Sign in Subscribe

Narut Soontranon

Narut Soontranon

Data Science | AI | Machine Learning | Deep Learning

Feature Engineering อาวุธลับของ Data Scientist

Feature Engineering อาวุธลับของ Data Scientist

จินตนาการถึงหินก้อนใหญ่จากธรรมชาติ สามารถถูกนำไปแกะสลักสร้างผลงานชิ้นเอกได้ แต่ต้องใช้ทักษะและความรู้ของประติมากรในการเปลี่ยนวัตถุดิบให้กลายเป็นประติกรรมที่น่าทึ่ง ในทำนองเดียวกัน นักวิทยาศาสตร์ข้อมูล ทำงานกับข้อมูลดิบ แต่เพื่อปลดล็อกศักยภาพที่แท้จริง

สร้างประสบการณ์ส่วนบุคคลให้ลูกค้าด้วย Data Science

สร้างประสบการณ์ส่วนบุคคลให้ลูกค้าด้วย Data Science

ใช้ประโยชน์จากข้อมูลเพื่อสร้างประสบการณ์ส่วนบุคคลให้กับลูกค้าและเพิ่มผลตอบแทนการลงทุนด้านการตลาด ในโลกแห่ง Digital ลูกค้าถูกโจมตีด้วยข้อความทางการตลาดจากทุกทิศทุกทาง เพื่อให้มีความโดดเด่นเหนือคู่แข่งและเชื่อมต่อกับกลุ่มเป้าหมายที่แท้จริงได้ การสร้างประสบการณ์ส่วนบุ

Data Science Project แบบครบวงจร

Data Science Project แบบครบวงจร

การทำ Data Science Project แบบ end-to-end (ครบวงจร) เกี่ยวข้องกับขั้นตอนต่างๆ ตั้งแต่การแปลงข้อมูลดิบให้เป็น Solution ที่จัดการกับปัญหาเฉพาะ มีกระบวนการทั่วไปดังนี้ 1) กำหนดปัญหาและเป้าหมาย (Define Problem & Goal) * ระบุ Problem Statement: กำหนดอย่างชัดเจนถึงสิ่งที่จะทำให้สำเร็จ

จากการพัฒนาไปสู่การใช้งานจริงด้วย MLOps

จากการพัฒนาไปสู่การใช้งานจริงด้วย MLOps

MLOps เป็นสิ่งเติมเต็มระหว่าง Machine Learning Development (Dev) และ Production (Prod) MLOps ย่อมาจาก Machine Learning Operations หมายถึง แนวทางปฏิบัติที่ ทำให้กระบวนการนำโมเดล Machine Learning มาใช้ใน Production แบบอัตโนมัติ รวมถึงการปรับ Parameters และบำรุงรักษาให้มีประสิทธิภาพ โดยมีความท้าทายในการจั

เปิดเผยความลับของ Bias และ Variance

เปิดเผยความลับของ Bias และ Variance

ทำความเข้าใจระหว่าง Bias (อคติ) และ Variance (ความแปรปรวน) ในการพัฒนา Machine Learning Models การทำให้ได้ผลการคาดการณ์ที่แม่นยำ ทั้งในขั้นตอนการพัฒนา (Development) และ การใช้งานจริง (Deployment) ถือเป็นเป้าหมายสำคัญ มี 2 แนวคิดพื้นฐาน เรียกว่า Bias (อคติ) และ Variance (ความแปรปรวน) หากเข้าใจความสัมพั

ปฏิวัติการศึกษาด้วยวิทยาศาสตร์ข้อมูล

ปฏิวัติการศึกษาด้วยวิทยาศาสตร์ข้อมูล

Data Science กำลังทำให้มีการเปลี่ยนแปลงที่สำคัญในภาคการศึกษา โดยการใช้ข้อมูลเชิงลึกและเครื่องมืออย่างมีประสิทธิภาพ จะสามารถปรับปรุงประสบการณ์การเรียนรู้และผลลัพธ์ของผู้เรียนได้ มีตัวอย่าง Use cases การใช้ Data Science ในภาคการศึกษา ดังนี้ 1) Personalized Learning (การเรียนรู