รวมบทความเกี่ยวกับวิทยาศาสตร์ข้อมูล (Data Science) ซึ่งครอบคลุมถึงการวิเคราะห์ข้อมูล (Data Analysis), Machine Learning, และ Algorithms ในการสร้าง โมเดลทำนายผล (Predictive Model) ด้วยวิธีการต่าง ๆ ตั้งแต่ Linear Regression, Decision Tree, Random Forest, Neural Network ฯลฯ
ปัจจุบันการใช้ Deep Learning ในการทำนายผลได้รับความนิยมมากขึ้นเรื่อย ๆ เพราะสามารถแก้ปัญหาที่ Algorithms ทั่วไปไม่สามารถทำได้ เช่น Image Recognition ด้วย CNN หรือ Audio Transcript ด้วย RNN
Hadoop เครื่องมือประมวลผล Big Data ผ่านคอมพิวเตอร์หลายเครื่อง ประกอบไปด้วย 3 ส่วนหลัก HDFS, MapReduce และ YARN
การทำ Big Data Project ตั้งแต่ต้นจนจบนั้นเป็นอย่างไร ในทีมจะต้องมีใครบ้าง แต่ละคนมีหน้าที่อย่างไรบ้าง มาดูกัน
มารู้จักกับเทคโนโลยี Cloud Computing กัน ว่าจริงๆแล้วคืออะไร นำไปใช้ทำอะไรได้บ้าง อ่านจบแล้วคุณจะเข้าใจ และนำไปต่อยอดได้
Machine Learning Engineer ส่วนผสมที่ลงตัวระหว่าง Data Scientist และ Software Engineer คนกลางสำคัญที่ช่วยทำให้ Product ใช้งานได้จริง
Data Wrangling เรียกได้ว่าเป็นส่วนใช้เวลานานของงานด้าน Data Science แต่เป็นส่วนที่มีความสำคัญอย่างมากเพื่อที่จะได้ข้อมูลคุณภาพ (Data Quality) ในการนำไปใช้งาน
เมื่องานสาย Data กะลังเป็นกระแส หลายคนก็สนใจเรียนต่อมากขึ้น ลองมาคุยกับคุณแจนนักศึกษาปริญญาโท ที่มาเรียนต่อด้าน Data Science กันว่าเรียนเป็นอย่างไร ฝึกงานได้ไหม อะไรเป็นแรงกระตุ้นให้มา และอะไรเป็นสิ่งสำคัญในเส้นทาง Data Science
เราจะแนะนำ Spec คอมพิวเตอร์ (Notebook / PC) สำหรับเอามาทำงาน หรือเรียน Data ไม่ว่าจะเป็น Data Analyst, Data Scientist, หรือ Data Engineer ก็เลือกซื้อได้
เราจะมาบอกให้ฟังว่า R กับ Python มาจากไหน แตกต่างกันอย่างไร และนำไปใช้งานได้เหมือนกันขนาดไหน
เราจะมารู้จักกับอาชีพ Data Scientist ผู้อยู่เบื้องหลัง Machine Learning และระบบ AI สกิลที่ต้องเรียนรู้สำหรับอาชีพนี้ แนะนำคอร์สสำหรับมือใหม่
เราใช้คุกกี้เพื่อพัฒนาประสิทธิภาพ และประสบการณ์ที่ดีในการใช้เว็บไซต์ของคุณ คุณสามารถศึกษารายละเอียดได้ที่ นโยบายความเป็นส่วนตัว และสามารถจัดการความเป็นส่วนตัวเองได้ของคุณได้เองโดยคลิกที่ ตั้งค่า
