งานกลุ่ม VDO

1.2วิทยาการข้อมูล

วิทยาการข้อมูล (Data Science) พูดแบบภาษาทั่วไป มันก็คือศาสตร์ประเภทหนึ่งที่ผนวกเอาความรู้ด้านเทคโนโลยีหลายอย่างเข้าไปศึกษาสิ่งที่เรียกว่า “ข้อมูล (Data)” ที่มีจำนวนมหาศาล ซึ่งข้อมูลดังกล่าวยังไม่ได้ถูกจัดเรียงและวิเคราะห์อย่างเป็นระบบ แต่กองเป็นพะเนินเทินทึก ดังนั้นก็เป็นหน้าที่ของศาสตร์ Data Science ที่จะเข้าไปจัดการกับข้อมูลเหล่านั้นเพื่อให้ได้ความรู้อย่างหนึ่งอย่างใดออกมา

1.4 การคิดเชิงออกแบบ (Design Thinking) สำหรับวิทยาการข้อมูล

         การนำข้อมูลมาใช้เพื่อสื่อสารถึงแม้จะทำให้เข้าใจปัญหาหรือสถานการณ์มากยิ่งขึ้น แต่ถ้าไม่เข้าใจถึงความต้องการที่แท้จริงของผู้ใช้ ก็จะทำให้การนำเสนอข้อมูลผลลัพธ์ไม่ประสบผลสำเร็จ เนื่องจากผู้ใช้ไม่สามารถใช้ประโยชน์จากข้อมูลที่นำเสนอนั้นได้ เช่น ข้อมูลที่นำเสนอมีปริมาณมากหรือละเอียดเกินความต้องการ เมื่อผู้ใช้พิจารณาข้อมูลแล้วคิดว่าไม่จำเป็นสำหรับตนเอง ข้อบกพร่องนี้อาจทำให้การพัฒนาสินค้าหรือผลิตภัณฑ์นั้นไม่สามารถเข้าถึงควมต้องการของผู้ใช้ได้อย่างแท้จริง

หลักพื้นฐานของการคิดเชิงออกแบบ 

1.การมองในมุมของผู้ใช้ : การเอาใจเขามาใส่ใจเรา เพื่อสร้างความเข้าใจต่อผู้ใช้อย่างลึกซึ้ง

2.การลองผิดลองถูกและเรียนรู้ผ่านการทดลองกับกลุ่มผู้ใช้จริง : การพยายามคิดว่าผู้ใช้ต้องการอะไร โดยไม่ลืมที่จะนำสิ่งที่คาดการณ์ไปทดสอบกับผู้ใช้จริง การสร้างแบบจำลองโดยการใช้โปรแกรมด้วยภาพสำหรับสื่อสารหรือพูดคุยเป็นวิธีที่ทำให้เห็นภาพในสิ่งที่คิดได้ชัดเจน

3.การทำซํ้าและปรับปรุง : การออกแบบดีมักผ่านการปรับปรุงและแก้ไขหลายครั้ง ข้อคิดเห็นของผู้ใช้ การนำข้อมูลดังกล่าวมาปรับปรุงงานออกแบบจึงเป็นสิ่งสำคัญมาก และควรกล้าที่จะลองผิดลองถูก

1.3 กระบวนการวิทยาการข้อมูล (Data Science Process)

         การเพิ่มมูลค่าผลิตภัณฑ์หรือบริการด้วยข้อมูล ต้องเข้าใจเกี่ยวกับผลิตภัณฑ์หรือบริการ และกิจกรรมต่างๆ เกี่ยวกับการจัดหาและประมวลผลข้อมูล เนื่องจากกิจกรรมมีหลากหลาย เพื่อไม่ให้สับสนหรือพลาดประเด็นใดไป โดยจะประกอบไปด้วย 1)การตั้งคำถาม 2)การเก็บรวบรวมข้อมูล 3)การสำรวจข้อมูล 4)การวิเคราะห์ข้อมูล 5)การสื่อสาร และ 6)การสื่อสารและการทำผลลัพธ์ให้เป็นภาพสู่ผู้ใช้กลุ่มเป้าหมาย ดังรูป 1.1 

รูป 1.1 กระบวนการวิทยาการข้อมูล

ขั้นตอนที่ 1 การตั้งคำถาม : ตั้งคำถามที่สนใจ

ขั้นตอนที่ 2 การเก็บรวบรวมข้อมูล : คำนึงว่าเก็บข้อมูลเรื่องอะไร จากที่ไหน จำนวนเท่าใด และความน่าเชื่อถือของแหล่งข้อมูล
ขั้นตอนที่ 3 การสำรวจข้อมูล : รวบรวมข้อมูล แล้วนำมาพล็อตทำเป็นภาพ หรือแผนภูมิ เพื่อให้สามารถพบสิ่งผิดปกติของข้อมูลได้
ขั้นตอนที่ 4 การวิเคราะห์ข้อมูล : เพื่ออธิบายความหมาย ความสัมพันธ์ของข้อมูล และทำนายเหตุการณ์ในอนาคต
ขั้นตอนที่ 5 การสื่อสารและการทำผลลัพธ์ให้เป็นภาพ : เป็นการถ่ายทอดเรื่องราวหรือภาพให้ผู้อื่นเข้าใจ

                  

สรุปบทที่1 ข้อมูลมีค่า

บทที่1 ข้อมูลมีคุณค่า

1.1 ยุคของข้อมูลและสารสนเทศ(Information Age)

