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

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

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

cbinsights_startup-smart-city

Smarter City Data Startups

Tweet [Smart City][Startups] *source: http://whatsthebigdata.com/2016/03/28/55-smart-city-startups/   Smarter Cities Startup เป็นอีกกลุ่มหนี่งที่น่าสนใจครับ กลุ่มนี้เป็น Startup สำหรับ smart cities (IoT, smart data products) มีการแบ่งเป็นหลายๆกลุ่มย่อย ตามข้อมูลและการใช้ ซิ่งแต่หละ startup ก็พัฒนา data (science) products Parking – มีการนำข้อมูลจาก sensors ต่างๆทั้งที่จอดรถ ข้อมูลจำนวนที่จอดรถ มีระบบการจองรถ มี parking analytics (ParkWhiz, Parkifi,MeterFeeder) Grid/Energy – มีการนำ Analytics, algorithm มาใช้กับข้อมูลที่เชือมต่อกันของทั้งของ sensor ต่างๆเพื่อ วิเคราะห์ การใช้ไฟฟ้า Data-Driven Urban Planning – มีการใช้ hyperlocal data

environment-monitoring-using-technology

คำทำนายอนาคต Technology 2016 โดย Microsoft

Tweet คำทำนาย technology ต่างๆที่จะเกิดขิ้นในปีนี้ครับ by Microsoft 1. Get aware of your health in 2016: 2. Health technology will take a big leap: 3. People will get more aware of data collection: 4. Technology will monitor the environment better: 5. We will talk with the computers: 6. New Silicon architecture will take off: 7. Improved cloud

University_of_Pittsburgh_Carnegie_Mellon_University_UPMC_Form_Alliance_to_Transform_Health_Care_through_Big_Data._ml

ประโยชน์ของ Big Data กับวงการ Healthcare

Tweet [Big Data][Healthcare] ประโยชน์ของ Big Data ที่ชัดเจนอย่างหนึ่งคือกลุ่มของอุตสาหกรรมสุขภาพ การใช้ Big Data ในการรักษาพยาบาล การเก็บข้อมูล การวิเคราะห์อาการป่วย ทั้งของตัวเองและที่แชร์มาจากข้อมูลของคนอื่นทำให้เราสามารถวิเคราะห์อาการป่วยได้แม่นยำ วิเคราะห์วิธีการรักษาได้แม่นยำขึ้น  เช่น Fitbit  Jawbone หรือ Sumsang Gear Fit ใช้เป็นเครื่องมือในการเก็บข้อมูล และแบ่งปันข้อมูลกิจกรรมที่ทำประจำวันไม่ว่าจะเป็นการนอนหลับ การเดิน การวิ่ง ผ่าน Pedometer นี้   ในอนาคตอันใกล้ บริษัท Pittsburgh Health Data Alliance  ยังใช้ข้อมูลเรื่องของข้อมูลจากเครื่องบันทึกข้อมูลที่กล่าวมา ร่วมกับข้อมูลประกันสุขภาพ ข้อมูลพันธุกรรม ในการออกแบบประกันสุขภาพ  นอกจากนี้ Apple กับ IBM ได้ร่วมมือกันในการเชื่อมโยงข้อมูลของผู้ใช้กับระบบ Cloud ของ IBM (Watson Health) ซึ่งอาจจะนำไปสู่นวัตกรรมใหม่แห่งการรักษา แต่แน่นอนว่า การแบ่งปันข้อมูลก็ต้องตามมาด้วยความมั่นคงและความปลอดภัยของข้อมูลซึ่งเป็นของข้อมูล เช่นกัน เดือน

