Latest

Transformers ในงาน Data Science

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
Narut Soontranon
ทำงานกับ Gen AI ด้วย Python

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
Narut Soontranon
จัดการกับ Outliers

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
Narut Soontranon
Ethical & Responsible AI

Ethical & Responsible AI

เป็นเรื่องที่สำคัญในการพัฒนาและใช้งาน AI มีประเด็นสำคัญ ดังนี้ 1. ความเป็นธรรมและการลดอคติ (Fairness & Bias mitigation) * ทำให้มั่นใจว่าระบบ AI ไม่เลือกปฏิบัติต่อบุคคลหรือกลุ่มบนพื้นฐานของลักษณะที่ได้รับการคุ้มครอง เช่น เชื้อชาติ เพศ อายุ หรือศาสนา
Narut Soontranon
Data Scientist in 2030

Data Scientist in 2030

การคาดการณ์บทบาทของนักวิทยาศาสตร์ข้อมูลในปี 2030 อาจเป็นเรื่องที่ยาก เนื่องจากเทคโนโลยีมีการพัฒนาอย่างรวดเร็ว อย่างไรก็ตาม แนวโน้มและทักษะที่ต้องการอาจจะเป็น 1. การทำงานร่วมกับ AI ขั้นสูง * การพัฒนาและปรับแต่งโมเดล AI ที่ซับซ้อนมากขึ้น * การตีความและอธิบายผลลัพธ์
Narut Soontranon
DevOps และ DataOps

DevOps และ DataOps

ความหมายและความแตกต่างระหว่าง DevOps และ DataOps DevOps DevOps คือแนวทางปฏิบัติที่รวมการพัฒนาซอฟต์แวร์ (Dev - Development) และการปฏิบัติการด้านไอที (Ops - Operations) เข้าด้วยกัน เป้าหมายหลักของ DevOps คือ 1. การส่งมอบซอฟต์แวร์ที่เร็วขึ้น 2. การปรับปรุงการทำงานร่วมกั
Narut Soontranon
5 เทคนิคในการทำ Data Visualization

5 เทคนิคในการทำ Data Visualization

1) รู้จักกลุ่มผู้ฟัง (Audience)  การทำความเข้าใจกลุ่มผู้ฟังถือเป็นกุญแจสำคัญในการทำ Data Visualization อย่างมีประสิทธิภาพ สามารถตอบสนองความต้องการและความคาดหวังได้ เช่น นักลงทุนเน้นที่ตัวชี้วัดทางการเงิน ในขณะที่ผู้จัดการให้ความสำคัญกับประสิทธิภาพในการดำเนินงาน ผู้เชี
Narut Soontranon