    ยุคนี้จะนับตั้งแต่ประมาณปี ค.ศ.1957 จากที่การทำงานของมนุษย์มีทั้งด้านเกษตรและด้านอุตสาหกรรม ทำให้คนงานต้องมีการสื่อสารกันมากขึ้น ต้องมีความรู้ ในการใช้เครื่องจักรกล ต้องมีการจัดการข้อมูลเอกสาร ข้อมูลสำนักงาน งานด้านบัญชี จึงทำให้มีคนงานส่วนหนึ่งมาทำงานในสำนักงาน คนงานเหล่านี้ถือว่าเป็นผู้ที่มีความรู้และต้องทำหน้าที่ประสานงานระหว่างฝ่ายผลิตและลูกค้า ทำให้มีการพัฒนาเครื่องมือต่างๆ มาช่วยในการประมวลผล จัดการให้ระบบงานมีประสิทธิภาพดีขึ้น ทำให้เกิดการใช้เครื่องมือทางด้านสารสนเทศขึ้นมา ซึ่งถือว่าเป็นจุดเริ่มต้นของเทคโนโลยีสารสนเทศ

                 

                    เมื่อเข้าสู่ยุคสารสนเทศ องค์กรต่างๆ ที่นำเทคโนโลยีสารสนเทศมาใช้ในการจัดการงานประจำวัน จะทำงานได้สำเร็จเร็วขึ้น การผลิดทำได้รวดเร็วขึ้น เนื่องจากผู้ผลิตสามารถประมวลผลข้อมูลต่างๆ ได้เร็วขึ้น มีการนำระบบอัตโนมัติด้านการผลิตมาใช้ มีระบบบัญชี และมีโปรแกรมที่ทำงานเฉพาะด้านมากขึ้น

ฺBig Data

Big Data

ที่มา : https://youtu.be/-rSMFbK98tg

ประเด็นสำคัญของวิดีโอ

1.Big Data มีการจัดเก็บข้อมูลทั้งในเชิงลึก (มีความละเอียด) และเชิงกว้าง (มีหลากหลาย)

2.ต้นกำเนิดของการจัดเก็บ Big Data มาจากบริษัท Google

3.Big Data มีการจัดเก็บข้อมูลแบบ Hadoop (ราคาถูก,ใช้ได้แบบเรียลไทม์)

4.Big Data มีการจัดเก็บข้อมูลทุกอย่างเหมือนเหมืองข้อมูล

5.Data Analytics หรือ Data Science (วิทยาศาสตร์ข้อมูล) เป็นเครื่องมือวิเคราะห์เหมืองข้อมูลที่มี เพื่อเอาประโยชน์จากข้อมูลที่ได้มาใช้

6.Machine Learning คือ การใช้ข้อมูลเพื่อตอบคำถาม

7.Data Mining ใช้หาความรู้ที่มีค่าที่ซ่อนอยู่ในข้อมูลและเราไม่รู้มาก่อน

8.AI (ปัญญาประดิษฐ์) เป็นการให้คอมพิวเตอร์ตัดสินใจได้เองแบบมนุษย์

9.ประโยชน์ของ Data Analytics หรือ Data Science ถูกใช้เกือบทุกวงการ เช่น วงการธุรกิจ ใช้เพื่อดูแลลูกค้า เข้าใจลูกค้า และ วงการการเกษตร รวบรวมข้อมูลสภาพฝนฟ้าอากาศทุกอย่าง แล้วมาวิเคราะห์เพื่อประมวณว่า จะดูแลพืชผลอย่างไร เพื่อเพิ่มผลผลิตให้มากที่สุด เป็นต้น

10.เครื่องมือส่วนใหญ่ที่ใช้ทำ Data Analytics หรือ Data Science กับ Big Data เรียกว่า Open-Source

11.R และ Python เป็นภาษาคอมพิวเตอร์และโปรแกรมมิ่ง มีฟังก์ชันสำหรับทำ Data Analytics ให้เรียกใช้โดยสะดวก และนิยมในหมู๋ Data Scientist (นักวิทยาศาสตร์ข้อมูล)

12.RapidMiner เป็นโปรแกรมสำเร็จรูป ช่วยให้เราทำงานด้าน Data Science อย่างการทำเหมืองข้อมูล Data Mining หรือ Machine Learning เบื้องต้นได้โดยไม่ต้องเขียนโค้ดเลย  

IOT internet of thing

IOT internet of thing

ที่มา : https://youtu.be/WztuyZwq578

ประเด็นสำคัญของวีดิโอ

แนวความคิด Internet of Thing เป็นแนวความคิดที่ถูกพัฒนาขึ้นเพื่อเชื่อมต่อทุกสิ่งเข้าด้วยกัน เพื่อช่วยในการอำนวยความสะดวกให้กับมนุษย์ และลดการสูญเสียเวลาในการทำกิจกรรมต่างๆ เนื่องจากปัจจุบันเวลาถือเป็นสิ่งสำคัญยิ่ง แต่แนวคิดดังกล่าวหากไม่มีการควบคุมรักษาความปลอดภัยที่เพียงพอ ก็จะกลายเป็นช่องโหว่ให้มิจฉาชีพสามารถเข้าถึงความเป็นส่วนตัว และแนวทางการดำเนินของผู้ใช้ระบบได้ ซึ่งจะเป็นอันตรายต่อชีวิตและทรัพย์สินเป็นอย่างมาก