Sign in Subscribe
Narut Soontranon

Narut Soontranon

Data Science | AI | Machine Learning | Deep Learning
จะดึงข้อมูลยังไงดี? Batch, Streaming, Push หรือ Pull

จะดึงข้อมูลยังไงดี? Batch, Streaming, Push หรือ Pull

Data Ingestion คือกระบวนการ “พาข้อมูลจากต้นทาง (Source) เข้าสู่ระบบปลายทาง (Data Platform) เช่น Database, Data Warehouse, Data Lake หรือระบบ Analytics การออกแบบ Ingestion จะคิดจาก 2 เรื่องหลัก * ข้อมูลเข้ามาบ่อยแค่ไหน * ใครเป็นฝ่ายเริ่มส่งข้อมูล 1. Batch Processing แนวคิด:
Narut Soontranon
OVR vs OVO: ศึกสองแนวคิดของ Machine Learning

OVR vs OVO: ศึกสองแนวคิดของ Machine Learning

กลยุทธ์ One-vs-Rest (OvR) และ One-vs-One (OvO) เป็นวิธีการแปลงปัญหา Multi-class Classification ให้เป็นชุดของ Binary Classificationเพื่อใช้กับโมเดลที่รองรับแค่การจำแนก 2 Classes เช่น Logistic Regression, SVM เป็นต้น 1. One-vs-Rest (OvR) แนวคิด: สร้างโมเดลหนึ่งตัวต่อหนึ่งคลาส โดยเปรียบเทียบ
Narut Soontranon
รู้จัก Multi-Label Classification

รู้จัก Multi-Label Classification

Multi-label classification คือ การจำแนกข้อมูลที่หนึ่งตัวอย่างสามารถมีหลายป้ายกำกับ (labels) พร้อมกัน ไม่เหมือนกับ multi-class classification ที่หนึ่งตัวอย่างจะมีแค่หนึ่งคลาสเท่านั้น  ลักษณะสำคัญ * Multi-class: เลือก 1 คลาสจากหลายคลาส เช่น วัตถุ →[รถยนต์, คน, ถนน] * Multi-label:
Narut Soontranon
คอมพิวเตอร์มองเห็นเราได้ยังไง

คอมพิวเตอร์มองเห็นเราได้ยังไง

สิ่งที่ทำให้ Computer มองเห็นเราได้ คือ เทคโนโลยีที่เรียกว่า Computer Vision Computer Vision คืออะไร Computer Vision คือสาขาหนึ่งของ AI ที่ทำให้คอมพิวเตอร์ “มองเห็น วิเคราะห์ และเข้าใจภาพหรือวิดีโอได้เหมือนมนุษย์” คอมพิวเตอร์จะรับข้อมูลจาก * รูปภาพ * วิ
Narut Soontranon
แกะกล่อง AI

แกะกล่อง AI

Traditional AI (Discriminative) คือแนวคิดของโมเดล AI แบบดั้งเดิมที่เน้น แยกแยะ / ทำนาย (classification, prediction) จากข้อมูลที่มีอยู่ โดยเรียนรู้ความสัมพันธ์ระหว่าง input (X) → output (Y) โดยตรง อธิบายแบบง่าย ถามว่า “ข้อมูลนี้ เป็นอะไร?” หรือ “ควร เลือกคำตอบไหน?” ไม่สนใจว่
Narut Soontranon
โลกแห่งการเก็บข้อมูลและการประมวลผล

โลกแห่งการเก็บข้อมูลและการประมวลผล

✅ Data Warehouse * คือ ระบบเก็บข้อมูลที่ถูกจัดระเบียบและแปลงแล้ว เพื่อใช้สำหรับการวิเคราะห์เชิงธุรกิจ * จุดเด่น: ข้อมูลมีโครงสร้าง (Structured), เหมาะกับการทำรายงานและ BI (Business Intelligence) * ตัวอย่าง: ข้อมูลยอดขายที่รวมจากหลายสาขาแล้วทำเป็นตารางสำหรับวิเคราะห์ ✅ Data Lake * คื
Narut Soontranon
2P2R for Floods: จัดการน้ำท่วมด้วยข้อมูล

2P2R for Floods: จัดการน้ำท่วมด้วยข้อมูล

การบริหารจัดการน้ำท่วม โดยใช้ Framework 2P2R (Predict, Prepare, Response, Recovery) Predict (พยากรณ์) → Prepare (เตรียมการ) → Response (ตอบสนอง) → Recovery (ฟื้นฟู) 1) Predict – พยากรณ์น้ำท่วมล่วงหน้า 1.1 Time-Series Forecasting ใช้ข้อมูล historical + real-time เพื่อทำนาย * ระดับน้ำแม่น้ำ/คลอง (6–72
Narut Soontranon