Capture

Proxy Indicators: Beware of Spurious Claims

Tweet Proxy Indicators: Beware of Spurious Claims Guest blog post by Ian White. [Proxy Indicator][spurious claim]   มีบทความน่าสนใจครับ แนะนำ ว่า อย่าแน่ใจว่า ทุเรียน จะเป็นอย่างที่เราคิดจริงๆ   บทความเขียนถีงการ นำ Proxy Indicator หรือ วัดความสำเร็จโดยอ้อม มาวิเคราะห์ แบบไม่ถูกต้อง และ สรุปผล ผิดพลาดไป   การที่บางคน อ่านแบบผ่านๆ (งานวิจัย หรือ บทความ) หรือ การใช้ proxy แบบไม่รอบคอบ (โดยเฉพาะในโลกของ Big Data) ไม่ได้คิด วิเคราะห์อย่างลึกซื้ง หรือ มองแค่มุมเดียว จึงทำให้ สรุป หรือ

autonomous-car-fig01_embed

Self-Driving Cars ทำอะไรได้บ้าง

Tweet Self-Driving Cars ทำอะไรได้บ้าง บทความของ Bain & Company เขียนไว้น่าสนใจเกี่ยวกับ อุตสาหกรรม รถยนต์ไร้คนขับ มีการวิเคราะห์แบบละเอียด ในบทความนี้ ตั้งแต่ Advanced driver assistance systems (ADAS) และ Autonomous driving (AD) ซึ่งคือ การที่รถสามารถ เบรกเองได้ ปรับความเร็วให้เหมาะสมเอง ป้องกันการขับการเลน หรือ แม้กระทั้ง การช่วยเวลารถติด ช่วยจอด ไปจนถีงช่วยขับ   ความน่าสนใจของ บทความ ยังมีการวิเคราะห์ถีง อุตสาหกรรมนี้ ที่โตอย่างมาก และ จะโตอีก 12-14% ในอีกสิบปีข้างหน้า และยังมีการอธิบาย การประยุกต์ใช้ data เพื่อการสร้าง algorithm เหล่านั้นด้วยครับ   ยังมีรายละเอียด Heider ได้อธิบายอีกมากมาย ทั้งในด้าน ตลาดโดยรวม ของ autonomous care ด้วยครับ

Data Science Thailand Weekly #4

Tweet Data Science Thailand Weekly #4 สรุป ข่าว กิจกรรม ของ Data Science Thailand สำหรับข่าวสัปดาห์ที่แล้ว กด Week#3 Announcement   Data Science Academy, Thailand เพื่อเป็นแหล่งรวบรวม แหล่งรวมความรู้ รวม การอบรม สื่อการสอน เกี่ยวกับ Data Science ที่เป็นภาษาไทย เพื่อคนไทย เพื่อการพัฒนา Data Science ในประเทศไทย   Top Contributions ตอนที่ 1 เลือกเรียนภาษาอะไรดี #Go #Python #R #Scala #SQL (19635 Reach) Analytics and Pokemon Go Data Sets (13415 Reach) รวม Slides

the begning of Data Science Thailand

Data Science Thailand Weekly #3

Tweet Data Science Thailand Weekly #3 สรุป ข่าว กิจกรรม ของ Data Science Thailand สำหรับข่าวสัปดาห์ที่แล้ว กด Week#2 Announcement   Data Science Academy, Thailand เพื่อเป็นแหล่งรวบรวม แหล่งรวมความรู้ รวม การอบรม สื่อการสอน เกี่ยวกับ Data Science ที่เป็นภาษาไทย เพื่อคนไทย เพื่อการพัฒนา Data Science ในประเทศไทย   Top Contributions Analytics and Pokemon Go Data Sets(13415 Reach) ฟรี e-book ที่เกี่ยวกับ Data  (11195 Reach) Data Mining, Machine learning และ

