ข้อมูลมีคุณค่า

1. DATA SCIENCE &DATA ANALYTICS

1.1. DATA SCIENCE

1.1.1. การนำข้อมูลไปใช้ประโยชน์เพื่อค้นหาสิ่งที่เราไม่รู้

1.1.2. collect ->mange -> analyze -> decision

1.1.3. แบ่งได้เป็น 3 องค์ความรู้

1.1.3.1. computher science วิทยาการคอมพิวเตอร์

1.1.3.2. math and statistics

1.1.3.3. business / domain expertise

1.2. DATA ANALYTICS

1.2.1. การนำข้อมูลมาวิเคราห์ มี 5 แบบ

1.2.1.1. Descriptive Analytic จะเป็นการวิเคราะห์ข้อมูลเพื่อตอบคำถามที่ว่า ที่ผ่านมาเกิดอะไรขึ้นบ้าง?

1.2.1.1.1. การทำรายงานกำไรขาดทุน รายงานด้านบัญชี เพื่อบอกเราว่ามีอะไรเกิดขึ้นบ้าง?

1.2.1.2. Diagnostic Analytic เป็นการหาเหตุผลว่ามันเกิดขึ้นแบบนี้เพราะอะไร?

1.2.1.3. Predictive Analytic จะเป็นการพยากรณ์ครับ อะไรจะเกิดขึ้นในอนาคตและบอกเหตุผลมาประกอบได้

1.2.1.4. Prescriptive Analytic เป็นการวิเคราะห์ข้อมูลที่ไม่ใช่แค่พยากรณ์ว่าจะเกิดอะไรขึ้น แต่จะช่วยบอกว่าควรทำอะไรดี

1.2.1.5. Cognitive & AI เป็นการนำ AI เทคโนโลยีมาช่วยเพื่อให้วิเคราะห์และบอกเราได้ว่า เราควรจะทำอะไร สาเหตุ และวิธีการทำ เป็นขั้นสูงสุดของ Analytics Maturity ในปัจจุบัน

2. MACHINE LEARNING

2.1. คือ ส่วนการเรียนรู้ของเครื่อง ถูกใช้งานเสมือนเป็นสมองของ AI (Artificial Intelligence) เราอาจพูดได้ว่า AI ใช้ Machine Learning ในการสร้างความฉลาด มักจะใช้เรียกโมเดลที่เกิดจากการเรียนรู้ของปัญญาประดิษฐ์ ไม่ได้เกิดจากการเขียนโดยใช้มนุษย์ มนุษย์มีหน้าที่เขียนโปรแกรมให้ AI (เครื่อง) เรียนรู้จากข้อมูลเท่านั้น ที่เหลือเครื่องจัดการเอง

2.1.1. Supervised Learning — เรียนรู้โดยมี data มาสอน

2.1.2. Unsupervised Learning — เรียนรู้โดยไม่มี data สอน

2.1.3. Reinforcement Learning — เรียนรู้ตามสภาพแวดล้อม

3. BIG DATA

3.1. ปริมาณข้อมูล ( Volume )

3.2. ความเร็วที่เพิ่มขึ้นของข้อมูล ( Velocity )

3.3. ความหลากหลายของข้อมูล ( Variety )

3.4. คุณภาพของข้อมูล ( Veracity )

4. DATA MINING

4.1. คือกระบวนการที่กระทำกับข้อมูลจำนวนมากเพื่อค้นหารูปแบบและความสัมพันธ์ที่ซ่อนอยู่ในชุดข้อมูลนั้น ในปัจจุบันการทำเหมืองข้อมูลได้ถูกนำไปประยุกต์ใช้ในงานหลายประเภท ทั้งในด้านธุรกิจที่ช่วยในการตัดสินใจของผู้บริหาร ในด้านวิทยาศาสตร์และการแพทย์รวมทั้งในด้านเศรษฐกิจและสังคม

4.1.1. เทคนิคในการทำ Data Mining

4.1.1.1. 1. กฎความสัมพันธ์ (Association rule) แสดงความสัมพันธ์ของเหตุการณ์หรือวัตถุ ที่เกิดขึ้นพร้อมกัน

4.1.1.2. 2. การจำแนกประเภทข้อมูล (Data classification) หากฎเพื่อระบุประเภทของวัตถุจากคุณสมบัติของวัตถุ

4.1.1.3. 3.การแบ่งกลุ่มข้อมูล (Data clustering) แบ่งข้อมูลที่มีลักษณะคล้ายกันออกเป็นกลุ่ม

5. AI

5.1. AI : Artificial Intelligence คือ เครื่องจักร(machine) ที่มีฟังก์ชันทีมีความสามารถในการทำความเข้าใจ เรียนรู้องค์ความรู้ต่างๆ อาทิเช่น การรับรู้ การเรียนรู้ การให้เหตุผล และการแก้ปัญหาต่างๆ เครื่องจักรที่มีความสามารถเหล่านี้ก็ถือว่าเป็น ปัญญาประดิษฐ์ (AI : Artificial Intelligence) นั่นเอง

5.2. AI ถูกจำแนกเป็น 3 ระดับตามความสามารถหรือความฉลาดดังนี้

5.2.1. 1 ) ปัญญาประดิษฐ์เชิงแคบ (Narrow AI ) หรือ ปัญญาประดิษฐ์แบบอ่อน (Weak AI) : คือ AI ที่มีความสามารถเฉพาะทางได้ดีกว่ามนุษย์

5.2.2. 2 ) ปัญญาประดิษฐ์ทั่วไป (General AI ) : คือ AI ที่มีความสามารถระดับเดียวกับมนุษย์ สามารถทำทุกๆอย่างที่มนุษย์ทำได้และได้ประสิทธิภาพที่ใกล้เคียงกับมนุษย์

5.2.3. 3) ปัญญาประดิษฐ์แบบเข้ม (Strong AI ) : คือ AI ที่มีความสามารถเหนือมนุษย์ในหลายๆด้าน