Machine Learning เรียกได้ว่าเป็น Buzz Word เป็นคำที่ได้ยินบ่อยขึ้นเรื่อยๆในปีที่ผ่านๆมา เพราะมีการนำไปใช้ประโยชน์ในหลายๆวงการ และเกิดการเปลี่ยนแปลงขึ้นมหาศาล ดังนั้นในบทความนี้เราจะมาทำความรู้จักกับบริการด้าน Machine Learning ของ Amazon Web Service ซึ่งเป็นบริษัทที่ให้บริการ Cloud Computing เจ้าใหญ่เจ้าหนึ่ง
บริการ Machine Learning ของ AWS ทำให้เพื่อนๆ ที่ไม่จำเป็นต้องมีประสบการณ์ ไม่ต้องไปนั่งเรียนการสร้างโมเดล ก็สามารถสร้าง Machine Learning ขึ้นมาใช้งานเองและนำไปต่อยอดธุรกิจได้
สำหรับใครที่ยังไม่ค่อยคุ้นเคยกับคีเวิร์ดอย่าง Cloud Computing ก็สามารถเข้าไปศึกษาเพิ่มเติมในบทความสั้นๆของเราได้ที่ ไม่เก่ง Data Science ก็ทำ Machine Learning ได้!? มารู้จักกับ Cloud Computing และบริการเด็ด
บริการ Machine Learning ของ AWS
Amazon Web Service นั้นเป็นผู้ให้บริการแพลตฟอร์มคลาวด์รายใหญ่ที่มีบริการครอบคลุมมากกว่า 200 บริการและมีผู้ใช้งานมากที่สุดทั่วโลก รวมถึงบริการด้าน Machine Learning ซึ่งมีลูกค้าใช้บริการด้านนี้มากกว่าแสนราย ตั้งแต่บริษัทใหญ่ StartUp และรัฐวิสาหกิจ ในการพัฒนาคุณภาพของบริการด้านสุขภาพ การบริการต่างๆที่ดีขึ้นสำหรับลูกค้า เพิ่มประสิทธิภาพในการตัดสินใจด้านธุรกิจ สร้างประสบการณ์ที่แปลกใหม่ให้กับลูกค้า และอื่นๆอีกมากมาย
ในบทความนี้เราจะมาดูบริการ Machine Learning ที่ AWS ให้บริการอยู่ โดยแบ่งออกเป็นหลายส่วนด้วยกัน ทั้งการนำ ภาพ เสียง หรือตัวอักษรมาเป็นข้อมูลในการทำงาน
Machine Learning ที่เกี่ยวกับการมองเห็นภาพ (Vision)
Amazon Rekognition
Amazon Rekognition เป็นบริการวิเคราะห์รูปภาพและวีดิโอที่ใช้ Machine Learning เข้ามาช่วยในการเทรน โดยไม่ต้องสร้างโมเดลและ infrastructure ตั้งแต่ต้น สามารถทำการวิเคราะห์รูปภาพและวีดิโอได้ภายในไม่กี่นาทีและมีการตรวจสอบภาพโดยใช้ AI นอกจากนี้ยังสามารถปรับขนาดการใช้งานได้ตามความต้องการในขณะนั้น
คุณสมบัติ
- การกลั่นกรองเนื้อหา: ตรวจจับเนื้อหาที่ไม่เหมาะสม ไม่ปลอดภัย
- การเปรียบเทียบและค้นหาใบหน้า:
- การตรวจจับและวิเคราะห์ใบหน้า: ตรวจจับใบหน้า แล้วจดจำลักษณะได้
- Labels: ตรวจจับวัตถุหรือกิจกรรมต่่างๆ เช่น การขี่จักรยาน
- การตรวจจับข้อความ: ตรวจจับข้อความบนรูปหรือวิดีโอ เช่นป้ายสัญลักษณ์ตามท้องถนน
- การจดจำคนดัง: สามารถตรวจจับบุคคลดัง ดาราที่มีชื่อเสียงได้
Use case
การยีนยันข้อมูลประจำตัว สามารถทำได้โดยใช้ Amazon Rekognition วิเคราะห์ใบหน้าผู้ใช้งานและตรวจสอบยืนยันตัวตน ไม่ว่าจะเป็นการเริ่มงานโดยสแกนใบหน้า หรือเปรียบเทียบใบหน้า
