ภาษามาตรฐานของเว็บ การออกแบบส่วนติดติอผู้ใช้ ภาษาสคริปต์สําหรับพัฒนาเว็บ แอปพลิเคชันการประยุกต์ใช้เทมเพลตสําเร็จรูป กลไกคุกกี้และการสร้างเว็บที่เก็บสถานะ การสร้างโปรแกรมฝั่งแม่ข่าย การโปรแกรมฝั่งลูกข่าย การใช้งานการเชื่อมต่อโปรแกรมประยุกต์

หลักการของปัญญาประดิษฐ์ ซอฟต์แวร์ปัญญาประดิษฐ์ การใช้งานซอฟต์แวร์
ปัญญาประดิษฐ์เพื่อสนับสนุนการด าเนินงานทางธุรกิจและการโฆษณา การใช้
ปัญญาประดิษฐ์เพื่อการพยากรณ์
Artificial intelligence principles, artificial intelligence softwares, uses of
artificial intelligence softwares to support business operations and
advertising, artificial intelligence for forecasting.

             ตำราวิชาธุรกิจอัจฉริยะและการวิเคราะห์ข้อมูลขนาดใหญ่ (Business Intelligence and Big Data Analytics) นี้ได้แบ่งเนื้อหาเป็น 12 บท รายวิชานี้มุ่งเน้นให้ผู้เรียนมีความรู้ความสามารถด้านการวิเคราะห์และนำเสนอข้อมูลด้วยกราฟเพื่อสนับสนุนการทำธุรกิจในยุคดิจิทัล เนื้อหา บทที่ 1 ความหมายและหลักการทำงานของธุรกิจอัจฉริยะ เครื่องมือในการสร้างและแหล่งข้อมูลสำหรับวิเคราะห์ข้อมูลธุรกิจอัจฉริยะ กราฟที่เหมาะสมกับการแสดงข้อมูลแต่ละประเภท ตัวอย่างงานวิจัยการประยุกต์ใช้ Google Chart API บทที่ 2  การหา Insights น่าสนใจจากข้อมูลด้วย Pivot Table ใน Google Sheet และการวิเคราะห์ RFM โครงสร้างชุดข้อมูลธุรกิจขายสินค้าออนไลน์ วิเคราะห์จัดกลุ่มข้อมูลพฤติกรรมของผู้บริโภคด้วยหลักการ RFM ตัวอย่างงานวิจัยการพัฒนาระบบธุรกิจอัจฉริยะจัดโปรโมชันส่งเสริมการตลาด บทที่ 3 การใช้ Looker Studio สร้าง Dashboard แสดงข้อมูลทางสถิติของธุรกิจการสร้าง Interactive Dashboard แสดงข้อมูลทางผลประกอบการของธุรกิจ บทที่ 4 การใช้ Power BI สร้าง Dashboard แสดงข้อมูลผลการดำเนินงานธุรกิจ การสร้างกราฟเส้นพยากรณ์ยอดขายสินค้าในอนาคต เทคนิค Time Series การสร้างกราฟจุดจัดกลุ่มข้อมูลสินค้ายอดฮิต เทคนิค K-Means บทที่ 5  การใช้ Tableau สร้าง Dashboard แสดงข้อมูลผลการดำเนินงานธุรกิจ บทที่ 6 สถาปัตยกรรมของข้อมูลขนาดใหญ่ (Big Data) องค์ประกอบ วิวัฒนาการของข้อมูลขนาดใหญ่ วิธีสร้างแหล่งเก็บข้อมูลขนาดใหญ่ เครื่องมือ BigQuery บทที่ 7  เหมืองข้อมูล (Data Mining) และคลังข้อมูล (Data Warehouse) การจัดหมวดหมู่ข้อมูล (Classification) การจัดกลุ่มข้อมูล (Clustering) การสร้างกฎความสัมพันธ์ข้อมูล (Association Rule) การพยากรณ์ข้อมูล (Forecasting) บทที่ 8  การทำเหมืองข้อมูลด้วยโปรแกรม WEKA ด้วยโมเดล Classify อัลกอริทึม NaiveBayes อัลกอริทึม Decision Tree โมเดล Cluster อัลกอริทึม SimpleKMeans โมเดล Association อัลกอริทึม Appriori และโมเดล Forecast อัลกอริทึม Time Series บทที่ 9  การทำเหมืองข้อมูลด้วยโปรแกรม RapidMiner Studio การวิเคราะห์ข้อมูลด้วยอัลกอริทึม DecisionTree LinearRegression NeuralNetwork NaiveBayes SupportVectorMachine FP-Growth KMeans และ Time Series การติดตั้ง Weka ใน RapidMiner Studio เพื่อวิเคราะห์ข้อมูลด้วย Appriori การวิเคราะห์เหมืองข้อความ (Text Mining) ด้วย Wordcloud บทที่ 10 เครื่องมือ Matplotlib  และ Scikit-learn ภาษา Python บทที่ 11 การพัฒนาเว็บธุรกิจอัจฉริยะด้วยเทมเพลต AdminLTE และงานวิจัยที่เกี่ยวกับการพัฒนาเว็บธุรกิจอัจฉริยะและการวิเคราะห์ข้อมูลขนาดใหญ่ที่ได้จาก Sensor IOT รวบรวมข้อมูลสภาพอากาศเพื่อสนับสนุนธุรกิจเกษตรสมุนไพรโมเดลสวนไผ่ไฮเทคระบบสนับสนุนการผลิตสินค้าเครื่องสำอางสมุนไพรสวนไผ่ไฮเทค บทที่ 12  การวิเคราะห์ข้อมูลจากแหล่งข้อมูลภายนอก การใช้ตลาดนำการผลิต Google Trend, Google Analytics, Facebook Fanpage Insights, Youtube Studio, Tiktok Social Analytics & Listening, Blogger Analytics

