Narut Soontranon

Narut Soontranon

Data Science | AI | Machine Learning | Deep Learning
Confusion Matrix

Confusion Matrix

Classification Model เป็นการพยายามทำนาย Class ถือเป็น Machine Learning ประเภท Supervised Learning หากค่าที่ต้องการทำนายมี 2 Classes เรียกว่า Binary Classification เช่น การทำนายลูกค้าที่จะ Churn หรือ Churn Prediction Model วิธีการวัดประสิทธิภาพของ Model สามารถพิจารณาได้จาก Confusion Matrix สิ่งที
Narut Soontranon
เทคนิคการสัมภาษณ์งานด้าน Data

เทคนิคการสัมภาษณ์งานด้าน Data

ในการสัมภาษณ์งานตำแหน่ง Data Scientist, Data Analyst หรือ ตำแหน่งงานในทีม Data อื่นๆ นอกจากความรู้พื้นฐานที่เกี่ยวข้องกับงานนั้นๆ แล้ว เราสามารถเตรียมตัวก่อนเข้าสัมภาษณ์ได้ มี 3 สิ่งที่จำเป็นต้องรู้ 1) รู้จักกับผู้สัมภาษณ์ (Know the interviewer)
Narut Soontranon
3 ปัจจัยในการพิจารณาคุณภาพข้อมูล

3 ปัจจัยในการพิจารณาคุณภาพข้อมูล

1) ความถูกต้องของข้อมูล (ดูเพิ่มเติมได้ที่ -> 5 คุณลักษณะ ของ Data Quality) * ความถูกต้อง (Accuracy) * ความสมบูรณ์ (Completeness) * ความน่าเชื่อถือได้ (Reliability) * ความเกี่ยวข้อง (Relevant) * ทันต่อเวลา (Timeliness) 2) กฎหมายและจริยธรรม * การปฏิบัติตามความเป็นส่วนตัว * การป้
Narut Soontranon
ETL Pipeline คืออะไร

ETL Pipeline คืออะไร

การมีข้อมูลคุณภาพดี มีความสำคัญมากสำหรับ Data Science Project แต่ข้อมูลมักมาจากหลายแหล่งและอยู่ในรูปแบบที่ไม่เป็นระเบียบ ข้อมูลบางส่วนมาจากฐานข้อมูล ในขณะที่บางส่วนมาจากไฟล์หรือเว็บไซต์ ข้อมูลดิบ (Raw data) เหล่านี้จึงไม่สามารถใช้งานในทันทีได้
Narut Soontranon
10 แหล่งข้อมูล ใช้ทำ Data Science

10 แหล่งข้อมูล ใช้ทำ Data Science

แหล่งข้อมูลที่เป็นไปได้สำหรับโครงการ Data Science 1) ข้อมูลภายในองค์กร * ข้อมูลธุรกรรม * ระบบ CRM * ERP Platform * ข้อมูลการบริการลูกค้า * ข้อมูลการขาย * ข้อมูลจากเว็บไซต์ * ข้อมูลจาก Mobile App * ข้อมูลจาก Marketing Email * เอกสารภายใน * ข้อมูลพนั
Narut Soontranon
Data Science Use Cases ในองค์กร

Data Science Use Cases ในองค์กร

1. วิเคราะห์ลูกค้า (Customer Analytics) * แบ่งกลุ่มลูกค้า (Customer Segmentation) * หามูลค่าที่ลูกค้าสร้างให้ (Customer Lifetime Value) * ทำลูกค้าค้าที่จะย้ายออก (Churn Prediction) * วิเคราะห์การเดินทางของลูกค้า (Customer Journey Analysis) * วิเคราะห์ความรู้สึก (Sentiment Analysis) * ระบบแนะนำสิ
Narut Soontranon
การพัฒนา AI และ Data Science Model

การพัฒนา AI และ Data Science Model

🤖 กระบวนการพัฒนา AI A. ขั้นตอนการวางแผน * กำหนดวัตถุประสงค์ * ระบุกรณีการใช้งาน * ประเมินความเป็นไปได้ * เลือกแนวทาง AI B. การเตรียมข้อมูล * การเก็บรวบรวมข้อมูล * การทำความสะอาดข้อมูล * การติดป้ายข้อมูล * การเพิ่มข้อมูล C. การพัฒนาโมเดล * การเลือกอัลกอริทึม * การออกแบบสถาปัตยกรรมโมเดล
Narut Soontranon