Image

การทำ Service Design ในช่วง Define เทคนิค Journey Map

สำหรับเทคนิคนี้ คือ แผนผังแสดงกิจกรรมและความรู้สึกในการใช้บริการตั้งแต่ต้นจนจบ ควรที่จะทำหลังจากเก็บข้อมูลและเริ่มระบุกลุ่มเป้าหมายได้แล้ว ซึ่งช่วยให้ทีมเข้าใจภาพรวมของประสบการณ์การใช้บริการ ในแต่ละมิติ เช่น Pain Point, Gain และ สามารถระบุโอกาสในการสร้างนวัตกรรมการบริการได้

อ่านต่อ
Image

วิดีโอสาธิตและทดสอบการประยุกต์โปรแกรมการเพิ่ม – ลดเสียงของเครื่อง MacOS โดยใช้ลักษณะของมือ ผ่านกล้อง Webcam

วิดีโอด้านบนนี้ เป็นการสาธิตและทดสอบการประยุกต์โปรแกรมการเพิ่ม – ลดเสียงของเครื่อง MacOS โดยใช้ลักษณะของมือ ผ่านกล้อง Webcam ซึ่งจะมีเนื้อหาที่เกี่ยวข้อง เป็นรายละเอียดคร่าวๆ ได้เขียนอธิบายไว้ และ มี Code สามารถ Download ไปลองทดสอบหรือลองเล่นได้เลยตาม link กดเข้ามาอ่านได้เลย

อ่านต่อ
Image

สรุปเรื่องการเลือกใช้การเก็บ token ไว้ที่ไหนดีระหว่าง localstorage กับ cookie

สรุปเรื่องการเลือกใช้การเก็บ token ไว้ที่ไหนดีระหว่าง localstorage กับ cookie

อ่านต่อ
Image

มาหาข้อมูลความสัมพันธ์ของแต่ละ user กันเถอะ

หลังจากที่กำเนิด platform ที่มีชื่อว่า Facebook มาหลายปี นับตั้งแต่ 2009 จนถึงปัจจุบัน 2022 ก็บริษัท Facebook ก็เริ่มเปลี่ยนเป้าหมายของบริษัท ไปทำระบบ Metaverse หลายๆคนอาจจะเคยสงสัยว่า เวลาที่ ระบบที่เรียกกันว่า Social Network และกิจกรรมที่เรียกกันเพิ่มเพื่อนๆ มีขั้นตอนหรือการทำงานอย่างไร

อ่านต่อ
Image

การจัดกลุ่มข้อมูลด้วยเทคนิค Data binning

การ binning เป็นการจัดกลุ่มที่มีจำนวนมากๆ และ มีความต่อเนื่อง อย่างเช่น Linear Regression กลุ่มข้อมูลเพื่อตรวจสอบข้อผิดพลาดของข้อมูลที่อยู่ในช่วงเล็กๆ โดยกำหนดกลุ่มค่า bin เอาไว้เพื่อเป็นตัวแทนของกลุ่มข้อมูลที่เราสนใจ

อ่านต่อ
Image

คุณยังมีพฤติกรรมนี้ที่ทำให้เกิด Bad Code อยู่หรือไม่

เคยมั้ย เวลาจะต้องแก้ไข Code อย่างเร่งด่วนแต่ต้องมาติดขัดเพราะไม่เข้าใจว่า Code นั้นมันใช้ยังไง ถ้าคุณเป็นโปรแกรมเมอร์ที่มีประสบการณ์หลายปี คงจะพอรู้ว่ามันแย่ขนาดไหน กับการใช้เวลานานไปกับตรวจสอบ

อ่านต่อ
Image

ต้นทุนของความไม่เป็นระเบียบ

ถ้าคุณเป็นโปรแกรมเมอร์ที่ประสบการณ์สูงทำงานด้านการพัฒนาโปรแกรมมามากกว่า 3 ปี ต้องรู้อย่างแน่นอนว่า Code ที่ไม่เป็นระเบียบทำให้ทำงานได้ช้าลง ความไม่เป็นระเบียบของ Code ทำให้งานในการเขียน Code ช้าลงได้อย่างไร

