Explainable AI (XAI)
AI มีความเกี่ยวข้องกับชีวิตประจำวันของเรามากขึ้น แต่มีข้อกังวล คือ การตัดสินใจจาก AI เป็นเรื่องที่ผู้ใช้เข้าใจได้ยาก
ดังนั้น Explainable AI หรือ XAI มีเป้าหมายที่จะทำให้การตัดสินใจเหล่านี้โปร่งใสและเข้าใจได้ง่ายขึ
Latest
Transformers ในงาน Data Science
Transformers คือ Deep Learning Model ประเภทหนึ่งที่มีความสำคัญมากในวงการวิทยาศาสตร์ข้อมูล (Data Science) โดยเฉพาะอย่างยิ่งในด้านการประมวลผลภาษาธรรมชาติ (Natural Language Processing, NLP)
สิ่งที่ควรรู้เกี่ยวกับ Transformers คือ
1. เป็นสถาปัตยกรรมโมเดลที่นำเสนอในปี 2017 ผ่านบทความวิจัยชื่อ "Attention Is All You
ทำงานกับ Gen AI ด้วย Python
Gen AI หรือ Generative Artificial Intelligence คือระบบ AI ที่สามารถสร้างเนื้อหาใหม่ได้ เช่น ข้อความ (text) รูปภาพ (image) โค้ด (code) หรือเสียง (audio) โดยอาศัยรูปแบบและข้อมูลที่ได้เรียนรู้มาจากชุดข้อมูล Train ระบบเหล่านี้ใช้เทคนิค Advanced Machine
จัดการกับ Outliers
Garbage in, garbage out.
ค่าผิดปกติ (Outliers) จำเป็นต้องถูกจัดการ ก่อนนำข้อมูลไปสร้าง Machine Learning Model ตัวอย่างการจัดการกับค่า Outliers โดยใช้ Python code ดังนี้
import numpy as np
import pandas as pd
from scipy import stats
# ข้อมูลตัวอย่าง
Ethical & Responsible AI
เป็นเรื่องที่สำคัญในการพัฒนาและใช้งาน AI มีประเด็นสำคัญ ดังนี้
1. ความเป็นธรรมและการลดอคติ (Fairness & Bias mitigation)
* ทำให้มั่นใจว่าระบบ AI ไม่เลือกปฏิบัติต่อบุคคลหรือกลุ่มบนพื้นฐานของลักษณะที่ได้รับการคุ้มครอง เช่น เชื้อชาติ เพศ อายุ หรือศาสนา
Data Scientist in 2030
การคาดการณ์บทบาทของนักวิทยาศาสตร์ข้อมูลในปี 2030 อาจเป็นเรื่องที่ยาก เนื่องจากเทคโนโลยีมีการพัฒนาอย่างรวดเร็ว อย่างไรก็ตาม แนวโน้มและทักษะที่ต้องการอาจจะเป็น
1. การทำงานร่วมกับ AI ขั้นสูง
* การพัฒนาและปรับแต่งโมเดล AI ที่ซับซ้อนมากขึ้น
* การตีความและอธิบายผลลัพธ์
DevOps และ DataOps
ความหมายและความแตกต่างระหว่าง DevOps และ DataOps
DevOps
DevOps คือแนวทางปฏิบัติที่รวมการพัฒนาซอฟต์แวร์ (Dev - Development) และการปฏิบัติการด้านไอที (Ops - Operations) เข้าด้วยกัน เป้าหมายหลักของ DevOps คือ
1. การส่งมอบซอฟต์แวร์ที่เร็วขึ้น
2. การปรับปรุงการทำงานร่วมกั