<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by LukkGolF ❤ on Medium]]></title>
        <description><![CDATA[Stories by LukkGolF ❤ on Medium]]></description>
        <link>https://medium.com/@LukkGolF?source=rss-ba7c6b070e02------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/1*SmEU6y7QAm32eOob5lwbZg.jpeg</url>
            <title>Stories by LukkGolF ❤ on Medium</title>
            <link>https://medium.com/@LukkGolF?source=rss-ba7c6b070e02------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Sun, 22 Nov 2026 16:43:52 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@LukkGolF/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[ปฐมบทแห่งเจได (Data Careers) Ep.2]]></title>
            <link>https://medium.com/@LukkGolF/%E0%B8%9B%E0%B8%90%E0%B8%A1%E0%B8%9A%E0%B8%97%E0%B9%81%E0%B8%AB%E0%B9%88%E0%B8%87%E0%B9%80%E0%B8%88%E0%B9%84%E0%B8%94-data-careers-ep-2-97d8fe42c9f4?source=rss-ba7c6b070e02------2</link>
            <guid isPermaLink="false">https://medium.com/p/97d8fe42c9f4</guid>
            <category><![CDATA[data-science]]></category>
            <category><![CDATA[thailand]]></category>
            <category><![CDATA[python-data-science]]></category>
            <category><![CDATA[deep-learning]]></category>
            <category><![CDATA[data-scientist]]></category>
            <dc:creator><![CDATA[LukkGolF ❤]]></dc:creator>
            <pubDate>Sat, 15 Aug 2020 10:02:46 GMT</pubDate>
            <atom:updated>2020-08-16T04:35:00.476Z</atom:updated>
            <content:encoded><![CDATA[<p>สวัสดีครับ ห่างเหินกันไปนานกว่า 2 ปี นับจากบทความแรกของผมที่เขียนเกี่ยวกับการก้าวเข้ามาสู่เส้นทางของสาย data รวมถึงการก้าวไปเป็น Jedi ในสายงานนี้ เชื่อว่านับตั้งแต่ตอนนั้นจนถึงตอนนี้ หลายๆคนก็คงได้เป็น Master of Data หรือไม่ก็เป็น Jedi กันไปหมดแล้ว 5555 ส่วนผมตอนนี้ยังอยู่ในช่วงค้นหาวิถีแห่งพลังอยู่ครับ ดีไม่ดีอาจจะเดินทางเข้าสู่ด้านมืดแล้วก็ได้ 555</p><p>วันนี้เราจะมาว่ากันต่อในส่วนของ Ep.2 ส่วนใครที่ยังไม่ได้อ่าน Ep.1 ก็ไปตามอ่านกันได้นะครับ “<a href="https://medium.com/p/9413f22c7950?source=post_stats_page---------------------------">ปฐมบทแห่งเจได (Data Careers) Ep.</a>1” ซึ่งในตอนนี้เราจะพูดถึง tool ต่างๆ รวมถึง technology ที่เกี่ยวข้องกับ data ให้มากขึ้นและลึกขึ้นกว่าเดิม โดยจะเน้นไปทางฝั่งของ Data Scientist และ Data Analyst เป็นหลัก เรียกได้ว่าอัพเดทกันสุดๆตามเทรนด์ในปี 2020 นี้เลยครับ</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/860/0*OGmbf4diT-69GeQD.png" /><figcaption><a href="https://www.pngitem.com/middle/hmhJJiw_graph-economy-graph-clipart-hd-png-download/">https://www.pngitem.com/middle/hmhJJiw_graph-economy-graph-clipart-hd-png-download/</a></figcaption></figure><h3><strong>Python &amp; R ยังคงครองแชมป์</strong></h3><p>ผ่านมาก็หลายปีแล้ว แต่ Python และ R ก็ยังคงเป็น ภาษาที่ top hit มากที่สุดในงานด้าน Data Science เนื่องจากเป็น High-level Language นั่นก็คือเป็นภาษาที่เขียนง่าย อ่านง่าย syntax ไม่ซับซ้อนยุ่งยาก ยิ่งไปกว่านั้นด้วยความที่มัน popular เอามากๆ ทำให้ community ใหญ่มากๆอีกด้วย เรียกได้ว่า ไม่ว่าคุณจะเจอ bug แบบไหน error แบบไหน ก็สามารถเอาเข้าไป search ใน stackoverflow ได้อย่างแน่นอน สิ่งที่ผมอยากจะแนะนำเพิ่มเติมเวลาที่เราไป search หาคำตอบ ก็คือให้เราอ่านดูหลายๆ comment ของแต่ละคนที่มาตอบ และ<strong>ทำความเข้าใจ code ที่ผู้ตอบเขียนมา ผมไม่แนะนำให้แค่ copy มา แล้วเอามาใช้เลยนะครับ </strong>ผมเชื่อว่าแต่ละคนจะมีแนวทางที่ยากง่ายแตกต่างกันออกไป แต่ท้ายที่สุดแล้วมันจะให้ผลลัพธ์ตามที่คุณต้องการ ข้อดีก็คือคุณจะได้เห็นวิธีการเขียน code หรือการแก้ปัญหาในหลาายๆรูปแบบ มันจะทำให้คุณเกิด idea ใหม่ๆ เห็นแนวทางใหม่ๆในการแก้ปัญหานั้น ปัญหาบางอย่างอาจจะแค่เส้นผมบังภูเขาเลยก็ว่าได้</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/602/0*AnFAlt-p0dIZg00T.png" /><figcaption><a href="https://towardsdatascience.com/bilingual-data-scientist-python-to-r-part-1-70438fcdc155">https://towardsdatascience.com/bilingual-data-scientist-python-to-r-part-1-70438fcdc155</a></figcaption></figure><p>สำหรับผู้ที่ใช้ Python มาเป็นเวลานาน และคอยติดตามศาสตร์ด้าน Software Engineering แล้วละก็ จะพบว่า Python นั้นยังคงมีปัญหาด้านของ Performance และ Speed ที่สู้พวก C , C++ ไม่ได ้ซึ่งทำให้มีผลอยากมากในการเอาไปใช้งานจริงกับงานที่ต้องการผลลัพธ์ที่ไว โดยส่วนตัวของผู้เขียนเองก็เคยเจอปัญหานี้อยู่เหมือนกัน ทำได้อย่างเดียวคือ <strong>“ทำใจ” </strong>และในช่วงหลังๆมา เราอาจจะเห็นกลุ่ม Machine Learning / Deep Learning practitioner บางกลุ่ม เริ่มมีการโยกย้ายไปเขียน model