อ่านต่อ
Image

ศิลปะของ Clean Code

เปิดหัวเรื่องมาว่าเป็นเรื่องของศิลปะการเขียน Code ผู้อ่าน หลายคนคงจะคิดว่ามันเหมือนกับการวาดภาพ ถ่ายภาพ ที่คิดว่าแค่ถ่ายภาพหรือวาดให้ดูแล้วสวยก็พอแล้วใช่มั้ยล่ะ เป็นข่าวร้ายสำหรับผู้อ่านที่คิดแบบนั้น

อ่านต่อ
Image

Clean code คืออะไร

โปรแกรมเมอร์และวิศวกรด้านซอฟต์แวร์ชื่อดังหลายท่านได้แสดงความคิดเห็นกับคำว่า Clean Code เอาไว้

อ่านต่อ
Image

สมมติฐานในสถิติศาสตร์คืออะไร

พื้นฐานเริ่มต้นการวิจัยคือการตั้งคำถาม แต่ไม่สักแต่ถามเพียงอย่างเดียวจะต้องพิสูจน์ด้วยว่าคำถามที่ถามมีคำตอบหรือไม่ จะได้คำตอบอย่างไรไม่สำคัญเพราะมันคือความรู้

อ่านต่อ
Image

what's the point

ถ้าต้องการเข้าใจว่าสถิติหมายความว่าอะไร ก่อนอื่นควรจะต้องตั้งคำถามก่อนว่าประเด็นของปัญหาคืออะไร ก่อนที่จะเริ่มต้นศึกษาและรวบรวมข้อมูล แล้วจึงไปใช้เครื่องมือทางสถิติเพราะว่ามันจะช่วยให้เข้าใจและได้คำตอบ

อ่านต่อ
Image

Descriptive Statistics

หลายๆคนน่าจะรู้จักกันดี กับเครื่องมือทางสถิติอย่างพวก ร้อนละ ค่าเฉลี่ย ค่ากลาง ค่าความแปรปรวน ต่างๆ เครื่องมือเหล่านี้ล้วนเป็นเครื่องมือที่อยู่ในกลุ่ม Descriptive statistic ทั้งสิ้น ซึ่งจะเป็นเครื่องมือที่ใช้ในการอธิบายข้อมูลที่อยู่รูปแบบของค่าสถิติหรือตัวเลขยากๆ สรุปให้อยู่ในรูปแบบที่สามารถอธิบายและเข้าใจได้ง่ายขึ้น

อ่านต่อ
Image

สรุปการคิดเชิงวิพากษ์ หรือ critical thinking

การคิดเชิงวิพากษ์เป็นทักษะการคิดที่มีลำดับการคิดอย่างเป็นขั้นเป็นตอน สามารถฝึกฝนกันได้ซึ่งคนที่สามารถคิดแบบเชิงวิพากษ์ได้นั้น จะเป็นคนที่สามารถเชื่อมโยงข้อมูลต่าง ๆ เพื่อสรุปผลลัพธ์จากสิ่งที่รู้และเข้าใจวิธีใช้ประโยชน์จากข้อมูลที่มีอยู่เพื่อแก้ไขปัญหาต่าง ๆ รวมถึงการคิดอย่างมีเหตุมีผล มีการจัดลำดับความคิด โดยไม่ใช้อารมณ์กับความรู้สึกในการจัดการสิ่งต่าง ๆ ซึ่งจะช่วยให้เข้าใจและจัดการสถานการณ์ตามข้อเท็จจริง ช่วยให้ตัดสินใจได้ดีและรอบคอบมากยิ่งขึ้น

