ့ အတန်းတခု ဖြစ်ပါတယ်။ ဒီ အတန်းနဲ့ အတူ တွဲစပ် တက်ရောက်ရမယ့် အတန်းကတော့ Probability and Statistics for Business and Data Science အတန်းပဲ ဖြစ်ပါတယ်။
ဒီသင်တန်းတက်ဖို့ လိုအပ်ချက်ကတော့ Laptop or PC တလုံး ကျောင်းသားတိုင်းမှာ ရှိဖို့ လိုအပ်ပါတယ်။ အနိမ့်ဆုံး i-5Processorနဲ့ RAM 4GB လောက်ရှိရင် လုံလောက်ပါတယ်။ Windox or Mac or Linux OS တွေထဲက တခုခု ထည့်ထားလို့ ရပါတယ်။ သင်ကြားရေး မှာ အသုံးပြုမယ့် Software တွေကိုတော့ အတန်းထဲမှာ သင်ကြားရင်း တခါတည်း ထည့်သွင်းပေးပါမယ်။
|
Module No. |
1001 |
|
Module Title |
Basic Python Skill |
|
Module Domain |
Data Science |
|
Duration |
4 weeks |
|
Course Dates |
Start Date: 2nd July 2022 | End Date: 24th July 2022 |
|
Days of Live Session |
Sat, Sun |
|
Time |
2:00 p.m to 4:00 p.m |
|
Teaching Hours Matrix |
7 hours per week: 3 hours of pre-recorded lectures,4 hours of Live Session Lectures |
|
Main Topics |
· Section 1: Getting Started · Section 2: Variables and Simple Data Types · Section 3: Introducing Lists · Section 4: Working with Lists · Section 5: if Statements · Section 6: Dictionaries · Section 7: User Input and while Loops · Section 8: Functions |
|
Training Fee |
35,000 Ks |
- Teacher: Ko Andrew
28th Auguster,2022 မှာ ပြုလုပ်ကြမယ့် Webinar လေးမှာတော့ လူငယ်များအတွက် Data Science ပညာဆိုတဲ့ ခေါင်းစဥ်နဲ့ အတူ ခြောက်လတာ ကြာမြင့်မယ့် Data Science Program အကြောင်း ပြောပြမှာပါ။
အဓိက အချက်က Data Science ပိုင်းကို
ဘယ်သူတွေ လေ့လာသင့်သလဲ၊
အခြေခံအနေနဲ့ ဘာတွေ သိထား၊တတ်ထားသင့်သလဲ၊
သီအိုရီအခြေခံက ဘာတွေလဲ၊
ဘယ်လို လုပ်ငန်းခွင်တွေမှာ ပြန်အသုံးချလို့ ရသလဲ၊
Data Science နယ်ပယ်မှာ မိမိသွားသင့်တဲ့လမ်းကြောင်းတွေက ဘာတွေလဲ အစရှိတာတွေကို ပြောမှာပါ။
Webinar လုပ်ရခြင်း ရည်ရွယ်ချက်
၂၀၂၀ ခုနှစ်ကနေ စတင်ပြီး ကပ်ရောဂါကြောင့်၊နိုင်ငံရေး ဝဲဂယက်တွေကြောင့် ပညာရေး တပိုင်းတစဖြစ်နေတဲ့၊ နည်းပညာပိုင်း လိုက်စားတဲ့ လူငယ်တွေ အများကြီးရှိပါတယ်။ နိုင်ငံတွင်း စီးပွားရေးတွေလည်း ကျဆင်းတာကြောင့် အလုပ်တွေမှာ လုပ်သား အင်အား တိုးချဲ့ဖို့ နေနေသာသာ ရှိပြီးသား လူတွေကို ထပ်မံ လျှော့ချလိုက်လို့ အလုပ်အကိုင်ရှာဖွေရတာလည်း ပိုမိုကျပ်တည်းသွားတယ်။ ဒါက ပြည်တွင်း အခြေအနေတွေပါ။