บนภาษาอื่นมากขึ้นเช่น Swift และ Julia เรียกได้ว่านี้อาจจะเป็นก้าวใหม่ของวงการก็ว่าได้ เพราะ ภาษาพวกนี้มีจุดเด่นในเรื่องของ Speed อยู่แล้ว ในอนาคตอันใกล้นี้ไม่มีใครตอบได้ว่าจะเป็นยังไง แต่ผู้เขียนเชื่อว่าวันนึงมันจะเข้ามามีบทบาทต่อคนที่ทำงานสาย Data มากขึ้นอย่างแน่นอน แต่ในตอนนี้ก็ขอให้ทุกคน Focus ไปที่ Python &amp; R กันก่อนนะครับ :)</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*CRqz1QJWqHz6aHh4.png" /><figcaption><a href="https://towardsdatascience.com/data-visualization-with-julia-and-vscode-168a69f7ddf8">https://towardsdatascience.com/data-visualization-with-julia-and-vscode-168a69f7ddf8</a></figcaption></figure><p><strong>คำแนะนำเพิ่มเติม : </strong>หลักๆแล้วโดยทั่วไปแล้วถ้าคุณเขียน Python / R / SQL ได้ แค่ 3 ตัวนี้ก็เพียงพอแล้วต่อการทำงานในสาย Data แต่สำหรับการเป็น Jedi แล้วละก็ แค่นี้ก็อาจจะไม่เพียงพอ เพราะปัจจุบัน Technology เติบโตไปไวมากๆ รวมถึงข้อมูลที่เพิ่มขึ้นอย่างมหาศาลในทุกๆวัน บทบาทของ AI ก็เพิ่มสูงขึ้นต่อภาพธุรกิจ อุตสาหกรรม รวมไปถึงการใช้ชีวิตประจำวันของเรา นั่นทำให้เกิดเครื่องมือใหม่ๆขึ้นมา เพิ่อที่จะมาดำเนินการในด้านนี้โดยเฉพาะ เช่น <strong>Tensorflow , Pytorch , Spark , Cloud Computing</strong> และอื่นๆอีกมากมาย ซึ่งสำหรับการเป็น Jedi แล้ว โดยส่วนตัวทางผู้เขียนคิดว่าควรจะมี skill เพิ่มเติมติดตัวไว้อย่างน้อยอีก 2–3 อย่าง</p><h3>การก้าวกระโดดของ Library</h3><p>ถ้าใครได้ติดตาม library ในงานด้าน Data Science แล้วละก็จะพบว่า เข็นกันออกมามากกกกกมายยยยยเหลือเกิ๊นนนนนนนนน 555 ออกมาจนคนที่ตามศึกษาตามเรียนรู้อย่างเรา บางทีก็แอบตามไม่ทันเหมือนกัน ไหนจะบาง Library ที่ไม่ได้ออกใหม่ แต่มีการ Upgrade จาก Version เดิม ทำให้ Syntax มีการเปลี่ยนแปลงไปแบบ Major Change !!! อ่านมาถึงตรงนี้หลายๆคนก็อาจจะเริ่มปวดหัวกันแล้ว เอ๊ะ ! แล้วเราควรจะเริ่มศึกษา Library ตัวไหนเพิ่มเติมดีละ ในเมื่อมันมีเยอะไปหมดขนาดนี้ วันนี้ทางผู้เขียนขอสรุปแยกออกเป็นกลุ่มๆนะครับ (สำหรับสาย Python เท่านั้นนะครับ)</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*BjIGmFjou7ZyAHxL.jpg" /><figcaption><a href="https://www.dataquest.io/blog/15-python-libraries-for-data-science/">https://www.dataquest.io/blog/15-python-libraries-for-data-science/</a></figcaption></figure><p><strong>Common Library (เป็น library ที่ทุกคนควรมีสกิลติดตัวไว้)</strong></p><ul><li>Pandas 1.1.0 (Release date Jul 28, 2020)</li><li>Numpy 1.19 (Release date Jun 29, 2020)</li><li>Matplotlib 3.3.1 (Release date Aug 14, 2020)</li><li>Seaborn 0.10.1 (Release date April 2020)</li><li>SciPy 1.5.2 (Released date Jun 23 , 2020)</li><li>Tqdm 4.48.2 (Released date Aug 3 , 2020)</li><li>Scikit-learn 0.23.2 (Released date Aug 4 , 2020)</li></ul><p><strong>Deep Learning Library (การเรียนรู้เชิงลึก)</strong></p><ul><li>Tensorflow 2.2.0 (Released date May 6 , 2020)</li><li>Pytorch 1.6 (Released date Jul , 2020)</li></ul><p><strong>Computer Vision (การเข้าใจรูปภาพ / ภาพถ่าย / สัญญาณภาพ)</strong></p><ul><li>Opencv 4.4.0 (Released date Jul 18 , 2020)</li><li>Pytesseract 0.3.5 (Released date Aug 10 , 2020)</li><li>EasyOCR 1.1.7 (Released date Aug 10 , 2020) (Library คนไทย)</li></ul><p><strong>Natural Language Processing or NLP (การเข้าใจภาษามนุษย์)</strong></p><ul><li>Spacy 2.3.2 (Released date Jul 13 , 2020)</li><li>Huggingface 3.0.2 (Released date Jul 7 , 2020)</li><li>NLTK 3.5 (Released date Apr 2020)</li><li>CoreNLP 4.1 (Released date Jul 31 , 2020) (JAVA)</li><li>Gensim 3.8.3 (Released date May 4 , 2020)</li><li>Pythainlp 2.2.3 (Released date Aug 1 , 2020) (Library คนไทย)</li></ul><p><strong>Distributed Programming (การประมวลผลหลายๆแกน)</strong></p><ul><li>PySpark 3.0 (Released date Jun 18 , 2020)</li><li>Dask 2.23.0 (Released date Aug 14 , 2020)</li></ul><p><strong>Reinforcement Learning (สำหรับคนที่อยากทำแบบ AlphaGo)</strong></p><ul><li>Gym 0.17.2 ( Released date May 9, 2020)</li></ul><p>มาถึงตรงนี้ๆหลายคนคงจะเริ่มถอนหายใจกันเฮือกใหญ่ ใช่แล้วครับผมเองก็ด้วย 5555 ในบทความนี้ผมจะยังไม่ได้ลงรายละเอียดว่าในแต่ละ Library ลักษณะการใช้งาน ข้อดี/ข้อเสียเป็นอย่างไร อาจจะเก็บไว้ยกไปในบทความหน้านะครับ</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*03F2rWfdBtZVvD6p.jpg" /><figcaption><a href="https://www.123rf.com/photo_43578621_so-tired.html">https://www.123rf.com/photo_43578621_so-tired.html</a></figcaption></figure><p><strong>คำแนะนำเพิ่มเติม : </strong>ถ้าจะให้เรียนทั้งหมด ใช้ให้เป็นทุก Library ก็คงเป็นไปไม่ได้ใช่ไหมครับ 555 (แต่บางคนอาจทำได้นะ) โดยส่วนตัวแล้วถ้าให้ผมแนะนำ สำหรับกลุ่ม Common Library อันนี้ทุกๆคนควรจะฝึกใช้งานให้เป็นให้คล่องทุกตัว