อ่านต่อ
Image

สรุปหน้าที่ของนักวิทยาศาสตร์ข้อมูลและกระบวนการทางวิทยาการข้อมูล

บทบาทของงานด้านนี้ส่วนมากจะอยู่ในงานด้านการทำธุรกิจ เช่น งานวางแผนธุรกิจ แผนการตลาด การวิจัย ที่จะเป็นต้องนำข้อมูลมาวิเคราะห์เพื่อให้ได้สารสนเทศมาตอบสนองความต้องการและพฤติกรรมของผู้บริโภค โดยทักษะที่จำเป็นจะประกอบไปด้วย หลาย ๆ ทักษะรวมกัน เช่น การรวบรวมข้อมูล การจัดการข้อมูล แปลงข้อมูลให้อยู่ในรูปแบบนำมาใช้งานได้ง่าย สถิติ อัลกอริทึมและซอฟต์แวร์ที่เป็นเครื่องมือทางเทคโนโลยีต่าง ๆ machine learning การสื่อสาร การนำเสนอด้วยรูปภาพ

อ่านต่อ
Image

Data pipeline แท้จริงแล้วมันคืออะไร

จากที่ได้เกริ่นเรื่องการดึงข้อมูลจากแหล่งข้อมูล (Data Collection) ไปในบท สรุปหน้าที่ของนักวิทยาศาสตร์ข้อมูลและกระบวนการทางวิทยาการข้อมูล นั้น จะมาลงรายละเอียดในเรื่องนี้กันให้ลึกขึ้นอีกสักนิด ว่าในขั้นตอนนี้ มีกระบวนการอะไรบ้างที่เกี่ยวข้อง ลองเข้ามาทำความเข้าใจกัน

อ่านต่อ
Image

AutoML ใครๆก็สร้าง Model AI ได้

เวลาที่เปิดคอมพิวเตอร์แล้วต้องการเปิดรูปภาพ แล้วเราก็จะเห็นรูปภาพ สมองก็ตีความจากภาพที่เห็นตามความเข้าใจ อันนี้คือมนุษย์ทำ แต่ถ้าเป็นคอมพิวเตอร์ทำล่ะ...

อ่านต่อ
Image

8 ทักษะที่จำเป็นงานด้าน AI Engineer

ในช่วงเวลานี้คงไม่มีใครที่ไม่รู้จัก midjourney ที่เรียกเสียงหือหาภาพวาดจากจินตนาการของ AI ที่นำภาพต่างที่ได้จาก Keyword ที่ป้อนให้มาสร้างเป็นภาพวาด ทั้งยังมีคนหัวใสนำเอาภาพที่ได้จาก AI นี้ไปประกวดจนชนะรางวัลที่ 1 มาแล้ว เนื่องจาก Artificial Intelligence หรือ AI ได้มีการเติบโตอย่างต่อเนื่องในหลายปีที่ผ่านมา และยังคงจะแตกแขนงไปอีกโดยสังเกตได้จาก Tech Giant หรือ Tech Startup ที่พยายามพัฒนา AI Application ที่มีความสามารถใหม่ออกมา 8 ทักษะมีอะไรบ้างมาดูกันเลย

อ่านต่อ
Image

Overfitting Underfitting วิธีหลีกเลี่ยงและการป้องกันทั้ง 7

การจดจำสิ่งที่เรียนรู้ดีเกินไป เมื่อมีข้อมูลใหม่หรือโจทย์ใหม่ๆเข้ามา จะทำให้ตอบคำถามได้ไม่ถูกต้อง เปรียบได้กับเราเรียนหนังสือแบบจำในห้องเรียนแล้วเมื่อถึงวันสอบ ครูผู้สอนออกข้อสอบแบบประยุกต์แล้วทำข้อสอบไม่ได้ ในบทความนี้เราจะมาดูกันว่ามีการหลีกเลี่ยงและวิธีป้องกันอย่างไรบ้าง

อ่านต่อ
Image

Normalization และ Standardization แตกต่างกันอย่างไร คนเรียน Machine learning ต้องรู้

ในบทความนี้จะมาศึกษาทำความเข้าใจระหว่างการทำ normalization กับ standardization มีการเรียกใช้ Method อย่างไรและแต่ละมีวิธีจะต้องพิจารณาในการเลือกใช้อย่างไร ถ้ายังไม่รู้ในเรื่องนี้

อ่านต่อ
Image

ทำไมต้องใช้ K-Nearest Neighbor (K-NN)