UberData

Data Science Platform at Uber

Tweet [Data Science][Platform] ในอเมริกาได้มีการจ้างงาน Data Scientist มาทำงานในหลายๆส่วนขององค์กร และเริ่มมีการพูดถึงก้าวต่อไปของการขยาย Data Science ให้มีscale ที่ใหญ่ขึ้นเพื่อรองรับความเพิ่มขึ้นของข้อมูล(Big Data) และความต้องการในการสร้าง Data Product ใหม่ๆ เมื่อพูดถึงการ scale ก็หลีกเลี่ยงไม่ได้ที่จะพูดถึง platform และการทำงานร่วมกัน collaboration ระหว่าง data science professionals เพื่อให้เกิดประสิทธิภาพสูงสุด ตัวอย่างที่น่าสนใจของ Uber ครับ ซึ่งได้ scale จำนวน Data Scientist จาก 2 ถึง 35 คนภายในไม่ถึงปี ซึ่งในบทความกล่าวถึง 2 ตำแหน่งที่จำเป็นในการสร้าง scalable data science platform ที่มีประสิทธิภาพครับ (1) Data Science Manager คือ บุคคลที่สามารถทำหน้าที่ของ data

IMG_1722

Smart Algorithms และ AI

Tweet Smart Algorithms และ AI หลังจากที่ AlphaGo สามารถขนะ Lee Se-Dol ในการแข่งขัน โก๊ะได้นั้น ถือเป็นการจุดกระแสของ Smart Algorithm และArtificial Intelligence อย่างแท้จริง ทุกๆคนตื่นตัวกับคำว่า AI และ algorithm ที่ใช่ในการคิดเหมือนมนุษย์ ตงามก้าวหน้าที่มากกว่า ระบบอัจฉริยะแบบดั้งเดิม เป็น ระบบ AI ที่มี algorithm ที่เรียนรู้เองได้ และ พัฒนาเองได้ Smart algorithm เป็นส่วนหนึ่งที่ทำให้เกิด การ disrupt ในหลายๆธุรกิจ บริษัทที่บริหารแทกซี่ที่ใหญ่ที่สุดในโลก ไม่ได้มีรถแทกซี่จำนวนมาก แต่ มี smart algorithm ที่เชื่อมต่อ รถแท็กซี่ ผู้โดยสาร และ ราคาค่าโดยสารที่เหมาสม Alibaba บริษัทขายของออนไลน์ก็ไม่ได้มีสินค้าเป็นของตนเอง แต่มีการนำ algorithm มาใช้ในการเชื่อมต่อผู้ซื้อและผู้ขาย มีการแนะนำสินค้า มีระบบ automations มากมายที่สามารถรองรับ มีalgorithm ในการจัดการธุรกรรม ซื้อขายจำนวนมหาศาลได้ภายในไม่กี่วินาที Smart algorithm สามารถ disrupt ธุรกิจได้ หรือย่างที่ Garner เคยกล่าวว่าแนวโน้มในอนาคตจะเป็น  “Algorithmic Business” และมันจะเป็นพื้นฐานของทุกๆกิจกรรมในธุรกิจ   จากข้อมูล สู่ algorithm   ด้วยเทคโนโลยีที่ก้าวหน้าไปอย่างมาก บริษัทและผู้บริโภคได่สริางข้อมูลจำนวนมหาศาล มากขึ้น หลากหลายขึ้นทุกนาที องค์กรอย่าง Walmart มีข้อมูลจากร้านค้าเป็น petabyte ต่อวัน แต่การเก็บข้อมูลจำนวนมหาศาลดังกล่าวนี่ ไม่เพียงพอต่อการสร้างความได้เปรียบต่อคู่แข่งเลย องค์กรไม่ควรที่จะแค่การวิเคราะห์แบบง่ายๆกับข้อมูลเหล่านี้ สิ่งที่ควรทำคือ ค้นหา เข้าใจ และสร้าง คุณค่าของข้อมูล และนำมาพัฒนา algorithm ที่สามารถนำกลับมาใช้ได้ซ้ำๆ ทำให้เกิดประโยชน์แบบมากที่สุด Algorithm จะเป็นบ่งบอกว่าจะทำ action อะไร และมันจะถูกซ่อนอยู่ในระบบ หรือ software เพื่อให้ทำaction นั้นซ้ำๆ ซึ่ง action นี้เอง smart algorithm สามารถทำได้ดีกว่ามนุษย์  มีรายงานจากมหาวิทยาลัย Oxford ในด้านนี้เหมือนกันว่า 35%ของงานในอ้งกฤษ จะมีความเสี่ยงต่อระบบ smart algorithm นี้ ซึ่งในอเมริกาเองก็มีรายงานคล้ายๆกันและมีตัวเลขความเสี่ยงถึง 47% ตัวอย่างที่น่าสนใจ เช่น กองทุนและหลักทรัพย์ต่างๆเริ่มมีการนำ algorithm มาเขียนรายงานทางการเงิน ซึ่งสามารถเขียนได้ถึง 2000 เรื่องต่อนาที แน่นอนครับรายงานเหล่านี้ อาจจะเขียนได้แค่รายงานพื้นฐานที่ มาจากตัวเลขทางการเงินง่ายๆ เล่า รายได้ รายจ่าย การปันผลต่างๆ แต่ robot journalist ก็สามารถทำให้คนหลายๆคนตกงานได้นะครับ อีกตัวอย่างหนึ่ง น่าจะเป็น กองทุน Hong Kong VC ได้ใช้ algorithm ในการวิเคราะห์ข้อมูลจากหลายๆแหล่งเพื่อมาใช้ในการตัดสินใจเลือกลงทุน ซึ่ง algorithm นี้อาจจะยังไม่เก่งขนาดตัดสินใจเองได้ทั้งหมด แต่มันเป็นสิ่งที่บ่งบอกว่าแนวโน้มของalgorithmจะมีส่วนกับการตัดสินใจมากขึ้น ตัวอย่างสุดท้าย น่าจะเป็น algorithm ของ Chef Watson ซึ่งสามารถทำตัวเองเป็น chef ส่วนตัวได้ โดยจะมี algorithm ที่สามารถ สร้างอาหารจานโปรดของคุณ จากข้อมูลวัตถุดิบทั้งโลกที่มี ข้อมูลสารเคมีต่างๆในอาหาร รสชาติอาหารที่มนุษย์ชอบ และ เมนูอาการต่างๆที่มีในอินเตอรเน็ต ผู้ใช้ระบบแค่กรอกข้อมูลบางอย่าง และ chef จะแนะนำอาหารจานโปรดให้ได้เลยครับ   แล้ววิธีการนำ algorithm มาใช้ต้องทำอย่างไร ในรายงานมีการแนะนำ 5 ขั้นตอนครับ ลองคิดดูว่าระบบอะไรในธุรกิจของคุณที่สามารถ automate ได้ ลองคิดนอกกรอบดู คิดในสิ่งที่อาจจะเป็นไปมาได้ ใครจะเชื่อว่ารายงานทางการเงินสามารถ automate ได้? รวบรวมข้อมูลที่จำเป็นการสร้าง algorithm จำเป็นต้องใช้ข้อมูล ข้อมูลนั้นอาจจะเป็นข้อมูลที่มีอยู่แล้วแต่ไม่มีการ integrate กันหรืออาจจะเแ็นข้อมูลใหม่ๆที่น่าสนใจ และน่าจะมีผลทำให้เราพัฒนา algorithm ให้มีประสิทธิภาพมากยิ่งขึ้น เน้นการเก็บข้อมูลที่มีประสิทธิภาพและมีคุณภาพ เพราะแหล่งข้อมูลที่ไม่มีคุณภาพ ไม่สามารถทำให้เกิด algorithm ที่ดีได้ การพัฒนาalgorithm เป็นขั้นตอนทางวิทยาศาสตร์ มีการทดลองกับ training data การตรวจสอบทางสถิติ กับ test data การประเมินผล และที่สำคัญเป็นขั้นตอนต่อเนื่องและมีวงจรที่เป็นแบบแผน algorithmที่ดีจะมีการพัฒนาอยู่เรื่อยไปเพื่อรองรองความต้องการทางธุรกิจ ลงมือทำตั้งแต่ขั้นตอนแรกอีกครั้งค่อยๆปรับเปลี่ยนระบบที่มีอยู่ด้วย algorithm จนเกิดการเข้าใจและยอมรับในองค์กร   แปลและเรียบเรียง   โกเมษ Source: https://datafloq.com/read/algorithms-changing-business-how-to-leverage-them/1961                    