             บทนำของทุกบทมีภาพประกอบที่รองรับเทคโนโลยี AR เพื่อให้ผู้เรียน Scan รับชมคลิปแนะนำบทเรียน ผู้เขียนหวังว่าตำราเล่มนี้จะเป็นประโยชน์ต่อผู้เรียนทุกคน

ความรู้เบื้องต้นเกี่ยวกับระบบสารสนเทศ บทบาทและองค์ประกอบของสารสนเทศในองค์การ รูปแบบและโครงสร้างระบบสารสนเทศ ระบบสารสนเทศย่อยทางธุรกิจ การเข้าถึงและการประยุกต์ใช้ระบบสารสนเทศเพื่อการบริหาร การสื่อสารข้อมูลในระบบสารสนเทศทั้งภายในและภายนอกองค์การ ระหว่างองค์การด้วยระบบอินเทอร์เน็ตและอินทราเน็ต

การเข้าใจดิจิทัล (Digital Literacy) การใช้โปรแกรมประมวลผลคำ การใช้โปรแกรมตารางคำนวณ การใช้โปรแกรมนำเสนอ การใช้โปรแกรมพัฒนาสื่อหรือคอนเทนต์ การเข้าถึงข้อมูลและสารสนเทศ สิทธิและความรับผิดชอบ การเข้าถึงสื่อดิจิทัล การสื่อสารยุคดิจิทัล ความปลอดภัยยุคดิจิทัล ความเข้าใจสื่อดิจิทัล แนวปฏิบัติในสังคมดิจิทัล สุขภาพดียุคดิจิทัล  ดิจิทัลคอมเมิร์ซ และกฎหมายดิจิทัล

แนวคิดเชิงวัตถุ  คลาส  ออบเจ็กต์  การซ่อนสารสนเทศ  การห่อหุ้ม ความสามารถในการสร้างตัวแทน  กรรมวิธีการถ่ายทอดคุณสมบัติ  ภาวะที่มีหลายรูปแบบ  คลาสไดอะแกรมและภาษาสัญลักษณ์ที่ใช้ในการอธิบายโมเดลและการเขียนโปรแกรม การเขียนโปรแกรมโดยใช้แนวคิดเชิงวัตถุ 

หลักพื้นฐานการจัดการหน่วยความจำ  โครงสร้างข้อมูล อาร์เรย์ สแตก คิว ลิงค์ลิสท์  ไบนารีทรีย์และขั้นตอนวิธีพื้นฐานที่ใช้กับโครงสร้างข้อมูล การนำโครงสร้างข้อมูลไปประยุกต์ใช้งาน เทคนิคการจัดเรียงลำดับและการค้นหาข้อมูล  การวิเคราะห์ขั้นตอนวิธีอย่างง่าย การประยุกต์ข้อมูลเพื่อแก้ปัญหาในธุรกิจ