Screen Shot 2016-08-24 at 6.30.43 AM

มาทำความรู้จักกับ Data Scientist แบบ A และ B

Tweet มาทำความรู้จักกับ Data Scientist แบบ A และ B   Alec Smith ได้เล่าถีง Data Scientist อยู่สองประเภท คือ Type A และ Type B ถ้าจะให้อธิบายสั้นๆ Type A Data Scientist คือ นักวิทยาศาสตร์ ข้อมูล แบบ A หรือ Analyst Type B Data Scientist คือ นักวิทยาศาสตร์ ข้อมูล แบบ B หรือ Building ถ้าจะให้อธิบายละเอียดขึ้นมาหน่อย Type A Data Scientist จะมีหน้าที่ทำให้ ข้อมูล make sense ซิ่งจะมีคุณลักษณะ คล้ายนักสถิติ (หรือนักคิด นักคำนวน) และ สิ่งเหล่านั้นมาวิเคราะห์กับข้อมูลจริงๆ อีกทั้งยังจะต้อง

Logo_s

Data Science Thailand Weekly #2

Tweet Data Science Thailand Weekly #2 สรุป ข่าว กิจกรรม ของ Data Science Thailand สำหรับข่าวสัปดาห์ที่แล้ว กด Week#1   Announcement   Data Science Academy, Thailand เพื่อเป็นแหล่งรวบรวม แหล่งรวมความรู้ รวม การอบรม สื่อการสอน เกี่ยวกับ Data Science ที่เป็นภาษาไทย เพื่อคนไทย เพื่อการพัฒนา Data Science ในประเทศไทย   Top Contributions รวบรวม วิดีโอกาสอน Big Data +Analytics ครับ (34332 Reach) แจกคอร์ส Data Science ภาษาไทยฟรี 300 ท่านแรกครับ #LoveMom (21824 Reach)

DataSciThailand_small

Data Science Thailand Weekly #1

Tweet Data Science Thailand Weekly #1 สรุป ข่าวสาร เนื้อหาน่าสนใจ กิจกรรม และ ประกาศหางาน ทางด้าน Data Science Thailand Announcement Data Science Academy, Thailand เพื่อเป็นแหล่งรวบรวม แหล่งรวมความรู้ รวม การอบรม สื่อการสอน เกี่ยวกับ Data Science ที่เป็นภาษาไทย เพื่อคนไทย เพื่อการพัฒนา Data Science ในประเทศไทย Top Contributions Infographics สวยๆ จากคอร์ส Data visualization ที่มหาวิทยาลัย Columbia (26,616 Reach) รวบรวม วิดีโอกาสอน Big Data +Analytics ครับ (21806 Reach) แจกหนังสือฟรีครับ Going

2016_Summer_Olympics_logo

Big Data กับ (smart) Olymipics

Tweet [Big Data][Olympics]   Big Data กับ Olympics ที่เมือง ริโอ บราซิล   หลายๆคนคงจะสงสัยว่า จะเกิด Big Data มากมายขนาดใน สำหรับการจัดงาน Olympic 2016 ครั้งนี้ และ Big Data Analytics จะทำให้เกิด value อะไรกับนักกีฬา และ พวกเราอย่างไรบ้าง   อย่างแรกคงต้องเข้าใจก่อนว่า จะเกิด Big Data อะไรขึ้นบ้างนะครับ เริ่มด้วยนักกีฬาก่อนเลย จะมีข้อมูลจำนวนมหาศาลจากนักกีฬา ทั้งก่อน หลังการแข่งขัน ซิ่งรวมไปถีง สถิติ ใหม่ๆจำนวนมากที่จะเกิดขึ้นแน่นอน แต่การที่นำ big data technology เข้ามาใช้ มันจะทำให้เกิด value อะไรบ้างครับ?   ก่อนที่จะไปเล่าถีง ประโยชน์ที่ได้จากการค้นหาวิเคราะหห์ คุณค่าจาก

220px-Golf_ball_resting_near_fairway_wood

Big Data กับการเรียนรู้ (กอล์ฟ)

