Category: Knowledge

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

Orange Data Mining Tool (Open source Tools)

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

การประยุกต์ Objective and Key Results (OKRs)

เมื่อวันเสาร์ที่ 27 ต.ค. 2018 ที่ผ่านมาได้มีโอกาสไปฟัง OKRs Knowledge Sharing ทำให้อยากจะแชร์ความรู้และประสบการณ์ที่ได้รับให้ผู้อื่นอ่านบ้าง เกี่ยวกับสิ่งที่ควรคำนึงถึงเมื่อคิดจะนำ OKRs มาประยุกต์ใช้ในองค์กร

OGKR vs. KPI

ในการวัดผลการดำเนินงาน เรามักจะได้ยินคำสองคำคือ OGKR และ KPI สองคำนี้คืออะไร ต่างกันอย่างไร และเราสามารถนำมาประยุกต์ใช้ในการดำเนินธุรกิจของเราได้อย่างไร วันนี้เรามีบทความสั้นๆ มาให้อ่านกันค่ะ

การตั้งเป้าหมายในการทำงาน

หากตั้งเป้าหมายในการทำเรื่องใดไว้ ไม่ว่าจะเป็นการทำงานหรือเรื่องส่วนตัว ถ้าเราไม่ยึดติดวิธีการ ยึดติดเครื่องมือใดๆ เราก็สามารถปรับเปลี่ยน ประยุกต์ใช้ได้เสมอ ตัวอย่างเรื่องใกล้ตัวค่ะตั้งเป้าหมาย ออกกำลังกายสัปดาห์ละ 5 วัน อย่างน้อยวันละ 30 นาที ช่วงนี้ฝนตกบ่อยๆ ทุกๆ เช้าเลย ถ้าเรายึดติดว่าเราต้องออกไปวิ่งที่สวนสาธารณะ ตลอดช่วงหน้าฝนเราอาจคงไม่ต้องออกไปวิ่ง และมีข้ออ้างให้ตัวเองว่า ฝนตกทุกๆ วันเราเลยไม่ได้ไปวิ่ง

การเพิ่มมูลค่าในการผลิต และการเพิ่มประสิทธิภาพในการผลิต

ช่วงนี้ดิฉันได้มีโอกาสได้ไปดูกระบวนการผลิตจากไซต์งานของลูกค้า พบว่า ในกระบวนการผลิตนั้นจะมีด้วยกัน 2 ลักษณะ คือ การเพิ่มประสิทธิภาพ และการเพิ่มมูลค่าในการผลิต 2 รูปแบบนี้คืออะไร แตกต่างกันอย่างไร