การวิเคราะห์ ตรวจสอบวิดีโอการทำงานของพนักงานว่าใส่ชุดป้องกัน หรือ PPE ได้ถูกต้อง ครบถ้วน เพื่อความปลอดภัยระหว่างปฏิบัติงานหรือไม่
Machine Learning ที่เกี่ยวกับการเสียง (Speech)
Amazon Polly
Amazon Polly เป็นบริการในการเปลี่ยนข้อความให้เป็นเสียงได้หลายภาษา ทำให้สามารถสร้างแอปพลิเคชันที่พูดได้ โดยเสียงสังเคราะห์นั้นจะมีความเป็นธรรมชาติ และคล้ายกับเสียงมนุษย์เรามาก ทั้งยังมีลูกเล่นและปรับให้เข้าสถานการณ์ เช่นการอ่านข่าว นอกจากนี้ยังสามารถสร้างเสียงที่กำหนดเองได้
อยากรู้ว่า Amazon Polly แปลงข้อความภาษาอะไรเป็นเสียงคนได้บ้าง ลองเข้าไปเช็คได้ที่นี่ Voices in Amazon Polly
ประโยชน์
- เสียงพูดเป็นธรรมชาติ: มีบริการหลายภาษาผ่านเทคโนโลยีอย่าง TTS และ NTTS ช่วยแปลงข้อความได้ไหลลื่น
- บันทึกเสียงพูดและเผยแพร่อีกครั้ง:
- การสตรีมแบบเรียลไทม์:
- ปรับแต่งและควบคุมเสียงพูด:
Use case
การเริ่มเรียนภาษาใหม่การออกเสียงให้ถูกเป็นเรื่องสำคัญมาก duolingo แอปพลิเคชั่นสอนภาษาก็ใช้ Amazon Polly ในการแปลงจาก text เป็นเสียงพูดได้อย่างชัดเจน มีคุณภาพเหมือนกับเจ้าของภาษามาเองเลยทีเดียว
การแจ้งเตือนของระบบโทรศัพท์ สามารถใช้ Amazon Polly แจ้งเตือนผู้ใช้งานในการอัพเดท สถานะการให้บริการ ยอดเงินคงเหลือ ที่อยู่ และข้อมูลติดต่อเป็นต้น
Amazon Transcribe
Amazon Transcribe เป็นบริการที่สามารถแปลงเสียงพูดเป็นข้อความได้โดยอัตโนมัติ ทำให้สะดวกต่อการนำไปพัฒนา และแก้ปัญหาต่างๆ
ประโยชน์
- ดึง insight ของธุรกิจที่สำคัญจากไฟล์เสียง ไม่ว่าจะเป็นการโทร วิดีโอ หรือไฟล์ในรูปแบบอื่น
- สามารถเพิ่มความแม่นยำในการแปลง โดยสร้างโมเดลมารับรอง คำศัพท์เฉพาะทาง
- มีการรับรองความปลอดภัยในข้อมูลของลูกค้า
Use case
การสร้างคำบรรยายในการประชุม สามารถใช้ Amazon Transcribe ใส่คำบรรยายลงในเนื้อหาได้ตามความต้องการ และยังบันทึกการประชุมและบทสนทนาที่สำคัญได้อย่างมีประสิทธิภาพ
Amazon Transcribe Medical สามารถปรับปรุงเอกสารประกอบทางการแพทย์ หรือสนทนาทางการแพทย์ได้อย่างรวดเร็ว เพราะมีการเทรนให้เข้าใจคำศัพท์ทางการแพทย์มาแล้ว
Machine Learning ที่เกี่ยวกับข้อความ (Text)
Amazon Comprehend
Amazon Comprehend เป็นบริการที่ดึง insight ของข้อมูลออกมาใช้ประโยชน์ได้ผ่านโมเดล Machine Learning ที่มี Natrual Language Processing (NLP) ในการทำความเข้าใจภาษามนุษย์
ประโยชน์
- ดึง insight ที่เป็นข้อมูลเชิงลึกจากที่ต่างๆ ทั้งเอกสาร รีวิวสิ้นค้า ความคิดเห็น อีเมล ข้อมูลต่างๆบนโซเชียล
- ใช้ Machine Learning เข้ามาจำแนกเอกสารและระบุคำต่างๆ ทำให้เกิดความแตกต่างในธุรกิจ
Use case