อาจจะไม่ต้องคล่องมาก แต่อย่างน้อยต้องพอจะอ่าน code หรือทำความเข้าใจ Function ต่างๆของ Library นั้นได้ ซึ่งผมมั่นใจว่าใครก็ตามที่เดิมตามวิถีแห่ง Jedi อยู่ ก็คงจะได้ใช้งานได้ลองผิดลองถูกกันมาอย่างชํ่าชองแล้วอย่างแน่นอน ส่วนในกลุ่มที่เหลือผมอยากให้หยิบมาเรียนรู้ซักกลุ่มละตัวก็เพียงพอต่อการใช้งานแล้วครับ เช่น กลุ่ม Deep Learning Library คุณก็อาจจะเลือก Tensorflow หรือไม่ก็ Pytorch อย่างใดอย่างหนึ่งมาฝึกฝน ซึ่งในส่วนนี้ก็อาจจะขึ้นกับปัจจัยภายนอกอื่นๆด้วย เช่นที่ทำงานของคุณนั้นใช้ Pytorch แต่คุณเลือกที่จะไปเรียน Tensorflow ก็อาจจะไม่ตอบโจทย์ที่ทำงานเท่าไร เพราะฉะนั้น เลือก Library ที่เหมาะสมและตอบโจทย์ตัวคุณนะครับ :)</p><p>ยังมีอีกสิ่งหนึ่งที่ผมอยากจะแนะนำมากๆเลยก็คือ Spark / Pyspark อันนี้อาจจะบอกว่าผม Bias ส่วนตัวก็ได้ เพราะว่าอย่างที่ได้เกริ่นไปในตอนแรกแล้วว่า ปัจจุบันเรามีข้อมูลมากมายมหาศาลจริงๆครับ ลำพัง Computer เครื่องเดียวแทบจะเอาไม่อยู่อีกต่อไปแล้ว ดังนั้นเราจึงต้องการ Distributed System เข้ามาช่วย นั่นก็คือให้ Computer หลายๆเครื่องช่วยกันประมวลผลให้กับเรา ทำให้เราได้ผลลัพย์ที่ต้องการออกมาไวมากยิ่งขึ้น หนึ่งในภาษาที่ต้องใช้เลยก็คือ Spark (Scala) or Pyspark (Python) ครับ และยิ่งไปกว่านั้นถ้าคุณเขียนเป็น ผมเชื่อว่ามันจะช่วยอัพเกรดโปรไฟล์ของคุณได้เป็นอย่างดีเลยละครับ แต่ทั้งนี้ทั้งนั้นก็ขึ้นอยู่กับงานที่เจอด้วยนะครับ บางครั้ง จำนวนข้อมูลเราไม่ได้มีมากมาย Spark ก็ไม่ได้จำเป็นที่จะต้องใช้</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/700/0*nZSbuJcP_LHjKLc2.png" /><figcaption><a href="https://jupyter.ai/pyspark-session/">https://jupyter.ai/pyspark-session/</a></figcaption></figure><h3>Cloud Computing เทคโนโลยีเปลี่ยนโลกกกก!</h3><p>สมัยนี้คงไม่มีใครไม่รู้จัก Cloud แทบจะทุกบริษัทต้องใช้ Cloud เป็นส่วนนึงในระบบการทำงานอยู่แล้ว โดย Function หลักๆที่เรามักจะใช้งานจาก Cloud คือ</p><ul><li>เป็น Storage</li><li>เป็นที่ทำ Data Pipeline &amp; Work Flow</li><li>เป็นที่ Monitor Dashboard ต่างๆ</li><li>และอีกมากมาย</li></ul><p>แต่ในปัจจุบัน Cloud นั้นพัฒนาไปไกลมากแล้วจริงๆ จนเราสามารถทำทุกสิ่งอย่างบน Cloud ได้หมดแล้ว เรียกได้ว่ามีครบทุก Service ทุก Function ทุกบริการที่อยากจะได้ เช่น คุณสามารถ train machine learning model ผ่านการเขียน SQL ได้แล้ว! ใช่ครับฟังไม่ผิด มันเป็นแบบนี้จริงๆ อลังการงานสร้างสุดๆ หรือแม้แต่การที่อยากจะได้ Service ตัวเทพจากผู้ให้บริการ Cloud เช่น การทำ AI , Chatbot , Image Processing ก็ล้วนแต่มีให้คุณเลือกใช้งานแล้วทั้งสิ้น ขอเพียงอย่างเดียวคือ คุณแค่มี<strong> “Money”</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*yetZyJ49Svnb2Ihp.jpg" /></figure><p>อีกหนึ่งจุดที่สำคัญมากๆสำหรับ Cloud ก็คือ คุณสามารถ Custom เครื่องของคุณได้ตามใจต้องการ เป็นที่รู้กันว่าบางครั้งงานในด้าน Big data / Data Science ก็ต้องการ Computer ที่ทรงพลังกว่าปกติ ซึ่งถ้าคุณต้องมานั่งประกอบคอมเองหรือลงทุนซื้อคอมราคาแพงเองแล้วละก็ ก็อาจจะไม่ตอบโจทย์ตรงนี้ Cloud จึงเข้ามามีบทบาทและช่วยคุณได้มากเลยทีเดียว เพราะทางผู้ให้บริการจะคิดราคาตามการใช้งานของคุณ ใช้แค่ไหนจ่ายแค่นั้น (แต่ใช้เสร็จแล้วก็อย่าลืม ปิด service ด้วยนะครับ ไม่งั้นกระเป๋าเงินคุณอาจจะสั่นไม่รู้ตัว 555 )</p><p>ผู้ให้บริการ Cloud ยอดนิยมในตลาดก็จะมีด้วยกันอยู่ 3 เจ้าใหญ่</p><ul><li>Google Cloud Platform (Google)</li><li>Amazon Web Service (Amazon)</li><li>Microsoft Azure (Microsoft)</li></ul><p><strong>คำแนะนำเพิ่มเติม</strong> : ถ้าถามว่าเลือก Cloud เจ้าไหนละก็ <strong>“เลือกตามความชอบ”</strong> เลยครับ 5555 ใครเป็น Fanboy ค่ายไหนก็เลือกใช้ค่ายนั้นไปเลยครับ แต่ละค่ายมี Service ดีๆแตกต่างกันออกไป แต่โดยภาพรวมแล้วจะคล้ายๆกันหมด และก็อย่าลืมศึกษา cost ในการใช้งานด้วยนะครับ ว่ามีค่าใช้จ่ายเท่าไรกันบ้าง เพิ่อความปลอดภัยของเงินในกระเป๋าคุณ และเงินของบริษัทครับผม</p><p>จบกันไปแล้วครับสำหรับบทความใน Ep.2 ในบทความหน้าเราจะมาลงลึกให้มากขึ้นในส่วนของ Model / Algorithm ในงานด้าน Data Science ในปี 2020 นี้ รวมไปถึง Skill ต่างๆที่ต้องใช้กัน สำหรับวันนี้สวัสดีครับ :)</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=97d8fe42c9f4" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[จอภาพ(Monitor Computer)เลือกยังไง?]]></title>
            <link>https://medium.com/@LukkGolF/%E0%B8%88%E0%B8%AD%E0%B8%A0%E0%B8%B2%E0%B8%9E-monitor-computer-%E0%B9%80%E0%B8%A5%E0%B8%B7%E0%B8%AD%E0%B8%81%E0%B8%A2%E0%B8%B1%E0%B8%87%E0%B9%84%E0%B8%87-649c744bfb21?source=rss-ba7c6b070e02------2</link>
            <guid isPermaLink="false">https://medium.com/p/649c744bfb21</guid>
            <category><![CDATA[technology]]></category>
            <category><![CDATA[information-technology]]></category>
            <category><![CDATA[gaming]]></category>
            <category><![CDATA[computers]]></category>
            <dc:creator><![CDATA[LukkGolF ❤]]></dc:creator>
            <pubDate>Sun, 19 Jul 2020 13:47:39 GMT</pubDate>
            <atom:updated>2020-07-19T13:47:39.048Z</atom:updated>
            <content:encoded><![CDATA[<p>สวัสดีครับ ช่วงนี้สินค้า IT หลายๆอย่างในบ้านเราก็ทยอยเปิดตัวกันมากมาย และหนึ่งในตลาดที่มีการแข่งขันกันสูงมากๆก็คือ Monitor computer หรือจอภาพที่เราใช้ๆกันอยู่นี่เอง วันนี้เลยอยากจะมาแชร์ ความรู้ความเข้าใจ รวมไปถึงการเลือกซื้อ Monitor ดีๆซักตัวที่เหมาะสมกับตัวเราด้วยครับ</p><p>บทความนี้จะลงที่ <strong>Facebook page : TechExplain </strong>ซึ่งเป็นแหล่งรวบรวม , อธิบาย , สรุป และ วิเคราะห์ ข่าวสารด้าน Technology ในแบบฉบับที่เข้าใจง่าย ยังไงก็ฝากติดตามกันด้วยนะครับ :)</p><p><strong>** Monitor นั้นมีกี่แบบ ? **</strong></p><p>Monitor computer นั้นมีทั้งหมด 3 แบบด้วยกัน</p><p>❇<strong> CRT (Cathode Ray Tube)</strong> หรือ หน้าจอแบบหลอดรังสีแคโทด</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/680/1*VKeTK4dNQOjxUfXP2PJz3w.jpeg" /><figcaption><a href="https://www.online-tech-tips.com/computer-tips/why-would-you-want-a-crt-monitor-in-2019/">https://www.online-tech-tips.com/computer-tips/why-would-you-want-a-crt-monitor-in-2019/</a></figcaption></figure><p>หน้าจอประเภทหลอดรังสีแคโทดนี้เป็นหน้าจอที่รับสัญญาณภาพแบบ Analog ที่ถูกพัฒนามาด้วยเทคโนโลยีเดียวกันกับ TV ในสมัยก่อน โดยบริษัท IBM ถือว่าเป็นเจ้าแรกๆที่ทำการผลิตหน้าจอประเภทนี้ขึ้นมา อาศัยหลักการยิงลำแสงอิเล็กตรอนจากหลอดรังสีแคโทดไปยังพื้นผิวของหน้าจอซึ่งมีสารประกอบของฟอสฟอรัสฉาบอยู่ เมื่อฟอสฟอรัสที่ฉาบอยู่ถูกอิเล็กตรอนมากระทบ ก็จะเกิดการเรืองแสงขึ้นมา ทำให้เราเห็นเป็นภาพขึ้นมานั่นเอง</p><p>ปัจจุบันไม่เป็นที่นิยม และแทบจะไม่เห็นอีกแล้ว เนื่องด้วยข้อเสียหลายๆอย่างเช่น น้ำหนักที่มากและขนาดที่ไม่สะดวกต่อการเคลื่อนย้ายเอาเสียเลย ใครที่ยกจอคอมในสมัยนั้นบ่อยๆนี่ต้องเรียกได้ว่ามีกล้ามเป็นมัดๆแน่นอนครับ 😊 ประกอบกับ เทคโนโลยีสมัยใหม่ที่พัฒนาขึ้นแบบก้าวกระโดด จึงมีจอภาพที่สามารถทดแทนได้ออกมามากมาย รวมถึงสามารถกลบจุดด้อยของ หน้าจอแบบหลอดรังสีแคโทดได้ นั่นก็คือ จอภาพแบบ LCD และ LED</p><p>❇ <strong>LCD ( Liquid Crystal Display ) </strong>หรือจอ LCD</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/600/1*nNjqiVibaDlUz7whiWquJw.jpeg" /><figcaption><a href="https://www.alzashop.com/24-philips-243v7qdjabf-d5144956.htm?layoutAutoChange=1">https://www.alzashop.com/24-philips-243v7qdjabf-d5144956.htm?layoutAutoChange=1</a></figcaption></figure><p>จอ LCD นั้น จะใช้วัสุดประเภทผลึกเหลว (liquid crystal) มาใส่ไว้ในหน้าจอ ในสมัยเด็กๆทางผู้เขียนชอบที่จะเอานิ้วไปจิ้มๆที่บริเวณหน้าจอประเภท LCD เอามากๆ เพราะมันจะบุ๋มลงไป ให้ความรู้สึกเหมือนเราเอานิ้วจุ่มลงไปในน้ำ เป็นอะไรที่รู้สึกสนุก เอามากๆ 😁 หลังจากนั้นใช้หลักการปรับเปลี่ยนโมเลกุลของผลึกเหลว ทำให้เกิดสีต่างๆขึ้น แถมคุณภาพของภาพยังสูงอีกด้วย</p><p>หน้าจอ LCD นั้นมีข้อดีมากมาย แต่ที่ดูเหมือนจะทำให้อุตสาหกรรมจอภาพเปลี่ยนไป ดูเหมือนจะเป็นในเรื่องของ การกินพลังงานที่น้อยลง และน้ำหนักที่ลดลง! ทำให้จอภาพแบบหลอดรังสีแคโทดขึ้นแท่นเป็นตำนานแห่งความอึดถึกหนักไปโดยทันที แต่ใช่ว่าข้อเสียจะไม่มีเลยสำหรับจอ LCD ข้อเสียหลักๆของจอ LCD เลยคือมีราคาที่แพงขึ้น แต่ในปัจจุบันก็ถือว่าถูกลงมากๆแล้ว เพราะหลายๆแบรนด์ทำตลาดแข่งขันกัน ปล่อยจอภาพประสิทธิภาพสูงมาชนกันอยู่เรื่อยๆ ทำให้ผู้บริโภคอย่างเราๆได้เปรียบด้านราคามากขึ้น ข้อเสียอีกข้อนึงคือ คุณภาพของภาพที่ไม่ค่อยเสถียรซักเท่าไร เมื่อเรามองจอภาพในมุมมองที่แตกต่างกัน เช่น มองเข้ามาจากด้านข้าง มองเข้ามาจากด้านบน ก็จะเห็นภาพในแบบที่แตกต่างกันออกไป ด้วยข้อจำกัดนี้จึงทำให้เกิด จอภาพแบบใหม่ขึ้นมา และเป็นที่นิยมมากในปัจจุบันนั่นก็คือ จอ LED</p><p>❇ <strong>LED ( Light-Emitting-Diode )</strong> หรือ จอ LED</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/600/1*RuA-_2_MYVkNmyulCcPpDw.jpeg" /><figcaption><a href="https://www.asus.com/Monitors/ROG-STRIX-XG27VQ/">https://www.asus.com/Monitors/ROG-STRIX-XG27VQ/</a></figcaption></figure><p>เป็นจอภาพแบบล่าสุดที่นิยมใช้กันแพร่หลายในปัจจุบัน หลักการทำงานของ จอ LED คือ ภายในตัวจอจะมีการเรียงกันของหลอด LED มากมายเป็นแถวๆ ภาพที่เกิดขึ้นจะเกิดจากการติดและดับของหลอด LED ทำให้ได้ภาพที่มีคุณภาพสูง สีสันสดใส มีการตอบสนองที่ไว และชัดเจนกว่าจอภาพแบบอื่นๆ เป็นการกลบจุดด้อยหลายๆอย่างของ LCD ที่เคยมีมา ปัญหาของการมองภาพจากมุมที่แตกต่างกันก็ถูกลดน้อยลง อีกทั้งยังประหยัดพลังงานมากขึ้นไปอีก! เรียกได้ว่าเป็นจอภาพที่รักโลกเอาสุดๆ นอกจากนี้ยังทำให้การออกแบบจอภาพนั้นยืดหยุ่นมากขึ้น เช่น ขนาดที่เล็กลง บางลง และเบาลง</p><p>ปัจจุบันเราจะเห็นจอแบบ LED มากมายในท้องตลาด ทั้งจอภาพคอมพิวเตอร์และจอ TV ข้อเสียอย่างเดียวที่ทางผู้เขียนเล็งเห็นนั่นคือในด้านของราคา โดยเฉพาะจอระดับ high-end ต่างๆ เช่น จอโค้ง (curved display) ความละเอียดสูง ซึ่งมีราคาที่สูงเอามากๆ แต่ก็แลกมาด้วยประสบการณ์ที่ยอดเยี่ยมและลงตัวแบบหาที่ไหนไม่ได้อีกแล้ว ถ้าได้สัมผัสสักครั้งก็อาจจะติดใจจนถอยหลังกลับไม่ได้ เหมือนกับ อนาคิน sky walker ที่เข้าสู่ด้านมืด 👿</p><p><strong>** การเลือก Panel **</strong></p><p>Panel ในที่นี้คือ “รูปแบบการแสดงผล” ในการจะเลือกหน้าจอดีๆมาใช้ให้เหมาะสมกับงานของตัวเองสักชิ้น สิ่งที่ขาดไม่ได้เลยคือ ต้องถามว่าตัวเรานั้นชอบ Panel แบบไหน จะนำไปใช้งานในรูปแบบใด ซึ่งแต่ละ Panel ก็จะมีข้อดีข้อเสียแตกต่างกันออกไป โดย Panel ที่นิยมกันจะมีทั้งหมด 3 panel นั่นคือ <strong>TN , VA และ IPS</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/554/1*0Bwvm0M9Z4_9GURIFCehsA.png" /><figcaption><a href="https://pcgamehaven.com/tn-vs-ips-vs-va-monitor-panel/">https://pcgamehaven.com/tn-vs-ips-vs-va-monitor-panel/</a></figcaption></figure><p>✳ <strong>TN</strong> เป็น Panel ที่ให้มุมมองของภาพที่ค่อนข้างแคบ (view angle) และการแสดงผลของสีไม่ได้สวยงามมากเท่าไร นั่นทำให้เมื่อเรามองภาพจากต่างมุมมอง เช่นลองมองจากด้านข้างของจอภาพ หรือ ด้านบนของจอภาพ เราจะเห็นภาพและสีที่เปลี่ยนไป แต่ในเรื่องของ การตอบสนอง (Response time) และ รีเฟรชเรท (Refresh rate)<strong> </strong>จะดีเอามากๆ ยกตัวอย่างเช่น ในจอระดับสูงของ Panel ประเภท TN อาจมี r<strong>esponse time เพียงแค่ 1 มิลลิวินาที!!! (1ms)</strong> หรืออาจจะเร็วกว่านั้นอีก หมายความว่าเพียงแค่คุณขยับเมาส์หรือทำ action ใดๆก็แล้วแต่บนคอมพิวเตอร์ของคุณ หน้าจอประเภทนี้ก็สามารถแสดงผลออกมาได้อย่างทันทีทันใดนั่นเอง ในส่วนของ Refresh rate ก็ไม่น้อยหน้าเลย สามารถวิ่งไปได้สูงสุดถึง 240 Hz เลยทีเดียว ซึ่งเจ้า Refresh rate ก็คือค่าที่บอกเราว่า ภายใน 1 วินาที จอภาพของเราสามารถแสดงภาพนิ่งได้สูงสุดกี่ภาพ เราสามารถเรียกได้อีกอย่างนึงว่า FPS (frame per second) เช่น ถ้าจอภาพของคุณสามารถแสดงผลได้สูงสุดที่ 144 Hz หมายความว่า ภายใน 1 วินาที หน้าจอสามารถแสดงภาพนิ่งได้มากที่สุด 144 ภาพ (144 FPS) นั่นเอง ยิ่ง Refresh rate มีค่ามาก จอภาพของคุณก็สามารถรองรับการเปลี่ยนแปลงของหน้าจอที่ไวมากขึ้นได้นั่นเอง ลองจินตนาการ การบันทึกวีดีโอแบบ slow motion จะสังเกตได้ว่า ยิ่งถ้าเรามีกล้องรองรับการบักทึกแบบ 240 FPS คุณจะได้ วีดีโอ slow motion ที่เนียนตาสุดๆ แม้กระทั่งการเคลื่อนไหวของหยดเหงื่อบนใบหน้า 😱</p><p>✳ <strong>VA</strong> เป็น Panel ที่ให้มุมมองในระดับกลางๆ จุดเด่นอยู่ที่ ความเข้มของสี (contrast) ที่สูงเอามากๆ หมายความว่าถ้าคุณเห็นสีดำ มันจะดำปิ๊ดปี๋ ดำชนิดที่ว่าสมจริงสุดๆกันเลยทีเดียว ส่วนสีขาวก็จะขาวแบบขาวโบ๊ะสุดๆ นั่นทำให้การดูหนังของคุณ หรือดู ซีรี่ Netflix ซักเรื่อง แสงสว่างและเงามืดที่สอดส่องเข้ามาที่ตาคุณ ก็อาจจะพาคุณหลุดเข้าไปในโลกของหนังได้อย่างสบายๆ ส่วนในด้านของการตอบสนอง และ Refresh rate นั้นถือว่าอยู่ในระดับกลางๆ ครับ</p><p>✳<strong> IPS</strong> เป็น Panel ที่ให้มุมมองของภาพกว้างที่สุด และยังให้ความสวยสดงดงามในรายละเอียดของสีมากที่สุด หมายความว่าถ้าคุณลองเปลี่ยนมุมในการมองภาพ คุณจะเห็นภาพและสีที่เปลี่ยนแปลงไปน้อยที่สุดนั่นเองเมื่อเทียบกับ 2 Panel ก่อนหน้านี้ เป็นผลให้ Panel นี้เหมาะสมอย่างมากในการทำงานที่ต้องการความคมชัดของสี เช่น การตัดต่อปรับแต่งภาพบน photoshop หรือ lightroom หรือการเล่นเกมส์ดูหนังแนว Fantasy ที่มี effect แสงสีอลังการ มันจะทำให้คุณไม่อาจละสายตาไปจากมันได้เลยละ (ยกเว้นปวดตาซะก่อน)</p><p>โดยสรุปแล้ว ก็ขึ้นอยู่กับว่า เราจะนำมาใช้งานในรูปไหนซะมากกว่า ถ้าให้ผมแนะนำ ถ้าคุณชอบเล่นเกมส์แนวยิงปืน (First Person Shooting) , MOBA หรือเกมส์ที่ต้องการการตอบสนองของหน้าจอที่ค่อนข้างไว ไม่งั้นคุณอาจจะหันไปยิงเค้าไม่ทัน ตัวเองโดนยิงตายก่อน แถมโดนเพื่อนร่วมทีมว่าอีก จอ Panel TN ก็อาจจะตอบโจทย์มากกว่า ส่วนถ้าคุณเป็นคนที่ชอบดูหนัง ดูซีรี่ส์ เน้นเสพคอนเทนต์บน youtube เป็นหลักแล้วละก็ จอ Panel VA ก็ดูจะตอบโจทย์มากกว่า และสุดท้ายถ้าคุณเป็นคนที่ชอบทำงานด้านการตัดต่อภาพและวีดีโอ ต้องการความคมชัดของสีแล้วละก็ จอ Panel IPS ก็จะดูเหมาะสมกับคุณมากที่สุดนั่นเอง</p><p>⚠ <strong>ในปัจจุบัน เทคโนโลยีด้านจอภาพพัฒนาไปเยอะมากๆแล้ว ในตลาดคุณอาจจะเห็น Panel IPS ที่อาจให้ Refresh rate สูงถึง 240 Hz และ Response time เพียง 1 ms ก็มี ซึ่งนั่นก็ทำให้สามารถนำมาเล่นเกมส์ได้อย่างลื่นไหล แถมยังทำงานที่ต้องการสีสันสดใสได้อย่างมีประสิทธิภาพอีกด้วย ซึ่งแต่ละ brand ก็ขนเทคโนโลยีของตัวเอง เข้ามาใส่และพัฒนามันขึ้นไปอีก อยู่ที่ความชอบส่วนบุคคลและเงินในประเป๋าแล้วละครับ</strong> 😅 ⚠</p><p><strong>** การเลือก ขนาดของจอภาพ และความละเอียด (Resolution) **</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*WqwxTkbgDLKSodssLNzhWQ.jpeg" /><figcaption><a