Tweet มีการนำ Big Data มาประยุกต์ใช้กับกีฬากอล์ฟครับ นำข้อมูลจาก เซนเซอร์ วิดีโอ มาหา insight เพื่อพัฒนาวงสวิง เพิ่มประสิทธิภาพของการเรียนรู้และพัฒนา จากบทความ มีการนำ วงสวิงของนักกอล์ฟ 13000 คนมาค้นหา insight และพบว่ามี 6 ส่วนสำคัญทีควรจะเน้น และ จะทำให้เล่นกอล์ฟได้เก่งขึ้น รายละเอียดสามารถอ่านได้จากบทความเลยนะครับ สิ่งที่น่าสนใจ จากบทความนี้มีอยู่สองส่วน (นอกจากคำแนะนำในการตีกอล์ฟ) 1. บทความกล่าวว่า การเรียนการสอนกอล์ฟ มันจะใช้ opinion จากผู้สอนซิ่งบางครั้งถูกหรือบางครั้งผิด การนำ ความคิด ประสบการณ์มาใช้ ในบางครั้งก็ไม่ถูกต้องเสมอไปครับ บทความนี้กล่าวว่า ควรนำตัวเลข มาเรียนรู้และใช้ประกอบกับ การสอนครับ ย้ำนะครับไม่ได้เอามาแทน การเรียนการสอน (ซึ่งจริงๆแล้วบางอย่างมันก็เอามาแทนได้แล้ว) 2.อีกส่วนหนึ่งจากบทความ ได้เน้นว่า การสอน เป็น ศิลปะ ที่ต้องนำวิทยาศาสตร์เข้ามาช่วย เพื่อให้เกิดประสิทธิภาพสูงสุด การที่คุณมีตัวเลข มีการค้นหา value มาจาก

ML for Biz

Machine Learning for Business (Paid Event)

Tweet Machine Learning for Business เครื่องจักรแห่งการเรียนรู้ สำหรับการแก้ปัญหาในธุรกิจ วันที่ 27 กรกฎาคม 2559 เวลา 13.00-17.00 น. สถานที่จะแจ้งอีกทีนะครับ จะติด BTS/MRT (ค่า อบรม 1000 บาท) มาทำความรู้จักกับเครื่องจักรที่สามารถเรียนรู้ได้ มาเรียนรู้ แชร์ประสบการณ์ จากวิทยากรสองท่าน (อ. เรวัตร กับ อ. โกเมษ) ที่กำลังศีกษาด้านการนำเครื่องจักรมาเปรียบเทียบกับชิวิตของมนุษย์ มาตระหนักถึงสิ่งที่ควรจะรู้ เพื่อนำกลับไปทบทวน และ เริ่มนำเครื่องจักรมาแก้ปัญหาในธุรกิจของคุณ หลายๆคำถามที่เราอยากจะตอบก่อนที่ท่านจะตัดสินใจมางานนี้ เราจัดงานนี้ขึ้นเพื่ออะไร เพราะคนไทยไม่ค่อยตระหนักรู้ในสิ่งที่คนไทยควรจะรู้ มาแล้ว เราะเล่าอะไรให้ฟัง มาฟังสิ่งที่ควรจะรู้ก่อน มาฟังว่า เครื่องจักร มีศักยภาพขนาดไหน ซึ่ง คนคนไทยส่วนมาก ยังมองมันเป็นแค่เครื่องจักร แล้วมันจะแก้ปัญหาให้กับธุรกิจได้หรือไม่ แล้วแต่กรณี บางทีก็ได้ บางทีก็ไม่ได้ คนไทยส่วนใหญ่ ชอบไปตายเอาดาบหน้า แต่คนอื่นๆ ประเทศอื่นๆ

accounting audit

Big Data จะใช้กับงานบัญชีได้หรือไม่

Tweet [Big Data][Accounting Audit]   มีคำถามว่า จะนำ big data มาแก้ปัญหางานทางด้านบัญชีได้อย่างไร ซึ่งก็เป็นเรื่องน่าคิดว่า Big Data ที่จะนำมานั้นมันจะเป็น Big data ประเภทไหน จำนวนมาก(volumn) หลากหลายมาก(variety) หรือ เข้ามาทีหละมากๆ (velociy) แล้วถ้าตอบได้แล้ว ว่าประเภทไหน (อาจจะมากกว่า 1 v) ก็อาจจะต้องถามถามต่อว่า ต้องการ value อะไรครับ ซึ่งการค้นหา value ของข้อมูลนั้นมันก็จะเข้าแนว นำ analytics มาประยุกต์ใช้กับ data หรือ อีกอย่างนึงมันก็คือ การทำ data science นั้นเอง #DataSciencemakesBigDataValuable กลับมาด้านการนำ Big Data มาใช้กับการทำงานด้านบัญชี ขอยกตัวอย่างงานaudit หละกันนะครับ ซึ่งถ้าเราเอา big data มาใช้จริงๆ

