Python: เป็นภาษาโปรแกรมหลักที่ใช้ในการวิเคราะห์ข้อมูลและสร้างโมเดล Machine Learning ด้วยความยืดหยุ่นสูงและมีไลบรารีที่รองรับมากมาย เช่น Pandas, NumPy, Scikit-learn, TensorFlow, Keras เป็นต้น

R: ใช้ในการวิเคราะห์ข้อมูลและสถิติ มีเครื่องมือมากมายในการทำ Data Analysis และ Data Visualization เช่น ggplot2, dplyr

สถิติพื้นฐาน: การใช้ทฤษฎีสถิติเพื่อวิเคราะห์ข้อมูล เช่น การคำนวณค่าเฉลี่ย, ส่วนเบี่ยงเบนมาตรฐาน, ความน่าจะเป็น, การทดสอบสมมติฐาน (Hypothesis Testing)

การถดถอย (Regression Analysis): การวิเคราะห์ความสัมพันธ์ระหว่างตัวแปร (เช่น Linear Regression, Logistic Regression)

เป็นต้น

Supervised Learning: การเรียนรู้จากข้อมูลที่มีป้ายกำกับ (Label) เช่น การทำการจำแนก (Classification) และการทำนายค่า (Regression)

Unsupervised Learning: การเรียนรู้จากข้อมูลที่ไม่มีป้ายกำกับ เช่น การหาคลัสเตอร์ (Clustering) และการลดมิติข้อมูล (Dimensionality Reduction)

เป็นต้น

การจัดการข้อมูลขนาดใหญ่ (Big Data): การทำงานกับข้อมูลขนาดใหญ่โดยใช้เครื่องมือเช่น Hadoop, Spark, และ NoSQL databases (MongoDB, Cassandra)

การทำความสะอาดข้อมูล (Data Cleaning): การเตรียมข้อมูลให้พร้อมใช้งาน เช่น การจัดการข้อมูลที่สูญหาย (Missing Data), การจัดการข้อมูลที่ผิดปกติ (Outliers)

ETL Process (Extract, Transform, Load): กระบวนการในการดึงข้อมูล, เปลี่ยนแปลงรูปแบบข้อมูล, และโหลดข้อมูลเข้าสู่ระบบฐานข้อมูลหรือ Data Warehouse

Tableau/Power BI: เครื่องมือที่ใช้ในการสร้างแดชบอร์ดและการแสดงผลข้อมูลที่เป็นภาพ

Matplotlib/Seaborn (Python): ใช้ในการสร้างกราฟและแผนภูมิใน Python

ggplot2 (R): เครื่องมือการแสดงผลข้อมูลใน R ที่นิยมมาก

Plotly: สำหรับการสร้างแผนภูมิแบบอินเทอร์แอคทีฟ