href="https://www.pinterest.com/pin/397935317056537005/">https://www.pinterest.com/pin/397935317056537005/</a></figcaption></figure><p>ขนาดของจอภาพนั้นมีให้เราเลือกมากมายตั้งแต่ระดับ 20นิ้วต้นๆ ไปจนถึงระดับ 40นิ้ว ก็มี จอคอมพิวเตอร์สมัยนี้ต้องบอกได้เลยว่าใหญ่มากขึ้นจริงๆ สมัยก่อนเราจะเห็นจอคอมพิวเตอร์ส่วนมากจะมีขนาดเล็กกว่าจอทีวี แต่สมัยนี้ไม่เป็นเช่นนั้นอีกแล้ว ในการจะเลือกขนาดนั้นให้เลือกตามความเหมาะสมกับสิ่งที่ตัวเองจะนำไปใช้งานจะดีที่สุด เช่นถ้าคุณเป็นคนชอบเล่นเกมส์🎮 ก็ควรจะเลือกจอใหญ่ๆ ขนาดประมาณ 27–32 นิ้ว เพื่อที่จะได้สัมผัสประสบการณ์และความตื่นเต้นที่เกมส์จะมอบให้ได้อย่างเต็มที่ หรือถ้าคุณจะนำมาทำงานด้าน กราฟฟิกตัดต่อ🎨 แล้วละก็ จอภาพใหญ่ๆ ระดับ 25–35 นิ้วก็จะดูไม่เลว เพราะคุณสามารถซ้อนหน้าต่างของโปรแกรมหลายๆอย่างได้ และมันจะยังอยู่ในสเกลที่ดูได้ง่าย ภาพไม่เล็กจนเกินไป หรือถ้าคุณเป็น นักเทรดหุ้น 📈ระดับแนวหน้า ที่ต้องการเข้าซื้อหุ้น เข้าทำกำไรจากหุ้นหลายๆตัวในเวลาเดียวกัน ซึ่งคุณจำเป็นต้องดูกราฟหลายๆกราฟพร้อมๆกัน เพื่อที่จะได้ตัดสินใจในการเทรดของคุณได้อย่างมีประสิทธิภาพและไม่ติดดอย คุณก็อาจจะเลือกจอขนาด 35–40 นิ้ว หรือ มีจอขนาด 25–30 นิ้วๆซัก 2–3 จอ ก็เป็นตัวเลือกที่ไม่เลวเลยทีเดียว</p><p>ในด้านความละเอียด (Resolution) ปัจจุบันที่นิยมกันก็จะมีแบบ</p><p>HD = High Definition (1280 X 720 px)</p><p>FHD = Full High Definition (1920 X 1080 px)</p><p>2K (2560 X 1440 px)</p><p>4K (3840 X 2160 px)</p><p>⚠ <strong>ความละเอียดที่แท้จริงแล้วอาจมีการปรับเปลี่ยนไปบ้าง ขึ้นอยู่กับ brand ที่ทำหน้าจอนั้นๆ รวมไปถึง เทคโนโลยีต่างๆที่ใส่เข้าไป</strong> ⚠</p><p>จอภาพที่มีความละเอียดสูง ก็จะทำให้คุณภาพของภาพที่แสดงออกมามีความละเอียดและชัดเจนมากยิ่งขึ้น เช่นถ้าคุณดูหนังด้วยจอความละเอียดแบบ 4k นั่นอาจจะทำให้คุณเห็นถึงสิว💢💢 เห็นถึงรายละเอียดเส้นผมของดารานักแสดงได้อย่างชัดเจน! แต่ทั้งนี้ทั้งนั้นทางผู้เขียนแนะนำว่าให้คุณดูค่าของ Refresh rate ประกอบด้วย เพราะอย่าลืมว่าการที่จอภาพมี Refresh rate ที่สูง ก็จะยิ่งทำให้ภาพของคุณลื่นไหลมากยิ่งขึ้นเท่านั้น ในบางครั้งจอภาพของคุณอาจจะมีความละเอียดสูงระดับ 2k , 4k แต่ Refresh rate ไม่ได้สูงตาม นั่นก็จะมอบประสบการณ์ให้คุณอีกรูปแบบหนึ่ง ในขนะที่จอความละเอียด FHD แต่ได้ Refresh rate ที่สูงมากๆ นั่นก็จะมอบประสบการณ์ให้ผู้ใช้ในอีกรูปแบบหนึ่ง</p><p>📢📢 สรุป 📢📢</p><p>การจะเลือกหน้าจอคอมพิวเตอร์ดีๆ เหมาะสมกับตัวเองสักหน้าจอ ถ้าคุณไม่ใช่สายฮาร์ดคอในด้านเทคโนโลยี แบบชนิดที่ว่าอ่าน specification ของสินค้าแต่ละตัว แต่ละแบรนด์ ออกหมด และสามารถนำมาเปรียบเทียบประกอบการตัดสินใจได้ทั้งหมดแล้วละก็ ทางผู้เขียนแนะนำให้คุณดู 3 สิ่งด้านบนเป็นหลักนั่นก็คือ</p><ol><li>ชอบจอภาพแบบไหน ( ปัจจุบัน LCD / LED )</li></ol><p>2. Panel แบบไหน ( TN ,VA , IPS ) รวมไปถึง Response time และ Refresh rate ที่เหมาะสมกับตัวคุณและงานที่คุณทำ</p><p>→ Response time ยิ่งน้อยยิ่งดี</p><p>→ Refresh rate ยิ่งมากยิ่งดี</p><p>3. ขนาดของหน้าจอ และ Resolution ที่ตอบโจทย์</p><p>→ Resolution ยิ่งมากยิ่งดี</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/466/1*KwIPHS9gHZgaabKGCy41aw.jpeg" /><figcaption><a href="https://www.amazon.co.uk/Acer-Predator-XB252Qbmiprzx-ZeroFrame-Adjustable/dp/B01N5OD4S1">https://www.amazon.co.uk/Acer-Predator-XB252Qbmiprzx-ZeroFrame-Adjustable/dp/B01N5OD4S1</a></figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*brnDB80NwE1jPdQHWNbWRw.png" /><figcaption><a href="https://www.geekwrapped.com/tech/best-cheap-monitors-for-gaming">https://www.geekwrapped.com/tech/best-cheap-monitors-for-gaming</a></figcaption></figure><p>ในส่วนของราคาและแบรนด์ ที่ทางผู้เขียนไม่ได้พูดถึง ก็เพราะ ช่วงราคานั้นมีให้เลือกมากมาย ตั้งแต่ถูกสุดๆ ระดับ 1000–5000 บาท ไปจนถึงแพงสุดๆ 40,000–50,000 ก็มี ยิ่งถ้าคุณอยากได้จอที่คุณภาพสูง ราคาก็จะยิ่งสูงตามไปด้วย ส่วนเรื่องของแบรนด์ ก็แล้วแต่ความชอบของแต่ละคน หรือบางคนก็อาจจะเป็น แฟนบอยของแบรนด์ใดแบรนด์หนึ่งอยู่แล้ว ความแตกต่างก็คือแต่ละแบรนด์ก็จะมี เทคโนโลยีพิเศษในแบบฉบับของตัวเองที่ใส่เข้ามาในจอภาพไม่เหมือนกัน ซึ่งก็ตอบโจทย์การใช้งานที่แตกต่างกันออกไป ดังนั้นผู้เขียนจึงแนะนำว่าให้เลือกจาก 3 สิ่งที่นำเสนอไป ซึ่งเป็นการเลือกตามลักษณะการใช้งาน หลังจากนั้นค่อยย่อยลงไปดูว่า ถ้าเราต้องการหน้าจอแบบนี้ ราคาที่มีอยู่ในช่วงไหนบ้าง และมีแบรนด์ไหนบ้างให้เราเปรียบเทียบ</p><p>อีกหนึ่งสิ่งที่คุณควรระวังเป็นอย่างยิ่งคือ ดวงตาของแต่ละคน มีความทนทานที่ไม่เท่ากัน บางคนจ้องมองจอใหญ่ๆเป็นเวลานานๆก็อาจจะปวดตาได้ แต่บางคนก็อาจจะไม่ หรือ บางคนมองจอที่มี Refresh rate สูงๆ หรือ มี Response time น้อยๆ เป็นเวลานานๆก็อาจจะมีอาการเวียนหัวได้ เนื่องจากการตอบสนองที่รวดเร็ว จนทำให้คุณต้องเพ่งมากขึ้น สิ่งเหล่านี้ถือเป็นข้อจำกัดที่ทุกคนควรระวัง ยังไงก็อย่าลืมรักษาสายตากันด้วยนะครับ 😘</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=649c744bfb21" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[ปฐมบทแห่งเจได (Data Careers) Ep.1]]></title>