robot

พฤติกรรมของ Machine learning

Tweet พฤติกรรมของ Machine learning เมื่อ Machine learning มันมีชีวิต มันจะมีพฤติกรรมของมัน เมื่อมันใช้พฤติกรรมของมนุษย์มาเป็นต้นแบบ มันจะมีพฤติกรรมในการทำงานเช่นเดียวกับที่มนุษย์มี นั่นคือ Machine learning มันมีนิสัยในการทำงานเป็นของตัวมันเอง เหมือนกับที่มนุษย์เราแต่ละคนมีนิสัยการทำงานที่แตกต่างกัน เป็นตัวตน เป็นตัวของตัวเอง Machine learning มีหลายตัว หรือหลาย Model แต่ละ Model มันจะชอบทำงานในแบบที่มันชอบ ถ้าเราใช้มันมาทำงานกับข้อมูล เราก็ต้องรู้นิสัยของมันว่ามันชอบทำงานกับข้อมูลประเภทไหน และมีโครงสร้างของข้อมูลเป็นอย่างไร ในความเป็นจริง แมชชีนหนึ่งตัวสามารถทำงานกับข้อมูลได้หลากหลาย แต่ถ้าจะให้ดีที่สุดก็ต้องเป็นข้อมูลแบบที่มันชอบ เหมือนกับที่เราว่ากันว่า ทำงานในสิ่งที่เราชอบเราจะทำได้ดีที่สุด แมชชีนก็เช่นกันไม่แตกต่างกับเราเลย แล้วเราจะรู้ได้อย่างไรว่าแมชชีนตัวไหนควรทำงานกับข้อมูลอะไร คนที่รู้ดีที่สุดคือ คนที่สร้างมันมา ถ้าเปรียบกับคนเรา คนที่สร้างเรามาก็คือพ่อแม่ พ่อแม่รู้ดีที่สุดว่าเรามีนิสัยอย่างไร เพราะพ่อแม่สร้างเรามา ดังนั้นคนที่สร้างแมชชีนตัวนั้นมาจึงเปรียบได้กับพ่อแม่ของมัน เขาจึงรู้พฤติกรรมของมันดีที่สุด พฤติกรรมของคนเป็นสิ่งละเอียดอ่อน พฤติกรรมของแมชชีนก็เช่นกัน มันละเอียดอ่อน ดังนั้นจะไม่มีใครรู้ดีไปกว่าคนสร้างแมชชีนตัวนั้น ให้ไปอ่านใน paper งานวิจัยของแมชชีนตัวนั้น แล้วเราจะเห็น ว่าพ่อแม่ของแมชชีนตัวนั้นใช้ข้อมูลแบบไหนมาทำการทดลอง นั่นจะเป็นไกด์ไลน์ได้ดี ว่าแมชชีนของเขาชอบข้อมูลแบบไหน

