Data Science

เปิดสูตรลับการตลาดธนาคารด้วย Data Science

เปิดสูตรลับการตลาดธนาคารด้วย Data Science

🧠 การแบ่งกลุ่มลูกค้าธนาคารด้วย Data Science และ Machine Learning เพื่อการทำการตลาดแบบเฉพาะบุคคล (Personalization) มีเทคนิคที่หลากหลาย ในบทความนี้ จะพูดถึงเทคนิคกลุ่มต่างๆ ดังนี้ 1. การทำ Clustering (การแบ่งกลุ่มแบบไม่ต้องมี Label) เทคนิคยอดนิยม * K-Means Clustering: แบ่งลูกค้าเป็น k กลุ่มจากพฤติ
Narut Soontranon
ก้าวแรกสู่สาย Data: เครื่องมือไหนใช้ทำอะไร?

ก้าวแรกสู่สาย Data: เครื่องมือไหนใช้ทำอะไร?

เทคโนโลยีและเครื่องมือสำหรับ Data Scientist สำหรับผู้เริ่มต้น 1. การเก็บข้อมูล (Data Collection) * SQL / Excel / APIs: ใช้ดึงข้อมูลจากฐานข้อมูลหรือเว็บไซต์ * ตัวอย่าง: ดึงข้อมูลยอดขายจากระบบร้านค้า หรือเว็บราคาหุ้น 2. การเตรียมข้อมูล (Data
Narut Soontranon
จาก 0 สู่ Data Scientist: เรียน Python ภายใน 1 เดือน

จาก 0 สู่ Data Scientist: เรียน Python ภายใน 1 เดือน

ภาษา Python เป็นหนึ่งในเครื่องมือที่สำคัญของ Data Scientist ใช้ในการทำความเข้าใจ Data สร้าง Machine Learning Model แผนเรียน Python for Data Science ใน 1 เดือน สัปดาห์ที่ 1: Python พื้นฐาน + เตรียมความพร้อมด้าน Data เป้าหมาย: เข้าใจโครงสร้างภาษา Python และรู้วิ
Narut Soontranon
AI จะพาเราไปไหน? ส่องเทรนด์มาแรง 2025

AI จะพาเราไปไหน? ส่องเทรนด์มาแรง 2025

🔑 ในปี 2025 เทรนด์ของ Data Science และ AI กำลังเปลี่ยนแปลงอย่างรวดเร็วและลึกซึ้ง โดยเฉพาะในด้านการทำงานอัตโนมัติ การวิเคราะห์เชิงสาเหตุ และการผสานเทคโนโลยีขั้นสูงเข้ากับชีวิตประจำวัน แนวโน้มสำคัญที่ควรจับตามอง 1. Agentic AI: ระบบอัตโนมัติที่ตัดสินใจได้เอง Agentic AI
Narut Soontranon
เมื่อแผนที่มีเวลา: วิเคราะห์เชิงสาเหตุในมิติพื้นที่และกาลเวลา

เมื่อแผนที่มีเวลา: วิเคราะห์เชิงสาเหตุในมิติพื้นที่และกาลเวลา

วิเคราะห์เชิงสาเหตุในมิติพื้นที่และกาลเวลา หรือ Spatiotemporal Causal Analysis Spatiotemporal Causal Analysis คืออะไร? Spatiotemporal Causal Analysis คือการวิเคราะห์เพื่อหาความสัมพันธ์เชิงสาเหตุ (Causal Relationship) ระหว่างเหตุการณ์หรือปัจจัยต่างๆ ที่เปลี่ยนแปลงทั้งในเชิง ตำแหน่ง (Spatial) และ
Narut Soontranon
Correlation ไม่เท่ากับ Causation! เข้าใจโมเดลเชิงสาเหตุแบบง่าย ๆ

Correlation ไม่เท่ากับ Causation! เข้าใจโมเดลเชิงสาเหตุแบบง่าย ๆ

Causal Modeling คืออะไร? Causal Modeling คือกระบวนการวิเคราะห์เพื่อหาว่า “อะไรเป็นเหตุ” และ “อะไรเป็นผล” ในข้อมูล เช่น แทนที่จะดูแค่ว่าปัจจัย A กับ B มีความสัมพันธ์กันไหม (correlation) เราต้องการรู้ว่า A ทำให้เกิด B หรื
Narut Soontranon
แผ่นดินไหว กับ Data Science

แผ่นดินไหว กับ Data Science

แม้ว่านักวิทยาศาสตร์จะไม่สามารถทำนายการเกิดแผ่นดินไหวอย่างน่าเชื่อถือได้โดยการระบุ เวลา สถานที่ และความรุนแรง แต่สามารถประมาณความน่าจะเป็นของการเกิดแผ่นดินไหวในพื้นที่บางแห่งในช่วงระยะเวลาหนึ่งได้ แหล่งข้อมูลอ้างอิง -> https://www.usgs.gov/faqs/can-you-predict-earthquakes การทำนายเทียบกับการคาดการณ์ล่วงหน้
Narut Soontranon