nerd-data

Sign in Subscribe

Latest

Tool Calling: เมื่อ AI ไม่ได้แค่ “ตอบ” แต่สามารถ “ลงมือทำ”

Tool Calling: เมื่อ AI ไม่ได้แค่ “ตอบ” แต่สามารถ “ลงมือทำ”

AI ยุคแรก ๆ มีหน้าที่หลัก คือ Generate Text — เราถาม และ AI ตอบ แต่ AI Agent ต้องมีประสิทธิภาพมากกว่านั้น สามารถ เรียกใช้เครื่องมือ (Tools) เพื่อทำงานจริง เช่น ค้นข้อมูลจาก Database, เรียก API, เช็ก Stock,
Narut Soontranon

Data Science

Data Science & AI ในธนาคาร: จากความท้าทายสู่ความสำเร็จ

Data Science & AI ในธนาคาร: จากความท้าทายสู่ความสำเร็จ

ความท้าทาย และ เทคโนโลยีที่นิยมใช้ ในการ Implement Data Science และ AI ในธนาคาร 1. ความท้าทายหลัก (Challenges) 📊👨🏻‍💻 ด้านข้อมูล (Data Challenges) 1) ข้อมูลกระจายอยู่หลายระบบ * Core banking, CRM, ระบบบัตรเครดิต, ระบบสินเชื่อ ฯลฯ ทำให้ต้องใช้เวลาใน ETL และ Data Integration 2) คุ
Narut Soontranon

Gen AI

Agentic AI Architecture: เบื้องหลัง AI Agent ที่ทำงานเป็นทีม

Agentic AI Architecture: เบื้องหลัง AI Agent ที่ทำงานเป็นทีม

AI Agent ไม่ใช่แค่ Chatbot ที่ตอบคำถามเก่งขึ้น แต่คือ ระบบที่สามารถ วางแผน ตัดสินใจ เรียกใช้เครื่องมือ และทำงานหลายขั้นตอนให้สำเร็จ เบื้องหลัง AI Agent มักประกอบด้วยองค์ประกอบสำคัญหลายส่วน Planner: คิดว่าจะทำอะไร เมื่อได้รับเป้าหมายใหญ่ Agent จะเปลี
Narut Soontranon

machine learning

Three Ways Machines Learn

Three Ways Machines Learn

Machine Learning (ML) หากจะแบ่งตามประเภทของการเรียนรู้ สามารถแบ่งได้ 3 ประเภท ดังนี้ Supervised Learning เหมือนกับการให้ Machine เรียนรู้แบบมีผู้สอน (จาก ค่าเป้าหมาย ‘Target’ หรือ ตัวแปร Output) จะทำการเรียนรู้ซ้ำๆ (iteration) ไปเรื่อยๆ จนกว่าการทำนายจะใกล้เคียงกับค่าเป้าหมาย ตัวอย่างเช่
Narut Soontranon

AI

More

application

More

algorithm

More