การดึง insight ข้อมูลธุรกิจจากคอลเซ็นเตอร์ ไม่ว่าจะเป็นการตรวจจับความเชื่อมั่นและปฏิสัมพันธ์จากลูกค้า และโอนต่อไปให้ทีมซัพพอร์ตทันที นอกจากนี้ยังดึงข้อมูล survey ออกมาวิเคราะห์เพื่อพัฒนาสินค้าได้
การแยกเอกสารทางการเงิน สามารถใช้ Amazon Comprehend ในการแยก จัดเก็บเอกสารทางการเงินได้ ไม่ว่าจะเป็นเอกสารการเคลมเงิน การกู้ยืม หรือหาความสัมพันธ์ระหว่างเหตุการณ์ทางการเงินในบทความเกี่ยวกับการเงินเป็นต้น
Amazon Translate
Amazon Translate เป็นบริการที่ตรงกับชื่อมาก คือการแปลภาษาด้วย Machine โดยอัตโนมัติ ผ่านโมเดล Deep Learning ซึ่งเป็น Machine Learning แบบแอดวานซ์ที่สามารถแปลออกมาได้อย่างเป็นธรรมชาติ ถูกบริบท นับว่าได้เป็นบริการด้านการแปลที่มีคุณภาพ และติดอันดับผู้ให้บริการชั้นนำ
ประโยชน์
- สามารถรวมเข้ากับแอปพลิเคชั่นได้อย่างง่ายดายในการแปลภาษาออกมาได้อย่าง real time เพียงแค่ใช้ API
- แปลเนื้อหาได้หลากหลายรูปแบบ ทั้งจาก Word, Excel และ Powerpoint
- ปรับแต่งคำแปลที่เป็นคำศัพท์เฉพาะ หรือชื่อต่างๆได้
Use case
การแปลภาษาท้องทิ่นซึ่งเป็นเรื่องยากมากที่จะแปลแบบ real time ได้ตลอดติดต่อกันเป็นเวลานานด้วยเนื้อหาในปริมาณที่มาก Amazon Translate ช่วยลดเวลา และต้นทุนให้กับหลายๆบริษัทที่ให้บริการแปลภาษา
การแปลภาษาแบบอัตโนมัติทำให้ผู้คนสามารถสื่อสารข้ามภาษากันได้ตามเวลาจริง ไม่ว่าจะเป็นแชท อีเมล การแจ้งปัญหา การให้ความช่วยเหลือ หรือช่วยให้พนักงานสื่อสารกับลูกค้าได้หลายภาษา
Amazon Textract
Amazon Textract เป็นบริการดึงข้อมูลจาก เอกสารที่สแกน ข้อความที่เขียนด้วยลายมือ รูปภาพ หรือ PDF โดยอัติโนมัติผ่านการใช้ Machine Learning ที่มีการเรียนรู้อักขระด้วยแสง (Optical Character Recognition – OCR) สามารถประมวลผลได้ไม่ว่าจะเป็น ข้อความที่อยู่ในตาราง หรือข้อมูลในแบบฟอร์ม
ประโยชน์
- สามารถดึงข้อมูลจากข้อความ ข้อมูลแบบ Structured ได้
- มีการปรับให้มีขั้นตอนการตรวจสอบด้วยมนุษย์ด้วย Amazon Augmented AI
- มีความแอดวานซ์กว่าการเรียนรู้อักขระด้วยแสง (OCR) ทั่วไป
Use case
การดึงข้อมูลสำคัญของธุรกิจ เช่น อัตราการกู้ยืม ชื่อผู้สมัคร และจำนวนเงินที่อยู่ในแบบฟอร์มทางการเงินเพื่อขอสินเชื่อ สามารถทำได้ในไม่กี่นาที
นอกจากนี้ยังมีตัวอย่างการนำ Amazon Textract ไปใช้ในการดึงข้อมูลของคนไข้จากแบบฟอร์มการรับบริการ การเคลมประกัน และการยืนยันรับบริการโดยอัตโนมัติ
Machine Learning ที่เกี่ยวกับการเสริช (Search)
Amazon Kendra
Amazon Kendra เป็นบริการการค้นหาอัจฉริยะโดยใช้ Machine Learning เข้ามาใช้งาน สามารถช่วยการค้นหาเอกสาร ไฟล์หรือข้อมูลที่ต้องการจากเว็บไซต์และแอปพลิเคชั่นของบริษัทได้ แม้ว่าทุกอย่างจะกระจัดกระจายไปคนละทิศทาง โดยท่ี่ไม่ต้องค้นหาข้อมูลที่ไม่มีโดครงสร้าง
ประโยชน์
- รวบรวมการเข้าถึงข้อมูล เนื้อหาจากท่ี่เก็บต่างๆ ไม่ว่าจะเป็น Microsoft SharePoint, Amazon Simple Storage Service (S3) หรือ Salesforce
- มีการปรับแต่งผลการค้นหาผ่าน Deep Learning ให้สามารถดึงคำตอบการค้นหาได้ถูกต้องแม่นยำยิ่งในการใช้งานทางธุรกิจแบบต่างๆ หลายโดเมนกว่า 14 แห่ง
Use case
นักวิทยาศาสตร์และนักวิจัยส่วนมากมักจะต้องใช้เวลาค้นคว้าหาข้อมูลสูง Amazon Kendra สามารถช่วยลดระยะเวลาการค้นหา การเข้าถึงข้อมูลที่ถูกต้องแม่นยำในองค์กร
สามารถช่วยเจ้าหน้าที่ให้เข้าใจคำถามของลูกค้า และตอบคำถามที่เกี่ยวข้องให้ได้ดีมากขึ้น ไม่ว่าจะผ่าน Chatbot ถามตอบ หรือการค้นหาบนเว็บ
Machine Learning ที่เกี่ยวกับ Chatbot
Amazon Lex
Amazon Lex เป็นบริการสร้าง Chatbot ด้วย AI เพื่อให้สามารถถามตอบ มีการสนทนาที่เป็นประโยชน์ได้ โดยที่มีการออกแบบโมเดลภาษาขั้นสูง สร้าง ทดสอบ และปรับใช้ในแอปพลิเคชั่น
ประโยชน์
- สร้าง Chatbot ที่เข้าใจบริบทในการสนทนา และทำงานในหลากหลายภาษา
- ออกแบบและปรับใช้ AI แบบหลายช่องทางได้สะดวกภายในคลิกเดียว โดยไม่ต้องกังวลเกี่ยวกับโครงสร้างพื้นฐาน
Use case
การสร้าง virtual agents ในการติดต่อพูดกับลูกค้าโดยให้บริการผ่านเสียง ผู้ใช้งานสามารถเปลี่ยน password หรือติดต่อนัดหมายโดยที่ไม่ต้องผ่านคน
การให้ข้อมูลและการบริการโดบอัตโนมัติผ่านทาง Chatbot โดยเป็นการตอบสนองต่อคำถามที่พบบ่อย ทำให้โฟลว์การสนทนาดีขึ้น ลดการใช้งาน call centre
Machine Learning ที่เกี่ยวกับ Personalization
Amazon Personalize
Amazon Personalize เป็นบริการการสร้างแอปพลิเคชั่นแนะนำที่ใช้ Machine Learning เข้ามาช่วยในการสร้าง Recommended System แบบเดียวกับที่ใช้ในเว็บ Amazon.com สามารถแนะนำผลิตภัณฑ์ จัดลำดับผลิตภัณฑ์ใหม่ให้เหมาะกับแต่ละบุคคล การตลาดทางตรงแบบรายบุคคล และสร้างโครงสร้างพื้นฐานในการจัดการ Pipeline ทีี่มีความปลอดภัยสูงได้
ประโยชน์
- ให้คำแนะนำคุณภาพสูงแบบ real time ไปตามการเปลี่ยนแปลงของพฤติกรรมลูกค้า
- จัดเตรียมคำแนะนำที่ปรับให้เหมาะกับแต่ละบุคคลได้ง่ายโดยใช้เวลาสั้นๆ
- สามารถปรับทุกช่องทางบริการให้เหมาะกับลูกค้าแต่ละรายได้ โดยรวมเข้ากับเว็บไซต์, แอป, SMS และระบบการตลาดทางอีเมล
Use case
สามารถทำให้เว็บไซน์หรือแอปพลิเคชั่นโดดเด่นได้โดยการแนะนำสินค้าที่ถูกใจลูกค้า รวมถึงข้อเสนอ และโปรโมชันใหม่ๆ ที่เกี่ยวข้องได้อย่างรวดเร็ว นอกจากนั้นยังยิง Ads ปรับการแจ้งเตือนและอีเมลทางการตลาดด้วยคำแนะนำสินค้าที่เหมาะกับแต่ละบุคคล Pomelo Fashion เองก็เป็นหนึ่งในผู้ใช้ Amazon Personalize ที่ประสบการณ์ที่ดีขึ้นให้แก่ลูกค้า