bank

Data Science, Banking และ FinTech

Tweet [Data Science][Banking][FinTech]   มีรายงานที่น่าสนใจกับ ความสำคัญของการนำ Data Science มาใช้กับ Fin Tech Startup ครับ By Cornelia Lévy-Bencheton ในธุรกิจการเงินการธนาคาร ข้อมูล เป็นสิ่งสำคัญ ข้อมูลเยอะก็ยิ่งสำคัญนะครับ แต่ การเก็บข้อมูลเยอะๆแต่ไม่มีการพัฒนาต่อยอด หรือ ค้นหา ความหมาย หรือ ความรู้จาก ข้อมูลนั้นๆ ถือเป็นการสูญเสียโอกาสอย่างยิ่ง ในช่วงหลายๆปีที่ผ่านมา มีการเกิดวิกฤตทางเศรษฐกิจ ซิ่งทำให้ ธนาคารขนาดใหญ่ มีงบประมาณน้อย หรือ มีงบก็อาจจะเน้นไปในด้านความปลอดภัย การตรวจสอบความถูกต้อง มากกว่าการค้นหาสิ่งใหม่ๆ หรือ ผลิตภัณฑ์ใหม่ๆมาสู่ตลาด มาให้กับลูกค้า หรือ บางครั้ง อาจจะละเลยการนำเทคโนโลยี ซิ่งมีการพัฒนาอยู่ตลอดเวลา มาประยุกต์ใช้เพื่อให้เกิดประโยชน์กับธุรกิจ และการชลอตัวของ ธนาคารขนาดใหญ่นี่เอง ทำให้ startupเล็กๆสามารถ นำ ศาสตร์ที่วิเคราะห์ข้อมูล มาประยุกต์ใช้กับกระบวนการทางธนาคารและการเงิน ทำให้เกิดการ disrupt

s2

Mr Mavin – Spark and Human

Tweet [Spark][Real-Time] เป็นหนึ่งตัวอย่างที่น่าสนใจกับการใช้ Spark ครับ IBM ได้สร้างหุ่นยนต์ที่มีการเรียนรู้ และ เป๋ายิ่งฉุบได้ หุ่นยนต์สามารถเรียนรู้pattern ของการออกกระดาษ กรรไกร ของผู้เล่นได้แล้วครับ     สิ่งที่น่าสนใจคือ มีการสร้าง algorithm ที่พูดโต้ตอบ แกล้งแซวให้เหมือนจริงด้วยครับ(ถุงแม้ว่าอาจจะใช้แค่ if then else ธรรมดา) และสิ่งที่น่าชื่นชมคือ Marvin มักจะไม่ชนะขาดครับ จะแค่ชนะ3-2หรือ 3-1 ครับ (อันนี้ผมอาจจะคิดมากไปเองครับ) เบื้องหลังของความ smart algorithm นี้คงจะประกอบไปด้วย การนำ machine มา learning การเลือกใช้ค้อนกระดาษกรรไกรของผู้ที่เคยเล่นมาก่อน บวกกับการอ่านรูปร่างลักษณะขอมือผู้แข่งขันเพราะต้องแปลภาษามือเป็นภาษาmachine แล้วจึงตัดสินใจว่าจะชนะแพ้หรือเสมอครับ น่าสนใจครับ ทางทีมงานได้มีโอกาสไปลองแข่งกับMarvinแล้วนะครับ ไก้ผลว่าเราชนะ3-1และMarvin ยังไม่สามารถตามความคิดของคนไทยได้ ทั้งในด้านการเขย่ามือ การสลับนิ้วหรือ การหงายมือ คนไทยเราสามารถทำให้ smart algorithm มึนได้ครับ

