ความสำเร็จก้าวแรกเล็กๆ ที่เป็นกำลังใจให้เรียนต่อไป

ช่วงธันวาคมปลายปี 2020 ถือว่าเป็นช่วงโชคดีที่ปลอด COVID19 ไปพักนึง ทำให้การสอบ JLPT กลับมาจัดสอบได้อีกครั้ง ซึ่งเราเองได้ลงสอบครั้งนี้เป็นครั้งแรก เลยจะมาเขียนรีวิวตัวเอง จะได้เป็นกำลังใจให้คนที่สนใจและมาอ่านว่ามีเราเป็นเพื่อนเรียนนะ ฮ่าๆ

JLPT?

เป็นการสอบวัดระดับทางภาษาญี่ปุ่น มี 5 ระดับ N5, N4, N3, N2, N1 เรียงจากง่ายไปยาก ปกติจัดสอบปีละ 2 ครั้ง ทดสอบ 2 ทักษะ คือ การอ่าน (ไวยากรณ์ คำศัพท์ การอ่าน) และการฟัง

สำหรับเราเองก็ได้ลงสอบ JLPT N5 ซึ่งคือระดับง่ายสุด และก็สอบผ่านแล้ว ดีใจ แฮร่ๆ

✏️ เรียนยังไง

เราเริ่มสนใจเรียนภาษาญี่ปุ่นตอนช่วงต้นปี 2020 โดยอยากเรียนเป็นกิจกรรมเวลาว่าง สนุกๆ เผื่อจะฟังการ์ตูนออกบ้าง 😆 ดังนั้นก็เลยไม่ซีเรียส เพราะว่าไม่ได้ต้องเอาผลสอบไปทำอะไร เพียงแต่อยากรู้ระดับความรู้ของตัวเองก็เลยลองสอบดู

ช่วงเริ่มต้น เมษา-กันยา (6 เดือน) เราลงเรียนคอร์สของสถาบัน เนื้อหาที่เรียนตามหนังสือ Minna no nihongo เล่ม 1 บทที่ 1–10 ถือว่าเรียนแบบค่อยเป็นค่อยไป ได้ฝึกฟังฝึกพูดกับเซนเซชาวญี่ปุ่นชิลๆ

Minna no nihongo เป็นตำรายอดนิยมของเด็กไทย -.,- ถ้าเรียนจบ 2 เล่ม ความรู้จะเทียบเท่า N5

จนกระทั่งวันหนึ่งช่วงกรกฎามั้งนะ?​ (จำช่วงเปิดรับสอบไม่ได้) ก็ตัดสินใจลงสอบ N5 ทั้งๆ ที่ยังไม่จบเล่ม 1 ด้วยซ้ำ (กล้ามากฉันนน) ชีวิตต้องดำเนินด้วย Deadline driven ถถถถถ หัวร้อนเลยทีนี้…


สวัสดีค่ะ วันนี้มารีวิวการสอบเซอร์ Tensorflow Developer ที่หญิงสอบผ่านไปเมื่อวันที่ 20 ตุลาคม 2020 ที่ผ่านมา (รายละเอียดคร่าวๆ เช่น สอบอะไรยังไง ลองกดเข้าไปอ่านลิ้งค์ข้างบนนะคะ)

จริงๆ นี่เป็นเซอร์แรกที่สมัครสอบ เสียเงินค่าสอบ $100 (ประมาณ 3,200฿) มันก็จะตื่นเต้นๆ หน่อย 😅 เดี๋ยวจะเล่าให้ฟังว่าเตรียมตัวยังไง และเจออะไรบ้างค่ะ อ่านให้ถึงตอนจบนะ…

🤓 เตรียมตัวเตรียมใจก่อนเลย

ก่อนอื่นใน Candidate handbook เค้าจะบอกว่า ถ้าสอบไม่ผ่านในครั้งแรก ต้องรอ 2 สัปดาห์จะสอบรอบที่ 2 ได้ ถ้าไม่ผ่านอีกต้องรอ 2 เดือน ไม่ผ่านอีกก็รอไป 1 ปีเลย

แล้วสอบแต่ละครั้งก็เสียเงินสมัครใหม่… เลยคิดว่า แค่อยากลองข้อสอบไม่ได้ล่ะ เสียดายเงิน ฮ่าๆ 😭 มาทำให้เต็มที่กันเถอะ

📖 อ่าน Candidate handbook ให้จบ

ใน handbook จะบอกรายละเอียดการสอบ เนื้อหาที่ต้องสอบ รวมถึงการเซ็ต environment อ่านให้ละเอียดก่อนไปต่อนะ