            <link>https://medium.com/@LukkGolF/%E0%B8%9B%E0%B8%90%E0%B8%A1%E0%B8%9A%E0%B8%97%E0%B9%81%E0%B8%AB%E0%B9%88%E0%B8%87%E0%B9%80%E0%B8%88%E0%B9%84%E0%B8%94-data-careers-ep-1-9413f22c7950?source=rss-ba7c6b070e02------2</link>
            <guid isPermaLink="false">https://medium.com/p/9413f22c7950</guid>
            <category><![CDATA[data-science]]></category>
            <category><![CDATA[thailand]]></category>
            <dc:creator><![CDATA[LukkGolF ❤]]></dc:creator>
            <pubDate>Sat, 06 Oct 2018 14:11:10 GMT</pubDate>
            <atom:updated>2018-10-07T07:55:49.780Z</atom:updated>
            <content:encoded><![CDATA[<p>สวัสดีครับ บทความนี้เป็นบทความแรกของผม ที่อยากจะมาแชร์ประสบการณ์การทำงานในสาย Data และการก้าวเข้ามาสู่สายงานนี้แบบครบทุกประเด็น เผื่อเป็นแนวทางให้คนที่กำลังอยากจะเริ่มต้นทำงานสายนี้ หรือเปลี่ยนสายมาทำด้านนี้ได้ ผิดพลาดยังไงก็ขออภัยด้วยนะครับผม ❤</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*TpWcvj3s6sop0D13CzMUqQ.jpeg" /><figcaption><a href="http://www.aquilainsight.com/blog/data-analytics-best-career-move/">http://www.aquilainsight.com/blog/data-analytics-best-career-move/</a></figcaption></figure><p>ก่อนอื่นต้องขอเท้าความก่อน ย้อนกลับไปเมื่อ 3 ปีที่แล้ว ผมเรียนจบใหม่ๆ ช่วงนั้นก็มองหาที่ทำงานดีๆซักที่ 3ปีที่แล้วต้องบอกเลยว่า “มันยังไม่บูม” มีน้อยบริษัทมากก (ในไทย)ที่จะรู้จักงานสาย Data แต่ไม่ใช่บริษัทนั้นๆจะไม่มีตำแหน่งงานด้านนี้นะครับ เขามีครับแต่แค่ไม่ได้เรียก Data….. เท่านั้นเอง เวลาผ่านมาแค่ 2–3 ปีเท่านั้น สายงานด้าน Data ก็เติบโตขึ้นอย่างรวดเร็ว ถ้าลองเปิด jobsdb ตอนนี้ จะรู้เลยว่าเยอะมาก กด apply กันไม่หมดเลยทีเดียว 555 เกริ่นกันมาเยอะละ เข้าเรื่องกันเลยย..</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*sqMHMa6-2uoWTRkK3EIhHg.jpeg" /><figcaption><a href="http://www.careerpaths.it/wp-content/uploads/2017/04/o-JOB-INTERVIEW-facebook.jpg">http://www.careerpaths.it/wp-content/uploads/2017/04/o-JOB-INTERVIEW-facebook.jpg</a></figcaption></figure><h3><strong>เริ่มต้นได้ยังไง ?</strong></h3><p>ช่วงที่ผมหางานอยู่นั้น ผมได้อ่านบทความมากมายเกี่ยวกับ Data Science และ AI ตอนนั้นผมมองเห็นภาพคร่าวกว้างๆของสายงานนี้ แต่ก็ยังไม่ได้รู้ลึกอะไรประกอบกับตอนนั้นหางานผมเชื่อว่าทุกคนก็คงจะดู Qualification กันเป็นสิ่งแรกๆ ว่าเห่ยเราตรงกับที่บริษัทเขาต้องการไมนะ และความจริงอันโหดร้ายก็ถาโถมเข้าใส่ผม5555555+ นั่นก็คือ <strong>“คณะที่จบ” </strong>เกือบ 100% รับแต่ Com Engineer , Com Sci , Commerce &amp;Accountancy<strong> </strong>ซึ่งผมจบ Pure Math มา 5555+ แต่จากการอ่านบทความตามเพจตามเน็ตของผมมันบอกว่าต้องการคนจบ Math ด้วยนี่หว่า ยังไงละทีนี้ ผมก็ไม่ลดละความพยายาม สมัครงานต่อไป บริษัทไหนเปิด Data…. กด apply ไปให้หมด ถือคติที่ว่า “จะสมัครจนกว่าเขาจะรับ555”</p><p><strong>→ คำแนะนำ </strong>: ตอนนี้ผมมองว่าไม่ว่าคุณจะจบอะไรมา คุณก็สามารถก้าวเข้ามาในสายงาน Data ได้ครับ ขอเพียงมี passion เกี่ยวกับข้อมูล อยากเรียนรู้ อยากศึกษา<br>ถึงจะจบไม่ได้ตรงสายมา เช่น มาจากสายวิศวะที่ไม่ใช่คอม มาจากสายวิทยาศาสตร์ชีวภาพ ผมเชื่อว่าคุณสามารถก้าวเข้ามาในเส้นทางนี้ได้เหมือนกัน<br>อาจจะยากหน่อย แต่ใช่ว่าจะเป็นไปไม่ได้ เพียงแต่คุณอาจจะต้องขายของมากหน่อยให้บริษัทเขารับเข้าทำงาน รอช้าอยู่ใย ปา resume ไปเลยครับ 5555 ปาเข้าไปจนกว่าตำแหน่งเขาจะปิดรับ!!! 5555</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/569/1*hWlSvTL-gvZDjhgnFRz9HQ.jpeg" /><figcaption><a href="https://www.marketwatch.com/story/for-long-time-unemployed-full-time-work-is-elusive-2014-04-04">https://www.marketwatch.com/story/for-long-time-unemployed-full-time-work-is-elusive-2014-04-04</a></figcaption></figure><h3><strong>งาน Data ทำอะไรบ้างล่ะ ?</strong></h3><p>ทำทุกอย่างงงงเอ่ยไม่ใช่ ถ้าจะให้พูดหมดคงจะยาวไป ผมจะขอโฟกัสไปที่ Data Analyst กับ Data Scientist ก่อนนะครับ ซึ่งสโคปงานที่จะเล่าต่อไปนี้เป็นสิ่งที่ผมเจอมา อาจจะไม่ได้ถูกต้อง 100 % หรือเหมือนกับนิยามของตำแหน่งนั้นๆนะครับ<br> <br><strong>❤ Data Analyst</strong> <br>หลักๆเลยของตำแหน่งนี้ก็คือ “การวิเคราะห์ข้อมูล” เช่น เรามีข้อมูลการขายสินค้าของร้านค้าหนึ่ง เราจะสกัดความรู้หรือประโยชน์อะไรจากข้อมูลชุดนี้ออกมาได้บ้าง เช่น ยอดขาย จำนวนลูกค้า เพศ อายุ สินค้าขายดี บลาๆ มันทำให้เรารู้พฤติกรรมการจับจ่ายใช้สอยของลูกค้า และเราสามารถนำความรู้ตรงนี้ไปต่อยอดเพิ่มยอดขาย นำเสนอโปรโมชั่น หรือแก้ปัญหาที่เกิดขึ้นกับร้านค้าได้ <br> <strong>→ Tool/skill</strong> ที่ใช้ ส่วนมากจะเป็น Tableau/Power BI(Visualization Tool),SQL(Query),Excel,Math&amp;Stat,Business