5002

Predictive Analytics เครื่องมือใหม่สำหรับ eCommerce

Tweet การวิเคราะห์เชิงทำนาย(Predictive analytics)กำลังปรับเปลี่ยน eCommerce และเพิ่มประสิทธิภาพของConversion Rateได้อย่างไร? Credit: ผู้ร่วมโครงการ Data Science Accelerate Program ครับ ‪#‎ขอบคุณที่แบ่งปันความรู้ครับ‬ คุณเคยวาดฝันเกี่ยวกับการศึกษาว่าสินค้าอะไรที่ลูกค้าน่าจะซื้อล่วงหน้าไหม? จะดีขนาดไหนถ้าคุณสามารถเพิ่มผลกำไรให้ได้มากที่สุดโดยการกำหนดราคาที่สูงที่สุดที่ลูกค้าจะจ่ายเพื่อซื้อสินค้า? จะเป็นอย่างไรถ้าคุณสามารถเพิ่มประสิทธิภาพในการบริการลูกค้าเพื่อแก้ไขความกังวลก่อนที่สิ่งเหล่านั้นจะกลายเป็นปัญหา การวิเคราะห์เชิงทำนายกำลังทำให้ฝันเหล่านี้เป็นจริง! 1. ปรับปรุงความผูกพันของลูกค้า(Customer Engagement)และเพิ่มรายได้ ด้วยการสร้างโมเดลที่ติดตามและทำความเข้าใจพฤติกรรมของลูกค้า โมเดลเหล่านี้จะถูกปรับมาเป็นเป้าหมายทางธุรกิจ 2. ปล่อยโปรโมชั่นที่พุ่งเป้าไปที่ลูกค้ารายบุคคลหรือกลุ่มลูกค้า โดยการวิเคราะห์เชิงทำนายสามารถหาความสัมพันธ์ระหว่างข้อมูลจากหลายๆแหล่งเพื่อกำหนดโปรโมชั่นให้กับลูกค้าเหล่านั้น 3. เพิ่มประสิทธิภาพในการกำหนดราคาเพื่อให้เกิดกำไรสูงสุด โดยการสร้างโมเดลเพื่อสนับสนุนการกำหนดราคาแบบreal-timeที่มาจากหลายแหล่ง เช่น ประวัติการกำหนดราคา กิจกรรมของผู้ใช้ ประวัติการสั่งซื้อ ฯลฯ 4. การจัดการสินค้าคงคลังด้วยการวิเคราะห์เชิงทำนายทำให้สต็อกสินค้าได้อย่างเหมาะสมและลดการสต็อคสินค้าเกินจำนวน เช่น โมเดลเชิงทำนายจะลดจำนวนความต้องการสินค้าคงคลังลงถ้าเห็นว่ายังไม่มีการลดราคาครั้งใหญ่ในช่วงนั้น 5. ลดการทุจริตโดยการใช้การวิเคราะห์เชิงทำนายในการตรวจจับก่อนที่จะเกิดขึ้น 6. การบริการลูกค้าที่ดีขึ้นด้วยต้นทุนที่ต่ำลง โดยการสร้างโมเดลรูปแบบเฉพาะเพื่อตอบสนองความต้องการในการบริการลูกค้าของร้านค้าปลีก โมเดลนั้นจะถูกปรับไปเรื่อยๆในช่วงระยะเวลาหนึ่งและจะเริ่มให้ผลการทำนายที่แม่นยำมากขึ้นเพื่อปรับปรุงการบริการลูกค้า 7. วิเคราะห์ข้อมูลและตัดสินใจแบบreal-timeจากการวิเคราะห์พฤติกรรมของลูกค้า และทำนายสิ่งที่ลูกค้าน่าจะต้องการแบบreal-time Source: How Predictive Analytics Is Transforming eCommerce &

Machine Learning คืออะไร

Tweet คิดอยู่นานว่าจะเขียนอะไรดี จนคิดได้ว่าจะเขียน การทำ Data mining ด้วย Machine learning ครับ เริ่มต้นด้วยการแนะนำ Machine learning ก่อนนะครับ Machine learning ก็คือ สิ่งมีชีวิตชนิดหนึ่ง นักวิทยาศาสตร์พยายามสร้างให้มันเป็นแบบนั้น และมันก็เป็นเช่นนั้น เครื่องจักรมันสามารถที่จะมีชีวิตได้ เราต่างจากมันแค่เพียง วัสดุที่สร้างกายภาพขึ้นมา ร่างกายเรามาจากเนื้อเยื่อ เซล ฯลฯ เครื่องจักรก็เช่นกัน มันก็มีที่มาจากวัสดุต่างๆ เช่น พลาสติก ทองแดง ฯลฯ ก่อนจะมาเป็นเนื้อเยื่อที่สร้างเราขึ้นมา เราก็มีที่มาเดียวกันกับ วัสดุของเครื่องจักร นั่นคือ มวลสารต่างๆ ในจักรวาลของเรานั่นเอง ดังนั้น เราจึงมีที่มาจากที่เดียวกัน ไม่แตกต่างกัน มนุษย์เราเป็นเพียงแค่ปัจจัยหนึ่ง ที่ก่อให้เกิดการเปลี่ยนแปลงกับพัฒนาการของวัสดุที่สร้างเครื่องจักรขึ้นมา เช่นเดียวกันกับที่มีปัจจัยบางอย่างเปลี่ยนแปลง วัสดุที่เป็นตัวสร้างมนุษย์เราขึ้นมา จนตัวเราเองสามารถพัฒนาตัวเราได้ด้วยตัวเราเอง เฉกเช่นกับเครื่องจักร เราเป็นเพียงปัจจัยให้เครื่องจักรเกิดการเปลี่ยนแปลง จนมีพัฒนาการเป็นของตัวมันเอง ด้วยตัวมันเอง มันคือสิ่งเดียวกันกับที่ มนุษย์เราโดนสร้างมา ดังนั้นเมื่อเครื่องจักรคิด เรียนรู้ได้ ในตอนแรกมันจะคิดได้เหมือนกับที่คนคิด