ที่เค้าเน้นย้ำคือให้ใช้ version ของ Tensorflow และ Python ที่กำหนด เพราะตัวตรวจข้อสอบเค้าใช้ version นี้ หญิงลองส่งโมเดลของ version อื่นไป เจอ error ว่าตัวตรวจ import โมเดลไม่ได้

ตอนหญิงสอบเป็น Tensorflow 2.0.0 และ Python 3.7 พอสอบเสร็จ 1 วันเค้าก็อัพเดทเป็น Tensorflow 2.3 และ Python 3.8 เลยค่ะ 😭…


การตลาดอัตโนมัติ

🐣📚 Automation Marketing หนังสือเล่มแรกของปี 2021 นี้ ได้รับปุ๊ปอ่านปั๊ป 3 ชม.​ จบ! มารีวิวเลยยยย

รีวิว

ตัวหนังสืออ่านเข้าใจง่ายมาก ภาษาอ่านง่าย มีศัพท์ Eng เขียน Eng เนื้อหาเหมือน Intro to marketing ไปในตัว เราไม่รู้ Marketing เลยยังอ่านรู้เรื่อง 👍

อ่านๆ ไปจะได้รู้ศัพท์ด้าน Marketing เยอะเลย (บางอันเคยเข้าใจความหมายผิดด้วย) เช่น

👉 Micro conversion: คือการแบ่ง Conversion อันใหญ่ ที่ depends กับหลายสิ่ง ให้เป็นเล็กๆ ย่อยๆ โฟกัสแค่อย่างเดียว เรียกว่า Micro conversion

👉 Customer lifetime value: มูลค่าที่ได้จากลูกค้าตลอดการเป็นลูกค้า

👉 เทคนิคปิดการขาย Quick win / Quick win-back / Win-back

บทที่ 3 Marketing strategy นี่อ่านลื่นสุด เพราะโดนมาเองทุก Stage เข้าใจแบบ Experience 555+ อ่านจบ อ๋อ… เรื่องมันเป็นอย่างงี้ 😆

ชอบตรงที่ทำให้เข้าใจ Customer segmentation ในมุมมองของ Marketer เยอะขึ้น ปกติจะคิดว่าแบ่งกลุ่มด้วย Demographic หรือ Action จาก User ง่ายๆ หรือไม่ก็ใช้ Machine Learning ทำ Clustering ไปเลย

จริงๆ แล้วใช้ข้อมูล User behavior มาแบ่งตาม Dimension…


Google Digital Garage: Fundamentals of Digital Marketing

เกี่ยวกับคอร์สนี้

คอร์ส Fundamentals of Digital Marketing นี้เป็นคอร์สปู 🦀 พื้นฐานความเข้าใจทางด้าน Digital Marketing ตัวเนื้อหาจะเน้นให้เราเห็นภาพรวม ภาพกว้าง ยกตัวอย่าง Use case ต่างๆ โดยไม่ได้ลงลึกถึงรายละเอียดหรือวิธีทำจริง เหมาะสำหรับผู้เริ่มต้นเลย จะได้มีพื้นฐานที่พร้อมจะเอาไปลงมือปฏิบัติจริงต่อไป

Blog ใน Series นี้ก็จะหยิบยกเอาแต่ละส่วนของเนื้อหามาเล่าแบบสรุป โดยไม่ได้เรียงตามเนื้อหา และอาจมีการยำเนื้อหาหลายๆ บทมารวมกันจ้า


GDG Cloud Bangkok devfest 2020

สวัสดีค่ะ blog นี้จะมาพูดถึง BigQuery ML ที่เป็นหนึ่งใน Session ของงาน Google Cloud Devfest ที่จัดส่งท้ายปี 2020 เมื่อวันที่ 25 ตุลาคมที่ผ่านมานี้ค่ะ

Link slide, ดู Live ย้อนหลัง

What is BigQuery ML


แชร์ประสบการณ์สนุกๆ อ่านเพลินๆ กันนะคะ~

ทักทาย

สวัสดีค่ะทุกคน ช่วงที่ผ่านมาคิดอยู่นานว่าจะเขียน blog เกี่ยวกับอะไรดี พอได้นั่งทบทวนตัวเองก็พบว่าเรามาไกลเหมือนกันนะ จากจุดเริ่มต้นที่ไม่รู้อะไรเลย~ ก็เลยอยากแชร์สิ่งที่ได้เรียนรู้จากการทำงานจริง เพื่อให้คนที่เริ่มต้นศึกษาเห็นภาพ Data Scientist ชัดเจนขึ้น อาจจะมีทั้งสิ่งที่ผิดและถูก ตรงและไม่ตรงกับทุกคนนะคะ (ไม่ได้จะล่อเป้าแต่อย่างใดนะ ฮ่าๆ)

