รวมบทความเกี่ยวกับวิทยาศาสตร์ข้อมูล (Data Science) ซึ่งครอบคลุมถึงการวิเคราะห์ข้อมูล (Data Analysis), Machine Learning, และ Algorithms ในการสร้าง โมเดลทำนายผล (Predictive Model) ด้วยวิธีการต่าง ๆ ตั้งแต่ Linear Regression, Decision Tree, Random Forest, Neural Network ฯลฯ
ปัจจุบันการใช้ Deep Learning ในการทำนายผลได้รับความนิยมมากขึ้นเรื่อย ๆ เพราะสามารถแก้ปัญหาที่ Algorithms ทั่วไปไม่สามารถทำได้ เช่น Image Recognition ด้วย CNN หรือ Audio Transcript ด้วย RNN
แอดมูนได้มีโอกาสเข้าร่วมงานเปิดตัว TechJam 2019 เวทีประลองสุดยอดฝีมือด้านเทคโนโลยีและการออกแบบที่จะเข้ามาเป็นส่วนร่วมในการสร้างอนาคตของประเทศภายใต้ concept “Deep Jam” ซึ่งน่าตื่นเต้นมาก จะเป็นยังไงนั้น ตามไปอ่านกันเลยจ้า
แนะนำหนังสือสำหรับ Data Science แบบเป็นเล่ม ๆ เหมาะกับคนที่มาจากสายการศึกษา น่าจะชอบอ่านเป็นหนังสือ หรือตำรากันมากกว่าครับ ใครอยากเริ่มต้นก็อ่านได้เลย
Career Path ของ Data Scientist, การทำงานแบบ Agile, วิธีการรักษา Data Scientist ในทีม, วิธีการสัมภาษณ์คนเข้าทีม, การสร้างทีม Data Scientist ต้องมีตำแหน่งไหนบ้าง
คนมักเข้าใจว่า การจะเป็น Data Scientist ต้องเก่งทั้ง Hacking (การเขียนโปรแกรม), Maths & Statistics (คณิตศาสตร์), และ Substantive (ด้านธุรกิจ)
งานด้าน Data Analysis ถือเป็นงานที่สร้างประโยชน์อย่างมหาศาลแก่องค์กร โดยเฉพาะอย่างยิ่งในตลาดที่แข่งขันกันสูง อย่างธุรกิจด้านการขายสินค้าออนไลน์ (E-Commerce)
Zendesk บริษัทด้าน Support Chat Software ที่เข้าตลาดหุ้นอเมริกา พัฒนา Chatbot ด้วย Natural Language Processing บน Tensorflow Serving และเทคนิค Data Engineering
สถานการณ์ของ
จะดีแค่ไหนถ้ามีเครื่องมือที่โยนข้อมูลเข้าไปแล้วนั่งรอ ก็ได้โมเดลที่แม่นยำออกมาเสร็จสรรพ แถม Deploy ขึ้นออนไลน์ให้อัตโนมัติ ไม่ต้องมานั่งดู Server เอง
เมื่อ 3 ปีที่แล้ว แอดอยู่ในจุดที่สนใจด้าน Data Science แต่ไม่รู้จะเริ่มต้นยังไงดี จนมาตอนนี้แอดได้เริ่มงานในตำแหน่ง Data Scientist ที่ออสเตรเลีย
ใน 1 ปีที่ผ่านมา แอดโชคดีที่มีโอกาสได้ทำหลายอย่างมาก ๆ ทั้งด้าน Data Science, Data Engineer, Data Visualization ในบริษัทใหญ่ ๆ ในตลาดหุ้นออสเตรเลีย