Latest

จากจุดวัดสู่แผนที่เมือง: เบื้องหลังการสร้างแผนที่ PM2.5

ทำไมเครื่องวัด PM2.5 มีแค่บางจุด แต่แอปกลับแสดงเป็นแผนที่สีครอบคลุมทั้งเมือง เหมือนวัดได้ทุกที่ ? ความจริงคือ เราไม่ได้วัดทุกตำแหน่ง แต่ใช้การคำนวณทางวิทยาศาสตร์มาช่วยเติมข้อมูลในจุดที่ไม่มีเซนเซอร์ เริ่มจาก สถานีวัดภาคพื

Reimagining Spatial Analysis with Generative AI

Gen AI for Spatial (Data) Analysis คือ การใช้ Generative AI มาช่วยทำงานกับ ข้อมูลที่มีพิกัดบนแผนที่ เช่น ภาพถ่ายดาวเทียม แผนที่ เมือง การจราจร น้ำท่วม ฯลฯ ต่างจาก AI ทั่วไปที่ “ทำนาย” Gen AI สามารถ “สร้างข้อมูลเชิงพื้นที่ใหม่

AI 3 ยุค: จากการทำนาย สู่การสร้าง และการลงมือทำแทนมนุษย์

วิวัฒนาการของความฉลาดของ AI ใน 3 ยุค” — จาก ทำนาย, ไปสู่ สร้าง, และ ลงมือทำแทนมนุษย์ได้ 1. Predictive AI = “AI ทำนาย” AI ประเภทนี้เก่งเรื่อง วิเคราะห์อดีต -> ทำนายอนาคต ทำงานอย่างไร เรียนรู้จากข้อมูลในอดีต แล้วหา patterns เช่น * ใครมีแนวโน้

Hidden Preferences: The Magic of NMF in Recommenders

NMF (Non-negative Matrix Factorization) คือ เทคนิค Matrix Factorization แบบหนึ่ง ที่แยกเมทริกซ์ใหญ่ ๆ ออกเป็นเมทริกซ์เล็ก 2 ตัว โดยมีเงื่อนไขว่า ค่าทุกตัวต้องเป็นบวกหรือศูนย์เท่านั้น ถ้ามีเมทริกซ์พฤติกรรมผู้ใช้ $$ R \approx W

แนะนำร้านให้แม่น ด้วยพลังของ Collaborative Filtering

Merchant Recommendation ด้วย Collaborative Filtering แนวคิดหลักคือ “ผู้ใช้ที่มีพฤติกรรมคล้ายกัน มักชอบร้านคล้ายกัน” เรา ไม่ต้องรู้รายละเอียดร้าน ก็แนะนำได้ จากพฤติกรรมการใช้งาน 1) เตรียมข้อมูล สร้างตารางพฤติกรรมการใช้งาน user_id merchant_id interaction U1

Digital Twin: Where Data Meets Reality

Digital Twin คือแนวคิดที่เอาของจริง (เครื่องจักร คน ระบบ เมือง ฯลฯ) มาสร้างเป็น แบบจำลองดิจิทัลที่มีชีวิต และ อัปเดตตามข้อมูลจริงตลอดเวลา ในมุมของ Data Science จะไม่ใช่แค่โมเดลนิ่ง ๆ แต่เป็น ตัวแทนเสมือนที่คิด

CNN: จากพิกเซลสู่ความเข้าใจ

CNN (Convolutional Neural Network) คือโมเดล Deep Learning ที่ออกแบบมาเพื่อ เข้าใจข้อมูลที่เป็นภาพ (Image) โดยเฉพาะ แต่ปัจจุบันยังนำไปใช้กับเสียง วิดีโอ และข้อมูลเชิงพื้นที่อื่น ๆ ได้ด้วย “สมองที่ค่อย ๆ มองภาพจากรายละเอียดเล็ก ไป

ปัญหาของ Deep Learning: Vanishing vs Exploding Gradients

Vanishing and Exploding Gradients เป็นปัญหาที่พบบ่อยตอนฝึก (train) Neural Networks (NN) โดยเฉพาะ Deep NN และ RNN ดังนี้ 1. Vanishing Gradient คือ Gradient มีค่าน้อยมาก ๆ ใกล้ศูนย์ → น้ำหนักชั้นต้น ๆ แทบไม่ถูกอัปเดต → โมเดล “เรียนไม่ไป” เกิ

Backpropagation คืออะไร ทำไม Neural Network ถึงฉลาดขึ้น

Backpropagation คือวิธีที่โมเดล Neural Network ใช้ เรียนรู้จากความผิดพลาดของตัวเอง แบบเป็นขั้นตอน แนวคิด ทำนาย → วัดว่าผิดแค่ไหน → ย้อนกลับไปแก้ค่าน้ำหนัก ขั้นตอน 1) Forward pass (ทำนายก่อน) * ป้อนข้อมูลเข้า Neural Network * ข้อมูลไหลจากซ้าย

Generative vs Discriminative Models: เมื่อ AI ต้องสร้าง กับ ต้องตัดสิน

เปรียบเทียบระหว่าง Generative Models และ Discriminative Models 1. แนวคิด Generative Models * เรียนรู้ distribution joint ของข้อมูล P(x, y) = P(x|y)P(y) * พยายามเข้าใจว่า “ข้อมูลถูกสร้างขึ้นอย่างไร” * สามารถ generate ตัวอย่างใหม่ได้ เช่น ภาพ, ข้อความ,

เมื่อข้อมูลเริ่มเรียนรู้: Deep Learning เบื้องต้น

Deep Learning คือการสอนคอมพิวเตอร์ให้ “คิดและเรียนรู้” คล้ายสมองมนุษย์ โดยใช้โครงสร้างที่เรียกว่า Artificial Neural Network (ANN) ซึ่งเลียนแบบการทำงานของเซลล์ประสาทในสมอง จินตนาการว่า * สมองมนุษย์ มีเซลล์ประสาท (Neuron) เชื่อมต่อกันเป็นเครือข่าย * Deep Learning ก็สร้างเครือข่ายคล้ายกั

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:

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

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: