Author: Nuchanat RongRoang

การตีความและการประยุกต์ใช้กราฟใยแมงมุม หรือ Radar Chart

บทความนี้ว่าด้วยการแปลผล การตีความหมายจากกราฟใยแมงมุม หรือ Radar Chart บางท่านอาจจะยังไม่เคยใช้เลย ด้วยเพราะไม่ทราบว่าใช้ทำอะไรได้บ้าง และไม่ทราบว่าจะตึความยังไง เมื่อเห็นผลลัพธ์ออกมาแล้ว และหลายๆ ท่านก็มักจะเลือกใช้กราฟแบบเดิมๆ เช่น กราฟแท่ง (Column Chart) กราฟวงกลมหรือ Pie Chart กราฟเส้น (Line Chart)

การเพิ่มประสิทธิภาพสำหรับธุรกิจ ขายของออนไลน์ (Productivity Improvement of E-Commerce)

ช่วงนี้ธุรกิจขายของออนไลน์ e-commerce หลายแห่ง ยอดขายเติบโตเพิ่มขึ้นเป็น 10 เท่าจากเดิม หรือถ้าเทียบเป็นเปอร์เซ็นต์อาจเติบโตเป็น 1000 % หรือมากกว่านั้นเลยก็เป็นได้ หากเรามีสินค้าที่ตรงกับความต้องการของลูกค้า เช่น หน้ากากอนามัย Face shield แอลกอฮอล์เจล ของแห้ง อาหารแห้ง รวมถึงสั่งอาหารออนไลน์ แบบส่งให้ถึงบ้าน เป็นต้น สิ่งที่เกิดขึ้นตามมาหลังจากมียอดขาย คืออะไรบ้าง สนใจอ่านรายละเอียดเพิ่มเติม

Datascientist

สรุปการฝึกอบรมหลักสูตร Data Scientist Essentials (ตอนที่ 7) : Introduction to deep learning

ความแตกต่างระหว่าง Machine Learning กับ Deep Learning และ Deep learning model and application สนใจอ่านรายละเอียดต่อ

Datascientist

สรุปการฝึกอบรมหลักสูตร Data Scientist Essentials (ตอนที่ 6) : Sentiment analysis on text data

แนะนำวิธีการจัดการข้อมูลที่เป็น text การเตรียมข้อมูลสำหรับสร้างโมเดล การแปลงข้อมูล Text ให้เป็นตัวเลขในตาราง สนใจอ่านรายละเอียดต่อ

Datascientist

สรุปการฝึกอบรมหลักสูตร Data Scientist Essentials (ตอนที่ 5) : Recommender system

แนะนำเทคนิคที่ใช้ใน Recommender system ได้แก่ Association analysis และ Collaborative filtering และแนะนำตัวอย่าง Application ที่ใช้ Association Rules สนใจอ่านรายละเอียดต่อ

Datascientist

ขั้นตอนการสร้างโมเดล สำหรับนักวิทยาศาสตร์ข้อมูล

สรุปการฝึกอบรมหลักสูตร Data Scientist Essentials (ตอนที่ 3) : อธิบายขั้นตอนการสร้างโมเดลสำหรับนักวิทยาศาสตร์ข้อมูล 1) ทำความเข้าใจข้อมูล (Data Understanding) 2) การเตรียมข้อมูล (Data Preprocessing) 3) การสร้างโมเดลและการประเมินโมเดล (Model Training and Model Evaluation) สนใจอ่านรายละเอียดเพิ่มเติม

Datascientist

สรุปการฝึกอบรมหลักสูตร Data Scientist Essentials (ตอนที่ 4) : การสร้างโมเดลใช้เทคนิค Unsupervised and Supervised Machine Learning