นอกจากนี้ยังสามารถสร้างการนำเสนอคำแนะนำเนื้อหาสำหรับวิดีโอ เพลง อีบุ๊ก และอื่นๆอีกมากมายในรูปแบบรายคน เช่น Discovery หันมาใช้ Amazon Personalize เพื่อใช้งานคำแนะนำเนื้อหาที่เหมาะสมกับผู้ใช้แพลตฟอร์มสตรีมมิ่งของตน Pulselive ใช้ Amazon Personalize เพื่อเพิ่มจำนวนการดูวิดีโอขึ้น 20% เน้นการนำเสนอเนื้อหาใหม่ๆ และสร้างฐานสมาชิก
ยังมีบริษัทอีกมากมายที่ใช้ Amazon Personalize เข้ามาช่วยในธุรกิจ เช่น MECCA Brands, SUBWAY และ Coursera เข้าไปดูตัวอย่างเพิ่มเติมได้ที่ Amazon Personalize
Machine Learning ที่เกี่ยวกับ Forecasting
Amazon Forecast
Amazon Forecast เป็นบริการการทำนายผลลัพธ์ทางธุรกิจได้อย่างง่ายดายและแม่นยำ เรียกได้ว่าเป็นหมอดูที่มาในลักษณะเครื่อง โดยใช้ Machine Learning คาดการณ์ และวิเคราะห์ตัววัดทางธุรกิจ
ประโยชน์
- ดำเนินธุรกิจโดยคาดการณ์รายการสั่งซื้อขายโดยใช้เทคโนโลยีเดียวกันกับ Amazon.com
- ปรับคลังสินค้าให้เพียงพอต่อความต้องการ และลดการสตอกที่มากเกินความจำเป็น
- ปรับการใช้เงินทุนและตัดสินใจระยะยาวได้อย่างมั่นใจมากขึ้น
Use case
การวางแผนความต้องการสินค้า Amazon Forecast สามารถคาดการณ์ความต้องการสินค้าในคลังในแต่ละร้านค้าได้ โดยรวบรวมข้อมูลการซื้อทั้งหมดและประวัติการเข้าชมเว็บเข้ากับความต้องการในอดีต ทำให้สามารถบริหารจัดการทรัพยากรได้อย่างมีประสิทธิภาพ
ระบุความสัมพันธ์ของความต้องการที่ซับซ้อน ของ Software as a Service (SaaS) และปรับปรุงระบบให้ดีขึ้นโดยการคาดการณ์ด้วย Amazon Forecast
Machine Learning ที่เกี่ยวกับ Fraud
Amazon FraudDector
Amazon FraudDector เป็นบริการตรวจจับการทุจริตออนไลน์ โดยผ่าน Machine Learning
ประโยชน์
- สร้างโมเดลการจับทุจริตได้ง่ายๆ โดยที่ไม่ต้องมีประสบการณ์มาก่อน
- เริ่มตรวจจับการทุจริตได้ทันที และปรับแต่งเองโมเดลได้ตามความต้องการ
- รับข้อมูลเชิงลึกในอดีตกับประสบการณ์กว่า 20 ปีของ Amazon เพื่อสร้างโมเดลการตรวจจับการทุจริตที่แม่นยำ
Use case
การตรวจจับการชำระเงินออนไลน์ที่น่าสงสัย สามารถทำได้โดย Amazon FraudDector ลดความเสี่ยงการทุจริตในการชำระเงินออนไลน์ก่อนที่จะมีการประมวลผลการชำระเงินและดำเนินการตามคำสั่งซื้อ
การตรวจจับการทุจริตบัญชีใหม่ โดยแยกความแตกต่างระหว่างบัญชีที่ถูกต้อง กับบัญชีที่มีความเสี่ยงสูงได้ เพื่อให้เราสามารถตรวจสอบเพิ่มเติมก่อนดำเนินการถัดไป
ML service
Amazon SageMaker
