Latest

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
ความแตกต่างระหว่าง AI และ Data Science

ความแตกต่างระหว่าง AI และ Data Science

AI และ Data Science เป็นคำที่ถูกพูดถึงอยู่บ่อยครั้ง แม้ทั้ง 2 เรื่อง จะมีสิ่งที่ซ้อนทับกันอยู่มาก แต่สามารถแยกความแตกต่างได้ดังนี้ 1) คำจำกัดความและสิ่งที่มุ่งเน้น 🤖 AI (ปัญญาประดิษฐ์) * เน้นการสร้างระบบอัจฉริยะที่เลียนแบบพฤติ
Narut Soontranon
AB Test ในกระบวนการผลิต

AB Test ในกระบวนการผลิต

Data Science ถูกนำไปใช้ในหลายอุตสาหกรรม รวมถึงการเพิ่มประสิทธิภาพในกระบวนการผลิตของโรงงาน (Manufacturing) เพื่อให้แน่ใจว่าผลลัพธ์จาก Data Science Modelได้ดีกว่ากระบวนการเดิม จึงต้องมีการทดสอบเปรียบเทียบ (AB Test) การทำ AB Test สำหรับ Data Science Models ในกระบวนการผลิต 1. กำหนดสมมติฐาน: ระบุให้
Narut Soontranon
ความท้าทายของ AI Journey

ความท้าทายของ AI Journey

องค์กรต่างๆ กำลังปรับตัวไปสู่ AI-Driven Organization เพื่อใช้ประโยชน์จากความก้าวหน้าของ AI ในการสนับสนุนธุรกิจ แต่ก็มีความท้าทายหลากหลายมิติ ที่ต้องคำนึงถึง ความท้าทายหลักๆ ในการพัฒนาและใช้งาน AI ดังนี้ 1. ด้านข้อมูล * คุณภาพและปริมาณข้อมู
Narut Soontranon
LLMs มีประสิทธิภาพดีพอแล้ว?

LLMs มีประสิทธิภาพดีพอแล้ว?

เราจะรู้ได้อย่างไรว่า Large Language Models (LLMs) ที่พัฒนาขึ้น มีประสิทธิภาพดีพอแล้ว? Blog นี้ จะพูดถึงการประเมินประสิทธิภาพของ LLMs พร้อมตัวอย่างการใช้งานและ Python Code import numpy as np from sklearn.metrics import accuracy_score, precision_recall_fscore_support from
Narut Soontranon
Attention Mechanisms ใน Machine Learning

Attention Mechanisms ใน Machine Learning

Attention Mechanisms คืออะไร? เป็นเทคนิคที่ใช้ใน Artificial Neural Networks (ANN) เพื่อมุ่งเน้นไปที่ส่วนเฉพาะของข้อมูล Input เมื่อสร้างผลลัพธ์ กลไกนี้ช่วยให้ Model สามารถให้น้ำหนักความสำคัญกับองค์ประกอบต่าง ๆ ในลำดับข้อมูล Input ได้อย่างเป็น Dynamics แนวคิ
Narut Soontranon
Text-to-Image AI (Ep.2)

Text-to-Image AI (Ep.2)

Text-to-Image AI ได้รับความสนใจและมีความสามารถเพิ่มขึ้นอย่างมากในช่วงไม่กี่ปีที่ผ่านมา มีรายละเอียดดังนี้ 1. เทคโนโลยีพื้นฐาน: * Deep Learning: ใช้โครงข่ายประสาทเทียมหลายชั้น (Multi-layered Neural Networks) เพื่อเรียนรู้ความสัมพันธ์ระหว่างข้อความและภาพ * Transfer Learning: ใช้ Model ที่ผ่านการ Train
Narut Soontranon
Text-to-Image AI (Ep.1)

Text-to-Image AI (Ep.1)

เทคโนโลยี Gen AI (Generative AI) สร้างภาพจากข้อความ (Text-to-Image AI) เป็นนวัตกรรมล่าสุดในวงการปัญญาประดิษฐ์ ที่กำลังเปลี่ยนแปลงวิธีที่เราสร้างและจินตนาการภาพ เทคโนโลยีนี้ใช้ Advanced AI Model ที่สามารถแปลงคำอธิบายจากข้อความให้กลายเป็นภาพที่สมจริงและสร้างสรรค์ หลักการทำงานของ AI ประเภทนี้คือการรับคำอธิบายเป็นข้
Narut Soontranon
ประวัติศาสตร์ของปัญญาประดิษฐ์ (AI)

ประวัติศาสตร์ของปัญญาประดิษฐ์ (AI)

ทศวรรษ 1950 - การกำเนิดของ AI: • 1950: Alan Turing ตีพิมพ์ "Computing Machinery and Intelligence" เสนอ Turing Test สำหรับ Machine Intelligence • 1956: การประชุม Dartmouth จัดโดย John McCarthy, Marvin Minsky, Nathaniel Rochester และ Claude Shannon ถือเป็นจุดกำเนิดของ AI ในฐานะสาขาวิชา • 1957: Frank
Narut Soontranon
ChatGPT vs Applications อื่นๆ

ChatGPT vs Applications อื่นๆ

เปรียบเทียบระหว่าง ChatGPT กับ Applications อื่นๆ 1. ChatGPT เทียบกับ Gemini: * ทั้งสองเป็นโมเดล AI สำหรับการสนทนา * ChatGPT พัฒนาโดย OpenAI ส่วน Gemini พัฒนาโดย Google * Gemini สามารถเข้าถึงข้อมูลที่ Update กว่าผ่านอินเทอร์เน็ต * ChatGPT มักให้คำตอบที่สอดคล้
Narut Soontranon
Machine Learning Pipeline

Machine Learning Pipeline

คือ วิธีการแบบอัตโนมัติสำหรับขั้นตอนการทำงานของ Machine Learning Model ตั้งแต่การเตรียมข้อมูลไปจนถึงการประเมิน Model (Evaluation) เป็นลำดับของขั้นตอนต่างๆ ในการประมวลผลข้อมูล โดยผลลัพธ์ของขั้นตอนก่อนหน้า จะกลายเป็นข้อมูล Input ของส่วนถัดไป โดย Pipeline จะช่วยให้ 1.
Narut Soontranon
LLMs: Large Language Models

LLMs: Large Language Models

คือ Advanced AI Model ที่ได้รับการ Train ด้วยข้อมูลข้อความ (Text) จำนวนมหาศาล เพื่อให้สามารถเข้าใจและสร้างข้อความที่เหมือนมนุษย์ได้ ทำให้สามารถประยุกต์ใช้กับงานด้านการประมวลผลภาษาธรรมชาติ (Natural Language Processing, NLP) ได้หลากหลายรูปแบบ เช่น การสร้างข้อความ การแปลภาษา การสรุปใจความสำคัญ
Narut Soontranon
Explainable AI (XAI)

Explainable AI (XAI)

AI มีความเกี่ยวข้องกับชีวิตประจำวันของเรามากขึ้น แต่มีข้อกังวล คือ การตัดสินใจจาก AI เป็นเรื่องที่ผู้ใช้เข้าใจได้ยาก ดังนั้น Explainable AI หรือ XAI มีเป้าหมายที่จะทำให้การตัดสินใจเหล่านี้โปร่งใสและเข้าใจได้ง่ายขึ
Narut Soontranon