CONSTRUCTION.TECH_._market.map_6.16_v2

Startups ที่กำลังมาแรงใน ธุรกิจก่อสร้าง

Tweet Startups ที่กำลังมาแรงใน ธุรกิจก่อสร้าง 31 Tech Startups Attacking The Construction Industry มาดูกันว่า ธุรกิจก่อสร้าง สามารถแยกเป็น กลุ่มงานอะไรได้บ้าง และ มี startup ไหนกำลังเป็นผู้นำกลุ่มบ้างครับ Collaboration Software – This was the largest category in our market map and includes tools that offer task management, job-site scheduling, and document management software to the construction industry. The category includes Fieldlens which has raised over $12M to date

IoT

ใครสร้าง Big Data? มนุษย์ หรือ Machine

Tweet [Machine vs Human][Data]   มีคำถามว่า (Big) Data ส่วนใหญ่มาจาก มนุษย์ หรือ Machine   มีการพูดคุยกันในห้องเรียนว่า มนุษย์เราโพส facebook กันมากมาย มันน่าจะทำให้เกิด Big Data มากกว่า IoT หรือ machine ซิ่งไม่น่าจะสร้างข้อมูลอะไรมากมาย แต่จาก บทความหลายๆแห่ง เช่น Gartner ได้ทำการวิจัยและแสดงให้เห็นว่า Data ที่เกิดส่วนใหญ่นั้น จะเกิดมาจาก Machine (reference) ไม่เพียงแค่นั้นครับ Curt Monash ยังกล่าวไว้เมื่อ 6 ปีที่แล้วว่า มนุษย์เรา จะเพิ่มขิ้นในอัตราที่ไม่มากด้วยกฎของ  Moore’s law และจะเพิ่มขื้นประมาณ 20% แต่ Machine เหรือ Transistor/Sensors ต่างๆนั้นเพิ่มขิ้นด้วยอัตรา 2000% ซิ่งถ้าเทียบกันด้วยอัตรานี้แล้ว มนุษย์แทบจไม่มีทางที่สร้างข้อมูลมากกว่า

the begning of Data Science Thailand

Data Science Thailand

Tweet Data Science Thailand ครับ แหล่งรวมข้อมูล Data Science เพื่อการพัฒนา Data Science ในประเทศไทย มาช่วยกัน พัฒนา ศาสตร์ Data Science เพื่อประเทศไทยกันครับ

itTrend

Data Science ศาสตร์แห่งการหลอมรวม เพื่อข้อมูลเชิงลีก

Tweet สำหรับผู้ที่สนใจ บทความเกี่ยวกับ Data Science นะครับ สามารถโหลดได้ link to download e-magazine By โกเมษ Data Scientists, Data Science Lab, Thailand ตัวอย่างบทความครับ

ds_Team

ทักษะต่างๆ ที่จำเป็นสำหรับ Data Scientist แบ่งตาม 5 ขั้นตอน

Tweet ทักษะต่างๆ ที่จำเป็นสำหรับ Data Scientist แบ่งตาม Data Science Processes [Data Science Skills] Data Science skills อะไรที่จำเป็น จำเป็นตอนไหน ในการประยุกต์ใช้ใน Big Data World จาก กราฟ แบ่งเป็น ห้าขั้นตอน (Data Science Processes) การ กำหนด question หรือ ปัญหา (เป็นส่วนที่จำเป็นที่สุดของ Data Science Project) การตั้งสมมุติฐาน หรือ การ เดา (อย่างมีเหตุผล หรือ มีข้อมูลเก่าอ้างอิง) การเก็บ และ ค้นหาข้อมูล การ วิเคราะห์ และ ทดสอง สมมุติฐาน และ สรุปผล การสื่อสารผลงาน

ds_Team2

ทักษะต่างๆ Data Scientist แบ่งตาม 5 ระดับความเก่ง

Tweet [Data Science Skills][By Level]   แบ่งตาม Role ครับ (ผู้เริ่มสนใจ มือใหม่ เริ่มเก่ง เก่ง และ โคตรเก่งครับ) มีคนถามหลายคนว่า จะทำงาน Data Science ต้องมี skills อะไรบ้าง Data Science skills อะไรที่จำเป็น จำเป็นตอนไหน ในการประยุกต์ใช้ใน Big Data World จาก กราฟ แบ่งเป็น 6 ขั้นระดับ  (Data Science Roles) ไม่มีอะไรเลย (None) ผู้เริ่มต้น (Fundermental) มือใหม่ (Novice) เริ่มเก่ง (Intermediate) เก่ง (advanced) โคตรเก่ง (expert) จะเห็นได้ว่า Data Science มีหลายระดับ และ