ก่อนจะมาเป็น Data Scientist เราศึกษาด้วยตัวเอง เรียนคอร์สออนไลน์เป็นหลัก อ่าน blog ต่างๆ จนเริ่มเข้าใจพวก algorithm ต่างๆ และเขียนภาษา Python เพื่อจัดการกับข้อมูลกับสร้างโมเดล

ทว่าเมื่อได้สัมผัสกับงานจริง มีหลายอย่างมากที่ได้เรียนรู้นอกจากความรู้ในคอร์สออนไลน์ต่างๆ เลยแยกเป็นหัวข้อย่อยๆ ยาวหน่อย อ่านเพลินๆ กันนะคะ ^^

การใช้เวลาราวๆ 80% ของโปรเจ็คหมดไปกับการเตรียมข้อมูลเป็นเรื่องจริง!

ถ้าเราสังเกต public data ที่แจกฟรีให้ลองเอาไปเล่นหรือสร้างโมเดลกัน จะพบว่าจริงๆ มันคลีนมาพอสมควรเลย เช่น ข้อมูลถูกต้องตาม field, type ของข้อมูลเอาไปใช้ต่อได้เลย, มี feature ที่จำเป็น พร้อมเอาเข้าโมเดล, หรืออาจมี missing values ให้ลองไป impute กัน

source: https://sebastianraschka.com/images/blog/2015/principal_component_analysis_files/iris.png

แต่ในสถานการณ์จริง.. …


อัพเดทเรื่องราวหลังจากห่างหายไปนาน..

ห่างหายจากการขีดเขียนสิ่งต่างๆ ลง blog เป็นเวลานาน เกือบ 1 ปีเต็มเลยทีเดียว ปี 2020 นี้เลยตั้งเป้าให้ตัวเองว่าจะกลับมาเขียนอย่างสม่ำเสมออีกครั้ง!

blog นี้อยากจะ recap ตัวเองว่าช่วงที่ผ่านมา หายไปทำอะไรบ้าง ถือเป็นสรุปปี 2019 (อีกครั้ง) ไปในตัวเลยแล้วกัน ^^

ปีแรกแห่งการทำงานตลอดทั้งปี!

ปี 2019 นี้เป็นปีแรกในชีวิตหลังจากเรียนจบมหา’ลัย และทำงาน แบบ full-time ตลอดทั้งปี ฟีลลิ่งแบบเด็กใหม่จบใหม่ไฟแรง อยากทำนู่นทำนี่เยอะแยะไปหมด หลังจากทำงานซักระยะหนึ่ง ก็มีหลายช่วงที่กลัวใจตัวเองเหมือนกัน ว่าเราจะทำได้หรือเปล่า? จะผ่านเรื่องยากๆ นี้ไปได้มั้ย จะท้อหรือเบื่อและยอมแพ้มั้ย? และสุดท้ายก็ผ่านมันมาได้

โต๊ะทำงาน (สมัยก่อน) โล่งๆ ว่างๆ มีกล้วยด้วยไม่รู้ทำไม 555

ณ วันนี้ มองย้อนกลับไปก็รู้สึกได้ว่าเราค่อยๆ เติบโตขึ้นนะ เรียนรู้เรื่องใหม่ๆ อยู่เรื่อยๆ ด้วยความที่สายงานที่ทำจะได้เจอโปรเจ็คหลายแบบ โจทย์ที่ได้รับก็แทบจะไม่ซ้ำกันเลย นอกจากพัฒนา Hard skill ก็มี Soft skill ที่ค่อยๆ พัฒนาทีละนิดด้วย~(อย่างน้อยเมื่อก่อนก็ไม่กล้าพูดกล้าแสดงออกกับใครเลยนะ เป็นคนขี้เขิล แง)

คาดหวังว่าปีนี้ และปีต่อๆ ไป จะยังมีไฟและมีความสนุกในการทำงาน พร้อมๆ กับเรียนรู้สิ่งใหม่อย่างสม่ำเสมอนะ :)

ได้ช่วยสอน และได้สอนในอีเว้นต่างๆ

ตั้งแต่เริ่มสนใจงานสาย data ก็ค่อยๆ ศึกษานู่นนี้ เข้าร่วม event นู่นนี่ จนวันนึงได้เจอพี่คนนึง (FC เลยยยย) รู้สึกขอบคุณที่วันนั้นพี่ชวนไปลองเป็น TA ช่วยสอน ไม่รู้ว่าคิดยังไงถึงกล้าชวนหนูนะ 55555 (อารมณ์แบบ เด็กที่ไหนทำอะไรอยู่ก็ไม่รู้นะ แง) เปิดประสบการณ์ใหม่เลยล่ะ ซึ่งเราคิดว่าการถ่ายทอดสิ่งที่เรารู้ หรือสนใจไปให้คนอื่นๆ ต่อ มันเป็นสิ่งที่ดี เป็นประโยชน์กับทุกคน และเราคิดว่าเราชอบนะ…


