รวมบทความเกี่ยวกับวิศวกรรมข้อมูล (Data Engineering) ครอบคลุมถึงเรื่องการจัดการข้อมูลขนาดใหญ่ (Big Data) ด้วยเครื่องมือต่าง ๆ อาทิ Hadoop, MapReduce Spark, Hive, และบริการ Cloud ชื่อดังต่าง ๆ ไม่ว่าจะเป็น Amazon Web Services (AWS), Google Cloud Platform (GCP), และ Azure
หัวข้อ Data Engineer นี้ครอบคลุมถึงการวางแผนและพัฒนาระบบ ETL (Extract-Transform-Load), Data Ingestion, Data Integration ไปจนถึงการสร้าง End-to-End Data Pipeline ที่สามารถรับส่งข้อมูลได้ตั้งแต่ต้นจนจบ
มารู้จักกับ 7 เทคโนโลยีที่ Data Engineer ต้องรู้จัก อ่านจบแล้วคุณจะสามารถเลือกเทคโนโลยีที่เหมาะกับงานได้ดีขึ้น และถ้าไม่รู้จักเทคโนโลยีไหน ก็มีแนะนำแหล่งเรียนต่อให้ตอนท้ายบทความ
มารู้จักกับเทคโนโลยี Cloud Computing กัน ว่าจริงๆแล้วคืออะไร นำไปใช้ทำอะไรได้บ้าง อ่านจบแล้วคุณจะเข้าใจ และนำไปต่อยอดได้
Machine Learning Engineer ส่วนผสมที่ลงตัวระหว่าง Data Scientist และ Software Engineer คนกลางสำคัญที่ช่วยทำให้ Product ใช้งานได้จริง
แนะนำหนังสือสำหรับคนที่อยากเป็น Data Engineer น่าอ่านให้ทุกคนได้อัพเดทเนื้อหาความรู้ให้ทันกับโลกอนาคต เหมาะสำหรับมือใหม่ไปจนถึงระดับแอดวานซ์
การเก็บข้อมูลเป็นเรื่องสำคัญมากของคนที่มีข้อมูลอยู่ในมือ ในยุค Big Data เรามาดูกันว่า Database, Data Warehouse และ Data Lake แตกต่างกันอย่างไร
Big Data คือ การที่เรามีข้อมูลในขนาดใหญ่, ปริมาณมาก และ ความซับซ้อนสูง มาอยู่รวมกัน ในบทความนี้จะแนะนำ Big Data รวมถึงเคสการใช้งานจริง
อยากจะมาสรุปให้ฟังกันว่าการทำงานในปีที่ผ่านมา ในงาน Data Science / Data Engineer เป็นอย่างไรบ้างครับ บทความนี้น่าจะมีประโยชน์กับท่านที่สนใจเข้ามาทำงานในสาย Data
ในบทความนี้ เรามาดูกันว่า Cloud Computing คืออะไร, Cloud ดีกว่าการใช้ Server แบบเดิม (On-premise) ตรงไหน, บริการของ Cloud ในสำหรับคนทำ Data Science / Machine Learning มีอะไรเด็ด ๆ บ้าง
คุยกับคุณบีท Data Engineer ที่ Krungthai Innovation Lab ของธนาคารกรุงไทย บอกล่าประสบการณ์การทำงาน และความรู้น่าสนใจเกี่ยวกับอาชีพนี้