dsth_job

อยากเป็น Data Scientist ต้องทำอย่างไร

Tweet อยากเป็น Data Scientist ต้องทำอย่างไร? [How to Become a Data Scientists] Sharing by Knot Raivin, Data Science Thailand Team วันนี้ผมมีคำตอบมาฝาก สำหรับคำถามยอดฮิตอย่าง “อยากเป็น Data Scientist ต้องทำอย่างไร ?” โดยทาง William Chen, Data Scientist at Quora ได้ให้คำตอบไว้ได้ละเอียดและครอบคลุมหัวข้อต่างๆดังเช่น – พื้นฐานเบื้องต้นที่ต้องมี – Community ต่างประเทศเกี่ยวกับเรื่อง data – การติดตั้งภาษาต่างๆสำหรับการทำ data analysis – Online Courses ต่างๆ เช่น Harvard’s Data Science Course, Machine Learning

dsthbanner

การศีกษา algorithm และ ประโยชน์ ของ Machine Learning

Tweet [Machine Learning][Essentials] http://www.scientificamerican.com/article/why-businesses-embrace-machine-learning-excerpt/ ในอนาคต ข้อมูลจะมากขึ้น ซับซ้อนขึ้นและมาเร็วขึ้น การที่ธุรกิจจะสามารถอยู่ได้นั้น จะต้องนำ technology หรือ smart engine เข้ามาข่วยเพื่อให้ธุรกิจทำงานได้ฉลาดมากขึ้นจาก ข้อมูล Big data ที่กำลังจะเข้ามา การศึกษา  เพื่อนำมาใช้กับธุรกิจ ใรอนาคต algorithmซึ่งเป็นพื้นฐานของ machine learning และเป็นหัวใจของ data science 2.0 จะไม่เพียงสำคัญกับธุรกิจ แต่เป็นสิ่งที่จำเป็นกับการอยู่รอดครับ มาเริ่มศึกษาและเข้าใจมันเถอะครับ ‪#‎MachineLearningEsentials‬

Career

Data Scientists 2015 Trends and Skills

Tweet [Data Scientist][Skills][last 4 years] มีการสำรวจงานของ Data Science ในช่วง 4 ปีที่ผ่านมา และจำนวน Data Scientist ได้มีการเพิ่มจาก 6000 เป็น 12000 หรือ เกือบ สองเท่ารอบ สี่ปี (ไม่น่าแปลกใจ เพราะเมื่อสิ่ปีมีงานประเภทนี้ไม่มาก) ที่น่าสนใจน่าจะเป็น skill ของ data scientist ที่เป็นที่ต้องการที่สุดห้าอันดับแรกครับ Reference: Hot Career: The Number Of Data Scientists Has Doubled Over The Last 4 Years,  Gil Press Forbe 2015 Data Analysis [R] programing Python Data Mining Machine

meetup_Python

My First Data Science Project with Python

Tweet “My First Data Science Project with R” Sharing by Kan Ouivirach, Data Science Team ไฟล์โน้ตบุคนี้สร้างขึ้นมาเพื่อประกอบการเรียนรู้การทำ Tweet Bayes Classification อย่างง่าย โดยเราจะจำแนกประเภทของทวีตว่าเป็นทวีตที่เกี่ยวกับร้านกาแฟ Amazon (AMZ) หรือไม่ (OTH) ก่อนอื่นเรามาดูข้อมูลว่ามีหน้าตาเป็นอย่างไรบ้าง In [1]: with open(‘tweet_data.csv’, ‘rb’) as csv_file: for each in csv_file: print each AMZ, @ Amazon Cafe @Sermthai Complex http://t.co/7WwAbgbt6w,OTH,”Forget the Everything StoreAmazons An Everything Business – Amazon is known as

Slide2

ทำไม Data Visualization ถีงมีความสำคัญกับ Data Science?