K-Nearest Neighbor (K-NN) เป็นวิธีการจำแนกประเภทข้อมูลวิธีหนึ่ง โดยจัดว่าเป็นการจำแนกแบบมีผู้ฝึกสอน (Supervised Machine Learning Algorithm) หรือ ทราบคำตอบอยู่แล้ว จากนั้นจะใช้โมเดลในการจำแนกประเภท ข้อมูลจากข้อมูลที่รู้คำตอบ

อ่านต่อ
Image

Review Book : Fundamental of Deep learning in practice

ผู้เขียน เห็นเนื้อหาในหนังสืออยู่บทนึงที่น่าสนใจ และคิดว่าสามารถนำมาประยุกต์ใช้กับงานในอนาคตได้ จึงตัดสินใจซื้อหนังสือเล่มนี้มาแล้วลงมือทำตามขั้นตอนและคำแนะนำในหนังสือทุกขั้นตอน หลังจากที่ได้ลงมือทำทุกบท จนจบแล้ว จึงนำมารีวิวให้เผื่อมีใครกำลังจะตัดสินใจซื้อหนังสือเล่มนี้ ผู้เขียนคิดว่า หนังสือเล่มนี้ จัดว่าเป็นหนังสือที่ดีเล่มหนึ่ง สำหรับผู้ที่สนใจในด้าน ​Machine learning, Deep learning ระดับพื้นฐาน

อ่านต่อ
Image

สรุปวิธีใช้เครื่องมือหาเทรนด์หม้อทอด

ในบทความนี้เป็นเรื่องราวที่อ่านจากหนังสือเล่มหนึ่งเป็นบทที่ผู้เขียนชื่นชอบมากที่สุด แล้วอยากนำมาสรุปใจความมาเล่าต่อแก่ผู้อ่านทุกท่านที่สนใจในเรื่องของ data ได้อ่านกัน ใครกันที่เป็นผู้ปลุกกระแส หม้อทอดไร้น้ำมันให้ตื่นขึ้น ผมเป็นตัวแทนที่จะย่อยใจความหนังสือ ของคุณ ณัฐพล ม่วงทํา ในบทนี้มาให้ได้อ่านกัน

อ่านต่อ
Image

สรุป case study ว่าด้วยเรื่องความสำคัญของ sale report

สำหรับบทความนี้เป็นการสรุปบทความที่นำ case study หนึ่งที่เล่าให้เห็นถึงความสำคัญของการเก็บรวบรวมข้อมูลหรือการทำ sale report เพื่อไปใช้ประโยชน์ต่อยอดในอนาคตซึ่งผมเป็นตัวแทนที่จะย่อยใจความหนังสือของคุณ ณัฐพล ม่วงทํา ในบทนี้มาให้ได้อ่านกัน

อ่านต่อ
Image

มาทำนายผลราคาบ้านด้วยขั้นตอนการทำ machine learning จาก house-price-india dataset ด้วย R กันเถอะ

บทความนี้เป็นการใช้ภาษา R ในการทำ Machine Learning เพื่อทำนายผลราคาบ้านของ Dataset house price india ด้วยการใช้ Linear Regression และ KNN ทำมาเพื่อเปรียบเทียบประสิทธิภาพในการทำนายผล ซึ่งเป็นการฝึกทำขั้นตอนการทำ machine learning ที่เรียนมาจาก data rockie bootcamp โดยข้อสรุปของผลที่ได้นั้น อ่านต่อได้เลย

อ่านต่อ
Image

เราทำ dashboard ไปเพื่ออะไร และ หลักการทำ dashboard ที่ดีทำอย่างไร

Dashboard หรือ BI Tool เป็นเครื่องมือที่จะช่วยให้ User เห็นสิ่งที่จะช่วย Business Value เราดีขึ้น หรือ สามารถตัดสินใจเพื่อวัตถุประสงค์บางอย่างที่ Dashboard ต้องการจะบอกเรา

อ่านต่อ
Image

data maturity ระดับความเชี่ยวชาญในการใช้ข้อมูล

ได้หนังสือ Fundamentals of Data engineering มาอ่านจนวางไม่ลง สำหรับวันนี้ อ่านมาเจอกับคำว่า data maturity โดยส่วนตัวแล้วนั้นจะขอแปลอย่างสั้นๆว่า “ระดับความเชี่ยวชาญในนำข้อมูลไปใช้ประโยชน์”