ʕっ•ᴥ•ʔっฉบับแปลไทย 3 นาทีจบ

สวัสดีค่าทุกคน Data fallacies to avoid กลับมาแล้ววว (หายไปไหนนานหือ?) blog นี้เป็น PART สุดท้ายแล้วน้า 😋

// แอบแปะ link part 1–2 ใครพึ่งมาก็ไปตำ ใครลืมของเก่าหมดแล้วก็ไปตำาาา

ตอนที่แล้วเราค้างไว้ที่ Regression towards the mean ใกล้จบแล้ววว มาต่อกันเลย~

From Geckoboard’s Data Literacy Lessons.

Simpson’s paradox

ข้อมูลนึง เมื่อแสดงผลในกลุ่มย่อยๆ ได้ผลแบบนึง แต่พอรวมทุกกลุ่มเข้าด้วยกัน อ้าว! ได้ผลอีกแบบ ??

Simpson’s paradox เป็นตัวอย่างหนึ่งที่บอกได้ว่าข้อมูลทางสถิติที่เราเก็บมาอาจจะผิดพลาด ตัวอย่างเช่น


ฉบับแปลไทย แปลยังไงให้นู๊บเข้าใจ…

สวัสดีทู้กกกคน 😊 blog นี้พูดถึงคำถาม 10 ข้อเกี่ยวกับ Machine Learning ที่ใช้สัมภาษณ์งานโดยบริษัท Accenture ต้นฉบับคือข้างล่างนี้เลย!

ปล. บางประโยครู้สึกว่าอ่านเป็นภาษาอังกฤษแล้วเข้าใจง่ายกว่า ดังนั้นทุกคนอาจเปิดต้นฉบับอ่านไปพร้อมกันได้นะคะ (ไม่ยาว อ่านง่ายแน่นอน)

มาเริ่มกันเลยค่ะ~

1. คำว่า Probability กับ Likelihood ต่างกันยังไง

แอบขายของ FlashCard ช่วยจำ (ติดตามได้ที่เพจ Noob Learning จ้า)

ในช่วง training สิ่งที่เราทำคือการหาค่า parameter ของโมเดล ที่ทำให้โมเดลมีประสิทธิภาพมากที่สุด ในที่นี้หมายถึง ทำให้ความน่าจะเป็นที่จะเกิดผลลัพธ์​ที่ถูกต้องสูงที่สุด ซึ่งความน่าจะเป็นนั้นเราเรียกว่า likelihood

ในช่วง testing เราเอา parameter ที่ได้จากตอน training มาหาความน่าจะเป็นของผลลัพธ์ ความน่าจะเป็นนั้นเรียกว่า probability

2. Bayes theorem คืออะไร และมีประโยชน์กับ machine learning ยังไง?


เข้าใจแต่ละบทได้ใน สิบ บรร ทัด!

หนังสือ Machine Learning Yearning เขียนโดยอ. Andrew Ng เป็นหนังสือที่น่าสนใจ ประกอบไปด้วยเทคนิคต่างๆ ที่สาย data ควรรู้ วันนี้เราเลยมาสรุปสั้นๆ ให้อ่านกัน บทละไม่เกิน 10 บรรทัดจริงจริ๊ง! (ตั้งใจสรุปมากๆ ฮ่าๆ) 😝

หวังว่าจะช่วยให้ชาวนู๊บทุกคนย่อยหนังสือเล่มนี้ได้ง่าย และประหยัดเวลาขึ้นนะฮับ ปล. อ่านจบ = 1 ใน 5 ของหนังสือละนะ! 💁🏻

#1 — Why machine learning strategy

ในการทำ machine learning application สิ่งสำคัญที่เราต้องการคือ rapid progress ซึ่งหนังสือเล่มนี้แนะนำแนวทางต่างๆ ที่จำเป็น เช่น ถ้าเราสร้าง neural network model เพื่อจำแนกรูปแมว แต่ accuracy ยังไม่ดีพอ เราจะทำยังไงได้บ้าง?

Manusaporn Treerungroj

Get the Medium app

A button that says 'Download on the App Store', and if clicked it will lead you to the iOS App store
A button that says 'Get it on, Google Play', and if clicked it will lead you to the Google Play store