Facebook M

Tweet [Big Data][Facebook] Facebook ส่ง M ออกมา เป็น AI personal assistant ตัวใหม่เพื่อสู้กับค่ายอื่นๆ Siri(Apple), Cortana(Microsoft) และ Google Now (Google) Facebook M จะฝังตัวอยู่ใน Messenger และจะเป็น ผู้ช่วยในการทำกิจกรรมต่างเช่น เวลาเราคุยใน facebook messenger, M ก็จะแนะนร้านอาหาร ถามว่าจะให้จองร้านอาหาร จองตั่วเครื่องบิน ได้ (อะไรจะฉลาดขนาดนั้น)

dsth_ml_logo

Machine learning คืออะไร?

Tweet Machine learning คืออะไร? หนึ่งในวิธีการวิเคราะห์ข้อมูลเชิงอัตโนมัติ ที่วาง ชุดคำสั่งไว้ในคอมพิวเตอร์ เพื่อค้นหาความรู้ที่น่าสนใจจากฐานข้อมูลในระบบ โดยไม่ต้องโปรแกรมคอมพิวเตอร์ว่าหาข้อมูลน้ันที่ไหนตลอดเวลา ตัวอย่าง ของ machine learning รถgoogle ขับได้ด้วยตัวเอง สินค้าแนะนำ หนังแนะนำใน Amazon, NetFlix ลูกค้าทวีตถึงคุณ/ สินค้าคุณ ใน Twitter ระบบตรวจจับ การโกง วิเคราะห์การปรับราคา ผลลัพธ์ทาง web search เครดิต สกอร์ และข้อเสนอบัตรเครดิตใหม่ๆสำหรับลูกค้า การกรอง แสปม เพราะอะไรถึงเป็นที่นิยมมากขึ้น ฐานข้อมูลมีเพิ่มมากขึ้น วิธีการ และการพัฒนาการคำณวนมีประสิทธิภาพมากขึ้น ฐานเก็บข้อมูลมีราคาถูกลง Machine Learning วิธีที่นิยม Supervised learning โดยส่วนมากจะใช้ประวัติข้อมูลในอดีต เป็นโมเดลในการคำณวนผลลัพธ์ที่จะออกมากในอนาคต ชุดคำสั่งจะถูกกำกับไว้โดย output ที่ถูกกำหนดไว้แล้ว เมื่อ ใส่ input เข้าไป ชุดคำสั่งจะทำการเปรียบเทียบ output

dsth_ml_logo

Machine Learning คือ อะไร?

Tweet Machine Learning  คือ อะไร? #MachineLearningEssentials Machine Learning  คือ การ ศีกษาและพัฒนา computer algorithms เพื่อ ให้ machine เรียนรู้ และทำงานเองได้ (automate) โดยตัวอย่างง่ายๆ เช่นการให้ machine เรียนรู้คำนวนตัวเลขจำนวนมาก ที่ซับซ้อน และ สามารถสร้าง algroithms เพื่อแก้ปัญหาได้ด้วยตนเอง Machine Learning ยังสามารถทำงานที่ซับซ้อน เช่น การแบ่งแยก pattern ของข้อมูล การจัดกลุ่มของข้อมูลที่เหมือนกัน หรือ การทำนายต่างๆได้ด้วย ในศาสตร์ของ Data Science นั้น Machine Learning จะเน้นไปที่การ สร้าง Analytics Model จากเรียนรู้ ข้อมูลในอดีต เพื่อ สร้าง algrotihms เพื่อให้ทำงานที่ดีขิ้นในอนาคต ในยุคของ Big

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

ds

ความแตกต่างระหว่าง Machine Learning และ Data Mining (from SAS.com)

Tweet [Data Mining][Machine Learning] [Difference from SAS] What’s the difference between data mining, machine learning and deep learning? ความแตกต่างระหว่าง Machine Learning และ Data Mining (from SAS.com) –> Data mining discovers previously unknown patterns and knowledge. —>Machine learning is used to reproduce known patterns and knowledge, automatically apply that to other data, and then automatically apply