Amazon SageMaker เป็นบริการที่สร้างขึ้นด้วยประสบการณ์กว่า 20 ปีของ Amazon เรียกได้ว่าเป็นตัวเอกของวงการ ที่ใช้สร้างโมเดล Machine Learning สำเร็จรูป โดยรวมโครงสร้างพื้นฐาน เครื่องมือ และเวิร์กโฟลว์ต่างๆ ที่จำเป็นเอาไว้ให้แล้ว เราสามารถเริ่มลงมือสร้าง เทรน และ deploy ได้เลยไม่ว่าจะเป็นกรณีใช้งานแบบไหน ไม่ว่าจะทำงานสายไหนก็ใช้ได้ ตั้งแต่ Business Analyst, Data Scientist หรือ MLOps Engineer
ถ้าเพื่อนๆสงสัยว่าอาชีพสายดาต้าเป็นอย่างไร ทำงานอะไรกันบ้าง สามารถเข้าไปอ่านเพิ่มเติมได้ในซีรีส์บทความสายอาชีพ Data Scientist Data Analyst, Data Engineer และ Machine Learning Engineer ของเราได้เลยนะคะ
ประโยชน์
- ทำให้ทุกคนใช้ Machine Learning ได้ง่ายขึ้น
- เตรียมข้อมูลได้ทุกระดับ ทั้งเข้าถึง เลเบล ประมวลผลได้ทั้งข้อมูลแบบมีโครงสร้าง และข้อมูลแบบไม่มีโครงสร้าง
- ทำระบบอัตโนมัติและสร้างมาตรฐานให้กับวงจรการใช้งานของ ML
นอกจากนั้น Amazon SageMaker ยังรองรับ framework เครื่องมือ และภาษาไว้มากมาย เช่น
- Jupyter
- TensorFlow
- PyTorch
- mxnet
- scikit learn
- python
- R
Use case
Grammarly เครื่องมือสุดฉลาดที่ช่วยทำให้ทุกคนดูเก่งภาษาอังกฤษขึ้นมาทันที โดยช่วยแก้ไข Grammar การสะกดคำ และ Punctuation ให้ถูกต้อง อีกทั้งยังดูบริบทของประโยคได้ ด้วย AI ก็ใช้ Amazon SageMaker ในการพัฒนาโมเดล เทรนและทดสอบ natural language processing และ Machine Learning จบครบในทีเดียว
แอปพลิเคชั่นหาเพื่อนยอดฮิตอย่าง Tinder ซึ่งมีข้อมูลการแมชท์มากกว่า 20 พันล้านครั้ง มีการ swipe หลายล้านครั้งต่อนาที ในมากกว่า 190 ประเทศ ก็ได้ Amazon SageMaker เข้ามาช่วยในการทำให้โมเดล Machine Learning ในการจับคู่มีประสิทธิภาพและเป็นเรื่องง่ายมากยิ่งขิ้น
ยังมีตัวอย่างจากผู้ใช้งาน Amazon SageMaker อื่นอีกมากมาย สามารถเข้าไปดูเพิ่มเติมได้ที่ Amazon SageMaker customers
สรุปบริการ Machine Learning ของ AWS
บริการ Machine Learning ของ AWS นั้นมีมากมายหลายบริการ แต่ละบริการก็มีจุดเด่นที่ไม่ซ้ำกัน ขึ้นอยู่กับว่าต้องการนำไปใช้ประโยชน์ด้านไหน อีกทั้งยังสามารถใช้บริการอื่นๆของ AWS อย่าง S3 ในการเก็บข้อมูลและดึงออกไปสร้างโมเดลได้เลย หรือทำงานร่วมกับบริการอื่นอีกมากมาย
สำหรับเพื่อนๆคนไหนที่ยังไม่ค่อยคุ้นเคยกับ AWS และบริการมากนัก เราขอนำเสนอบทความเบื่องต้นในการดึงข้อมูลจาก API มาเก็บไว้ใน S3 ง่ายๆในบทความ วิธีการสร้างระบบดึงข้อมูล API แบบอัตโนมัติด้วย Amazon Web Services
ถ้าเพื่อนๆคิดว่าบทความนี้มีประโยชน์ อยากฝากให้ช่วยแชร์ให้เพื่อน ๆ หน่อยนะคะ และถ้าอยากติดตามบทความดี ๆ ด้าน Data กันบน Facebook หรืออยากมาพูดคุย ติชมกัน เชิญได้ที่ Facebook Page: DataTH – Data Science ชิลชิล เลยนะค้าา
แล้วพบกันใหม่บทความหน้าค่ะ