อ่านต่อ
Image

ทักษะและความรับผิดชอบต่างๆของ data engineer

มีคำถามมากมาย เกี่ยวกับการจะมาเป็น data engineer หลายๆคนอาจจะจะทำงานสายงานอื่นๆ มาแล้วเกิดสนใจที่จะมาเป็น data engineer อาจจะคิดว่าเป็น สายงานที่น่าสนใจ หรือ อาจจะเป็นเพราะตามสถาบันการศึกษาไม่ได้เน้นงานด้านนี้มากนัก ไม่มี learning path ที่ชัดเจน

อ่านต่อ
Image

Data Engineer ทำงานกับใครบ้าง

ในโพสนี้ มาชวนอ่าน “Data Engineer ทำงานกับใครบ้าง” โดยสรุปจากหนังสือ Fundamental of Data Engineer ซึ่งจะนำทักษะต่างๆ ที่สรุปเอาไว้ในโพสที่แล้ว มาใช้ในการทำงานร่วมกับ stake holder อื่นๆ ที่เกี่ยวข้องในธุรกิจ

อ่านต่อ
Image

ทำไมต้องทำ feature engineering

ทำไมต้องทำ feature engineering เรามักจะได้ยินคำนี้อยู่บ่อยๆ ในงานด้าน machine learning แต่มันคืออะไร ทำไปทำไม

อ่านต่อ
Image

การใช้ DevOps และ DataOps ในการปรับปรุงประสิทธิภาพของการพัฒนาซอฟต์แวร์และธุรกิจ

Devops มีเป้าหมายที่จะปรับปรุงและควบคุมคุณภาพเพื่อการส่งมอบโปรดักท์ที่มีคุณค่าได้อย่างรวดเร็ว ที่มุ่งเน้นในงาน software products เท่านั้น ส่วน Dataops จะมีกระบวนการทำงานที่คล้ายกันกับ Devops แต่มีเป้าหมาย มุ่งเน้นในงานด้าน Data products เท่านั้น

อ่านต่อ
Image

การแก้ไขข้อมูลที่ขาดหาย ค่าว่างในชุดข้อมูล เพื่อประสิทธิภาพ machine learning

เมื่อโพสที่แล้ว เราพูดถึงการเปลี่ยนข้อมูลจากภาษาของมนุษย์ เปลี่ยนให้เป็นภาษาที่คอมพิวเตอร์หรือเครื่องสามารถอ่านค่าได้ ก็คือตัวเลข แต่ในโพสนี้จะพูดถึงวิธีจัดการค่าว่าง เพื่อไม่ให้เกิดข้อผิดพลาดตามที่กล่าวมาข้างต้น

อ่านต่อ
Image

สิ่งสำคัญของการสร้าง model ML คือการปรับข้อมูลให้ Normalization และ Scaling

จากโพสที่แล้ว เมื่อเราทำการ cleansing data จนได้ระดับที่น่าพอใจแล้ว สิ่งถัดไปที่จะต้องพิจารณาเพิ่มเติม จะขอเขียนในโพสนี้อยู่ 2 เรื่อง คือ 1. การกระจายตัวของข้อมูล (Data Distribution) 2. สเกลของข้อมูล และ การปรับเปลี่ยนข้อมูลให้มีสเกลเดียวกัน ซึ่งทั้งสองเรื่องนี้ เป็นสิ่งสำคัญที่จะต้องทำก่อนที่จะนำข้อมูลไปสร้างเป็น Model Machine learning

อ่านต่อ
Image

การสร้างศักยภาพใน Dataops: การทำระบบให้เป็นอัตโนมัติเพื่อเพิ่มประสิทธิภาพในการจัดการข้อมูล

ในโพสที่แล้ว เขียนถึงเรื่อง Dataops ที่เป็น culture และมีกระบวนการในการจัดการข้อมูล หรือ data pipeline มีเรื่อง technical หลักๆอยู่ 3 อย่าง ได้แก่ Automation, Observability and Monitor และ Incident response

อ่านต่อ