နောက်တချက်က ကမ္ဘာမှာ Data Scientist တွေ အများအပြား ပိုမိုလိုအပ်နေတယ်ဆိုတာ ဂူဂယ်ခေါက်ကြည့်ရင်ကို Trend တွေကို မြင်ရပါလိမ့်မယ်။ လက်ရှိလည်း နိုင်ငံခြားထွက်ပြီး လုပ်ဖို့ ပြင်ဆင်နေတဲ့ လူအများအပြားရှိနိုင်ပါတယ်။ သိသင့်သိထိုက်တာလေးတွေကို သိသွား၊တတ်သွားရင် လူဟာ မိမိကိုယ်ကို ယုံကြည်ချက်တခုရှိနေတဲ့အတွက် အလုပ်ရှာတဲ့နေရာ အခက်အခဲတွေ နည်းသွားနိုင်သလို ၊ကျောင်းဆက်တက်မယ့်သူတွေဆိုရင်လည်း Data Science ပိုင်းကို အဆင့်တခုအထိ တတ်ကျွမ်းနေလို့ သက်ဆိုင်ရာ ကျောင်းတွေမှာ ဆက်လက် သင်ယူဖို့ အခြေခံကောင်းတွေ ရသွားမယ်လို့ မြင်ပါတယ်။
လူတချို့က စာသင်တဲ့အခါမှာ Academic ပိုင်းဆိုင်ရာတွေကို ဦးစားပေးပြီး သင်ကြတာရှိမယ်။ တချို့ကတော့ Academic ပိုင်းကို နားသိပ်မလည်ဘူး။ သူတို့လုပ်ငန်းခွင်ထဲက သိတာ မြင်တာတွေကို၊အတွေ့အကြုံ အခံနဲ့ ပြောပြ သင်ပြတာရှိမယ်။ နှစ်မျိုးလုံးက သူ့နေရာနဲ့သူ ကောင်းပါတယ်။ သို့သော် သီအိုရီတွေပဲ ရွတ်နေတဲ့သူက အကျိုးနဲ့ တူလိမ့်မယ်၊ သီအိုရီအခြေခံမပါပဲ အတွေ့အကြုံက သိတာကိုပဲ အမှန်ထင်ပြီး ရွတ်နေတဲ့သူက အကန်းနဲ့ တူလိမ့်မယ်။ လိုရာခရီးအထိ ရောက်အောင် သွားဖို့ဆိုရင် သီအိုရီနဲ့ လုပ်ငန်းခွင်သုံး လက်တွေ့ အသုံးချနိုင်မှု နှစ်ခုလုံးကို ပေါင်းဆုံနိုင်မှ ဖြစ်မှာပါ။
လုပ်ငန်းခွင် အတွေ့အကြုံလည်း ကျယ်ကျယ်ပြန့်ပြန့်ရှိ၊ စာလေးလည်း သေချာတတ်ထားတယ်ဆိုနိုင်တဲ့ လူက သင်ရင် နှစ်ခုလုံး ရမသွားနိုင်ဘူးလားလို့ မေးခွန်းလေးတွေ ထုတ်ကြည့်ချင်တယ်။ သိတာ သိပေမယ့် သင်ကြားရေး အတွေ့အကြုံလေးနဲ့ Teaching Pedagogy လေးတွေ၊ Outcome-based education မှာ အရေးကြီးတဲ့ Assessment လုပ်ဆောင်မှုသဘောတွေ၊ လက်တွေ့တွေပါဝင်တဲ့ Project based learning style တွေ သိထားရင်တော့ ပိုသင့်လျော်မယ် ထင်တယ်။ ကိုယ်တော်ကြောင်းတတ်ကြောင်းနဲ့ ဘုန်းတော်ဘွဲ့တွေ၊ ဘာမှ အရည်မရ အဖတ်မရတွေ ထည့်မပြောပဲ အသင်ခံလိုက်ရသူတွေ အချိန်တိုအတွင်း စာရော၊လုပ်ငန်းခွင်က အလုပ်ရဲ့ သဘောရော မြင်သွားရင် မကောင်းဘူးလား။ စတဲ့ စတဲ့ မေးခွန်းတွေဟာ ပြောကြားမယ့်သူရဲ့ လွန်ခဲ့သော နှစ်များစွာက လူငယ်ဘဝမှာ မေးခဲ့ဖူးတဲ့ မေးခွန်းတွေပါ။ တက်ရောက်နားထောင်မယ့်သူ အသီးသီးမှာလည်း မေးခွန်းကိုယ်စီ ရှိကြမယ်လို့ ထင်ပါတယ်။ Monologue သဘောလေးကို နည်းနည်းပဲ ပါအောင် ဟောပြောသူက တစ်နာရီပဲ ပြောပါ့မယ်။ Dialogue သဘောလေးလည်း ပါစေလိုတဲ့အတွက် မေးခွန်းတွေ အများကြီး မေးကြ၊ဖြေကြနဲ့ (ကျွန်တော်တို့ ခပ်ငယ်ငယ်က လသာသာဆိုရင် ခြံရှေ့ကွပ်ပျစ်ကျယ်ကျယ်မှာ ရပ်ဆွေတွေ ရပ်မျိုးတွေ သဘော လူတွေစုပြီး လက်ဖက်ရည်ကြမ်းသောက်၊စကားစမြည်လေး ပြောနဲ့ လုပ်ကြသလို) ဒီ Webinar လေးကို အဆုံးသတ်ပါမယ်။
ပြောကြားမည့်သူ၊ ကိုအင်ဒရူး၏ Profile
