Latest

Reimagining Spatial Analysis with Generative AI

Reimagining Spatial Analysis with Generative AI

Gen AI for Spatial (Data) Analysis คือ การใช้ Generative AI มาช่วยทำงานกับ ข้อมูลที่มีพิกัดบนแผนที่ เช่น ภาพถ่ายดาวเทียม แผนที่ เมือง การจราจร น้ำท่วม ฯลฯ ต่างจาก AI ทั่วไปที่ “ทำนาย” Gen AI สามารถ “สร้างข้อมูลเชิงพื้นที่ใหม่
Narut Soontranon
AI 3 ยุค: จากการทำนาย สู่การสร้าง และการลงมือทำแทนมนุษย์

AI 3 ยุค: จากการทำนาย สู่การสร้าง และการลงมือทำแทนมนุษย์

วิวัฒนาการของความฉลาดของ AI ใน 3 ยุค” — จาก ทำนาย, ไปสู่ สร้าง, และ ลงมือทำแทนมนุษย์ได้ 1. Predictive AI = “AI ทำนาย” AI ประเภทนี้เก่งเรื่อง วิเคราะห์อดีต -> ทำนายอนาคต ทำงานอย่างไร เรียนรู้จากข้อมูลในอดีต แล้วหา patterns เช่น * ใครมีแนวโน้มจะยกเลิ
Narut Soontranon
Hidden Preferences: The Magic of NMF in Recommenders

Hidden Preferences: The Magic of NMF in Recommenders

NMF (Non-negative Matrix Factorization) คือ เทคนิค Matrix Factorization แบบหนึ่ง ที่แยกเมทริกซ์ใหญ่ ๆ ออกเป็นเมทริกซ์เล็ก 2 ตัว โดยมีเงื่อนไขว่า ค่าทุกตัวต้องเป็นบวกหรือศูนย์เท่านั้น ถ้ามีเมทริกซ์พฤติกรรมผู้ใช้ $$ R \approx
Narut Soontranon
แนะนำร้านให้แม่น ด้วยพลังของ Collaborative Filtering

แนะนำร้านให้แม่น ด้วยพลังของ Collaborative Filtering

Merchant Recommendation ด้วย Collaborative Filtering แนวคิดหลักคือ “ผู้ใช้ที่มีพฤติกรรมคล้ายกัน มักชอบร้านคล้ายกัน” เรา ไม่ต้องรู้รายละเอียดร้าน ก็แนะนำได้ จากพฤติกรรมการใช้งาน 1) เตรียมข้อมูล สร้างตารางพฤติกรรมการใช้งาน user_id merchant_id interaction U1
Narut Soontranon
Digital Twin: Where Data Meets Reality

Digital Twin: Where Data Meets Reality

Digital Twin คือแนวคิดที่เอาของจริง (เครื่องจักร คน ระบบ เมือง ฯลฯ) มาสร้างเป็น แบบจำลองดิจิทัลที่มีชีวิต และ อัปเดตตามข้อมูลจริงตลอดเวลา ในมุมของ Data Science จะไม่ใช่แค่โมเดลนิ่ง ๆ แต่เป็น ตัวแทนเสมือนที่คิด
Narut Soontranon
CNN: จากพิกเซลสู่ความเข้าใจ

CNN: จากพิกเซลสู่ความเข้าใจ

CNN (Convolutional Neural Network) คือโมเดล Deep Learning ที่ออกแบบมาเพื่อ เข้าใจข้อมูลที่เป็นภาพ (Image) โดยเฉพาะ แต่ปัจจุบันยังนำไปใช้กับเสียง วิดีโอ และข้อมูลเชิงพื้นที่อื่น ๆ ได้ด้วย “สมองที่ค่อย ๆ มองภาพจากรายละเอียดเล็ก ไป
Narut Soontranon
ปัญหาของ Deep Learning: Vanishing vs Exploding Gradients

ปัญหาของ Deep Learning: Vanishing vs Exploding Gradients

Vanishing and Exploding Gradients เป็นปัญหาที่พบบ่อยตอนฝึก (train) Neural Networks (NN) โดยเฉพาะ Deep NN และ RNN ดังนี้ 1. Vanishing Gradient คือ Gradient มีค่าน้อยมาก ๆ ใกล้ศูนย์ → น้ำหนักชั้นต้น ๆ แทบไม่ถูกอัปเดต → โมเดล “เรียนไม่ไป” เกิ
Narut Soontranon