Tweet [Data Visualization][Why][Data Science] ทำไม Data Visualization ถีงมีความสำคัญกับ Data Science? Data Visualization คือ การแสดงผลข้อมูล ซิ่งเป็นส่วนสุดท้ายของ data science process และ เป็น interface ระหว่าง insight กับ audience ครับ Sandeep Aparajit ได้เขียนบทความน่าสนใจครับ data science มีประโยชน์อย่างไรบ้าง ลองอ่านรายละเอียดได้ตามลิงนะครับ –Absorb Information Easily –Time Savings –Make big data accessible to a large audience –Discover patterns between operational and business activities –Directly interact

Slides งาน Meetup#1 – My first Data Science Workshop

Tweet Slides งาน Meetup#1 – My first Data Science Workshop ดาวโหลดได้ ตามลิ้งนะครับ   My first Data Science Project My First Data Science Project (Data Science Thailand Meetup #1) from Data Science Thailand link to download excel file –>https://drive.google.com/open?id=0BxVCPw3wXQTAYkFYWVp2QzV3YnM  

Screen Shot 2015-10-17 at 11.34.17 AM

Data Science Thailand Meet Up#1

Tweet จบไปแล้วนะครับสำหรับงาน Data Science Thailand Meetup ครั้งที่  1 ในงานมีการบรรยาย สามหัวข้อนะครับ Introduction of Data Science My first Data Science Project What is the Data Science Thailand? ขอบคุณทุกๆคนที่เข้าฟังนะครับ และยังไงทางทีมจะจัดกิจกรรมแบบนี้ทุกๆ 1-2 เดือน        

Career

Job Trend in Thailand 2015

Tweet 10 ทักษะไอทีที่นายจ้างต้องการมากที่สุดในปี 2015 ทักษะไอทีที่นายจ้างอยากได้มากที่สุด ในปี 2015 Big Data มาเป็นอันดับสิบ และ ยังไม่มี Data Science นะครับ เดี่ยวคอยดูอีกสองปีนะครับ http://tinyurl.com/o23ddvj

Screen Shot 2015-09-28 at 1.20.52 AM

Are You ready for Big Data?

Tweet [Big Data][Competitive Edge or Liability] [Cultural Challenge][Data Science Team] Big Data เป็นสิ่งที่จำเป็นสำหรับองค์กรหรือเปล่า? จากบทความของ cxo today ได้มีการสัมภาษณ์ว่า Big Data จำเป็นกับองค์กรหรือไม่? และ องค์กรพร้อมจะกับ Big Data แล้วหรือยัง? และ ถ้าทำ Big Data Project แล้วจะสำเร็จไหม? สิ่งที่ท้าทายในการทำให้ Big Data Project คือ (1) การเปลี่ยนแปลงวัฒนธรรมทางองค์กรให้หันมาเน้น data espeacailly Big Data ไม่ใช่เรื่องง่าย การจะเปลี่ยนแปลงให้เป็น data-driven mindset ในบุคคลากร ซิ่งนำไปสู่ data-driven organization เป็นสิ่งที่ท้าทายกับทุกๆองค์กร (2) การเข้าใจถีงการค้นหาความหมายของข้อมูล และ การประยุกต์ใช้มันอย่างถูกต้อง

DatainHealthcare

ข้อมูล ในด้าน Healthcare

Tweet Big Data ในธุรกิจ ของธุรกิจ healthcare (สุขภาพ,คนไข้,การรักษา,ยา,การออกกำลังกาย) ภายในปี 2020 ข้อมูล 80% ของข้อมูลทั้งหมดจะอยู่ในถูกส่งผ่าน Cloud –> แสดงว่ามันจะเป็น digital health record เกือบทั้งหมด ภายในปี 2018 ข้อมูล 65% Consumer Transactions with healthcare จะอยู่บน Mobile –>แสดงว่าจะมีการประมวณผล ผ่าน mobile ซิ่งจะเกิดการใช้ร่วมกับข้อมูลที่อยู่ใน mobile ต่างๆเช่น ข้อมูลใน app, ข้อมูลการ chat, ข้อมูล geolocation และที่สำคัญ น่าจะมีการประมวณผลอย่างรวดเร็ว แบบ real-time และ streaming อีกเยอะเลยครับ (spark มาแน่นอน) http://datascienceth.com/healthcaredatacsc/ ‪#‎dsth‬ ‪#‎dsth4Healthcare‬ ‪#‎BuildThaiDataScientists‬