- ၁၉၈၈ ခုနှစ်တွင် ဖွားမြင်သည်။
- သူငယ်တန်းမှ ဆယ်တန်းအထိ ဧရာဝတီတိုင်း၊ရေကြည်မြိုတွင် ကျောင်းတက်ရောက်ခဲ့သည်။
- ၂၀၀၄ခုနှစ်တွင် ဆယ်တန်းကို ဂုဏ်ထူး ငါးဘာသာဖြင့် အောင်မြင်ခဲ့သည်။
- မြန်မာနိုင်ငံ ရေကြောင်းတက္ကသိုလ်တွင် ၂၀၀၅ခုနှစ်မှ ၂၀၀၉ နှစ်အထိ တက်ရောက်ခဲ့ပြီး ၂၀၁၀ တွင် B.E (Maring Engineering)ဘွဲကို ရရှိခဲ့သည်။
- ၂၀၁၁မှ ၂၀၁၃ခုနှစ်အထိ စင်္ကာပူနိုင်ငံတွင် ရေနံသန့်စင်ထုတ်လုပ်သည့် စက်ရုံ တည်ဆောက်ရေး၌ Plant Engineering Construction Co.Ltd မှ ပရောဂျက်အင်ဂျင်နီယာအဖြစ် အလုပ်လုပ်ခဲ့သည်။
- ၂၀၁၃မှ ၂၀၁၄ ခုနှစ်အတွင်း ကမ္ဘာ့တတိယအကြီးဆုံး ကမ်းလွန်နှင့် ရေနံတူးဖော်ရေး ဝန်ဆောင်မှု ကုမ္ပဏီ၊ Baker Hughes Internation Holding Co.Ltd၌ Cementing Engineer အဖြစ် အလုပ်လုပ်ခဲ့သည်။
- ၂၀၁၅ ခုနှစ်မှ စတင်ပြီး CAD,CAM,CAE,Engineeing Software များ သင်ကြားပေးသည့် EduGate Engineering School ကို တည်ထောင်ခဲ့ပြီး အင်ဂျင်နီယာပေါင်း ၇၀၀ကျော်ကို မွေးထုတ်ပေးခဲ့သည်။
- ၂၀၁၅ ခုနှစ်မှ စတင်ပြီး အင်ဂျင်နီယာရင်းနှင့် ဆောက်လုပ်ရေး ကုမ္ပဏီများအတွက် Engineering Software Corporate Training များစွာ ပေးခဲ့သည်။
- မိမိကိုယ်ပိုင် ခံယူချက်ကြောင့် မည်သည့် အင်ဂျင်နီယာအဖွဲအစည်းတွင်မှ ပါဝင်ခြင်း မပြုခဲ့။
- ၂၀၁၆ခုနှစ်တွင် Yangon Technology University တွင် Visiting Lecture အဖြစ် ရေနံစက်ရုံနှင့်၊ ဆိပ်ကမ်း အခြေခံအဆောက်အဦးများ တည်ဆောက်သည့် ဆော့ဝဲလ်များကို သွားရောက် သင်ကြား ပေးခဲ့သည်။
- ၂၀၁၇ခုနှစ်မှ စတင်ပြီး Learning Management System များကို ရေးသား၊ဝန်ဆောင်မှုပေးသည့် ကုမ္ပဏီ၊ Social Trust Co.Ltd တွင် Managing Director အဖြစ် တာဝန်ယူခဲ့သည်။
- ၂၀၁၈ ခုနှစ်တွင် မြန်မာနိုင်ငံရှိ Online School များအနက် အကြီးဆုံး ဖြစ်သည့် Myanmar Online School ကို တည်ထောင်ခဲ့သည်။ လက်ရှိတွင် လေ့လာသင်ယူနေသူပေါင်း ၂၈၀၀ ကျော် ရှိနေသော ဆိုဒ်တခုဖြစ်သည်
- ၂၀၂၀ ခုနှစ်မှ စတင်ပြီး Myanmar Data Science များ မွေးထုတ်ပေးရန် ရည်ရွယ်ချက်ဖြင့် Myanmar Online University ကို ဆက်လက် တည်ထောင်ခဲ့သည်။ လက်ရှိတွင် လေ့လာနေသူပေါင်း ၈၅၀၀ကျော် ရှိနေသော နေရာတခု ဖြစ်သည်။
- ၂၀၂၁ ခုနှစ်တွင် Yangon Institute of Economics မှာ Master of Development Studies ဘွဲကို ရရှိခဲ့သည်။
- ၂၀၂၁ ခုနှစ်မှ စတင်ပြီး မြန်မာနိုင်ငံ၏ အကြီးမားဆုံး E-commerce ဆိုဒ်တခုဖြစ်သည့် SHOP.com.mm တွင် Business Intelligence ဌာန၏ အကြီးအကဲအဖြစ် ယနေ့ အချိန်အထိ တာဝန်ထမ်းဆောင်နေသည်။
- Teacher: Ko Andrew