การสร้างโมเดลมี 2 หัวข้อหลักๆ ถ้าข้อมูลแบบไม่มี target จะใช้เทคนิคแบบไม่มีผู้สอน (Unsupervised Machine Learning) ซึ่งในหัวข้อนี้อธิบายเกี่ยวกับ Clustering : K-means และถ้ามี target จะใช้เทคนิคแบบมีผู้สอน (Supervised Machine Learning) สนใจอ่านรายละเอียดต่อ

DS1

งาน Data Engineer : Data Cleansing

Data Engineer Job อบรมหลักสูตร Data Scientist Essentials (ช่วงที่ 2) วันที่จัดอบรม : วันที่ 14 -15, 21-22 และ 28-29 พฤศจิกายน 2562 ( จำนวน 6 วัน ) Data cleansing เป็นการทำให้ข้อมูลพร้อมสำหรับการสร้างโมเดล จำแนกประเภทของข้อมูล วิธีการจัดการกับข้อมูลที่ขาดหายไป (Missing Values) และวิธีการหาข้อมูลที่ผิดปกติ (Outlier) สนใจอ่านรายละเอียดต่อ

DS1

Big Data คือ, แนะนำ Machine Learning และ Hadoop เบื้องต้น

สรุปการอบรมหลักสูตร Data Scientist Essentials ตอนที่ 1 วันที่จัดอบรม : วันที่ 14 -15, 21-22 และ 28-29 พฤศจิกายน 2562 ( จำนวน 6 วัน )Introduction to Data Science and Machine Learning, Introduction to Hadoop, HDFS, YARN, MapReduce, Spark, Spark Platform, งานของนักวิทยาศาสตร์ข้อมูล, งานของนักวิศวกรข้อมูล สนใจอ่านรายละเอียดเพิ่มเติม

การประยุกต์ใช้กฏของพาเรโต้ หรือกฏ 80/20 

การประยุกต์ใช้กฏของพาเรโต้ หรือกฏ 80/20 จากสภาพการแข่งขันในปัจจุบันการเรียนรู้กฎของพาเรโต้ ถือเป็นสิ่งจำเป็นอย่างหนึ่ง เพื่อให้องค์กรสามารถปรับตัวได้ทัน แก้ไขปัญหาต่างๆ ได้อย่างทันท่วงทีมากยิ่งขึ้น ถ้าใครยังไม่รู้จักกฏพาเรโต้ วันนี้เราจะมาแนะนำให้รู้จักกันค่ะ

บริษัท อาร์ แอนด์ ดี บีไอ จำกัด ได้รับการรับรองการขึ้นทะเบียนที่ปรึกษา กับกระทรวงการคลัง

บริษัท อาร์ แอนด์ ดี บีไอ จำกัด ได้ทำการขึ้นทะเบียนที่ปรึกษา กับศูนย์ข้อมูลที่ปรึกษา สำนักงานบริหารหนี้สาธารณะ กระทรวงการคลัง และได้รับการอนุมัติรับรองการขึ้นทะเบียนที่ปรึกษา ประเภทนิติบุคคล มีผลตั้งแต่วันที่ 24 ตุลาคม 2561 สาขาความเชี่ยวชาญ หมวด ICT : เทคโนโลยีสารสนเทศและการสื่อสาร

Orange Data Mining Tool (Open source Tools)

ทางเราได้โจทย์จากลูกค้าที่ต้องการทำ Predictive แบบไม่อยากเสียค่าลิขสิทธิ์ของซอฟต์แวร์ หรือต้องการซื้อขาด ไม่มีค่า MA และต้องการจ้างที่ปรึกษาเพื่อไปช่วยวิเคราะห์ แต่ถ้าเราเขียน script ให้คาดว่าจะต้องใช้เวลามาก ดังนั้น เพื่อลดระยะเวลาในการทำงานของทีมนักวิเคราะห์ / นักวิจัย และประหยัดงบประมาณในการจ้างที่ปรึกษา พร้อมทั้งสามารถปรับเปลี่ยนแก้ไข หรือดูแลต่อเองได้ด้วย