and etc<br><strong>❤ Data Scientist <br></strong>งานหลักๆเลยจะเป็น ทำ predictive model ทั้งหลายเช่น<br>Linear model , Classification model , Clustering … , Recommender system ถามว่าทำไปทำไม คำตอบก็คือเราจะคาดการผลลัพย์ที่จะเกิดขึ้นในอนาคตว่ามันจะรูปร่างหน้าตาประมาณไหนนะ เช่นปีหน้ายอดขายควรจะเป็นเท่าไร , ลูกค้าคนไหนมีโอกาสที่จะยกเลิกบริการของเราบ้าง (Churn prediction) , ควรจะ stock สินค้าเท่าไรดีเพื่อให้เพียงพอกับความต้องการของลูกค้าและมี cost น้อยที่สุด (Supply chain optimization) หรือเพื่อให้ได้ข้อมูลที่เป็นประโยชน์มากขึ้นจากข้อมูลเดิม เช่น เรามีลูกค้า 1000 คน เราจะจัดกลุ่มลูกค้าของเราออกเป็น 3–4 กลุ่ม เพื่อให้ง่ายต่อการนำเสนอโปรโมชั่นหรือเข้าถึงกลุ่มลูกค้า ก็แล้วแต่โจทย์ของแต่ละธุรกิจ<br> <strong>→ Tool/skill</strong> ที่ใช้ ส่วนมากจะเป็น Python/R/SaS(coding),Math&amp;Stat, SQL , Business and etc แต่ทั้งนี้ทั้งนั้นที่ผมได้อธิบายไปจะเป็นสโคปงานคร่าวๆของทั้ง2ตำแหน่งนี้ ซึ่งในความเป็นจริงแล้ว <strong>มันไม่ตายตัว </strong>ขึ้นอยู่กับบริษัทที่ทำงาน บางที่อาจจะไม่ได้เรียก Data… แต่ทำงานเหมือนกัน บางที่ตำแหน่งData Scientist แต่ทำทุกอย่าง ทำทั้งในส่วนของ Data Engineer Data Analyst หมดเลยก็มี 55555</p><p><strong>→ คำแนะนำ : </strong>สกิลที่ควรจะมีเลยใน2ตำแหน่งนี้ก็คือ SQL , Math&amp;Stat , Business แต่ถ้าคุณเป็น Data Scientist ก็ต้องมี coding skill (Python , R ,SaS) ไว้ด้วยครับ และที่สำคัญ Math&amp;Stat ส่วนของ Data Analyst อาจจะไม่ต้องรู้เยอะเท่ากับ Data Scientist ครับ ถ้ารู้ไว้ได้เปรียบแน่นอนครับ แต่ช้าก่อน!! ไอ้สกิลที่ผมพูดมาทั้งหมด แล้วถ้าเกิดจบมาไม่ตรงสายละ ไม่แย่หรอ ไม่มีสกิลพวกนี้จะทำได้หรอ เขาจะรับเข้าทำงานหรอ เชิญพับกบพบกับวิธีแก้ในหัวข้อถัดไปครับ</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/711/1*cdNGA6oYAhiBtkYWMZEuNg.png" /><figcaption><a href="https://www.quora.com/What-skills-do-I-need-to-start-my-career-as-a-data-analyst-or-reporting-analyst-as-a-fresher">https://www.quora.com/What-skills-do-I-need-to-start-my-career-as-a-data-analyst-or-reporting-analyst-as-a-fresher</a></figcaption></figure><h3><strong>เรียนรู้ด้วยตัวเอง (Learning by yourself)</strong></h3><p>ใช่แล้วครับ วิธีที่จะแก้ปัญหาในหัวข้อก่อนหน้าก็คือ “การเรียน” แล้วเรียนยังไง</p><ol><li>เรียนป.โท , ป.เอก <br>ไม่มีวิธีไหนที่จะดีไปกว่านี้อีกแล้ว 5555 ถ้าในไทยคุณสามารถเรียนได้ทั้งในเวลาและนอกเวลาตามที่คณะนั้นๆประกาศออกมา ในระยะหลังนี้ผมเห็นมีหลายสถาบันมากที่เปิดรับนักศึกษาไปศึกษาต่อด้านนี้ หลักสูตรเนื้อหาต่างๆได้รับการปรับปรุงมาดีมากๆ เหมาะสำหรับมนุษย์ยุค 4.0 มากๆ (ยุคก่อนหน้าก็เรียนได้นะครับ 55) บางหลักสูตรไม่ต้องทำ thesis ก็มี เหมาะสำหรับคนวัยทำงานแล้วมีเวลาว่างเสาร์อาทิตย์เพื่อไปเรียนสุดๆ<br><strong>→ คำแนะนำ : </strong>ไม่มีอะไรต้องอวยเพิ่ม 55 search ชื่อคณะ ภาควิชาและหลักสูตรสมัครกันเลยครับ แต่ช้าก่อน!!(รอบ2) ปัญหาเดิมกลับมาอีกครั้ง เช่น การที่ไม่ได้จบตรงสาย ไม่ได้อยู่ในฟีลวิทยาศาสตร์มา เค้าจะรับเราหรือเปล่านะ หรือบางที requirement คณะที่จบมาก็ไม่ตรงตามที่เขาต้องการแล้ว ทำไงดีละ….<br>วิธีที่ผมจะนำเสนอต่อไป เป็นวิธีที่ผมใช้และผมคิดว่าเป็นวิธีที่เหมาะกับทุกๆคนไม่ว่าคุณจะจบตรงสายหรือไม่ตรงสาย หรือคุณจะเป็น Data…. แล้วหรือไม่ ยิ่งถ้าคุณจบไม่ตรงสาย สมัครเรียนป.โทก็ไม่ตรงตามคณะที่มหาลัยต้องการอีก คุณยิ่งต้องดูวิธีนี้ครับ</li><li>เรียน Online Course <br>วิธีสุดฮิต (หรือเปล่า) สมัยนี้มี Online Course เกิดขึ้นมากมายครับ internet ก็ไวเข้าถึงกันได้ง่ายๆสบายๆอยู่ละ สิ่งที่ผมอยากจะแชร์ให้ฟังจากประสบการณ์ตรงก็คือ หลายๆคอร์สนั้นสอนดีมากกกกกก และผมมองว่ามันเหมาะกับทุกๆคน ทุกๆคอร์สจะมีระบุไว้อยู่แล้วว่า level ไหน เช่น beginner , intermediate , advance แล้วแต่แหล่งเรียนรู้นั้นๆ สำหรับคนที่จบไม่ตรง สมัครโทไม่ได้ ผมแนะนำอย่างแรงงงงงเลยวิธีนี้ (แต่ใครๆก็เรียนได้นะ55) เพราะมันจะทำให้คุณมีความรู้ในด้านนี้มากขึ้น จะมากจะน้อยขึ้นอยู่กับตัวคุณละครับทีนี้ 55555 ยิ่งไปกว่านั้น สำหรับผมแล้วบางคอร์ส ผมให้คะแนนการสอน 10/10ไปเลย <strong>เทียบเท่า</strong>กับการเรียนในห้องในมหาวิทยาลัยเลยก็ว่าได้ ทีนี้มาดูกันครับว่ามีแหล่งเรียนรู้ไหนบ้างสำหรับสาย Data ผู้เริ่มต้นนะ</li></ol><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*eRUPgszpDHzEUpvXhFMeUg.png" /><figcaption><a href="https://www.datacamp.com/">https://www.datacamp.com</a></figcaption></figure><p>จิ้มลิงก์ข้างบนแล้วตามเข้าไปเรียนกันได้เลย มีคอร์สฟรีให้ลองเรียนดู สำหรับผมผมว่ามันดีมากๆครับสำหรับผู้เริ่มต้น มีสอนทฤษฎีพร้อมกับตัวอย่างโค๊ดให้ลองทำตาม เห็นภาพกันสุดๆไปเลย ส่วนถ้าใครอยากเรียนได้เต็มๆจัดหนักจัดเต็มได้ทุกคอร์สก็ต้องลงทุนกันนิดนึงครับ ไม่แพงเลย จะมีช่วงโปรโมชั่นใครสนใจลองติดตามในเวปได้ครับ ตกปีละ 2000–3000 บาท (ถ้าผมจำไม่ผิด) ภายในก็จะประกอบไปด้วยคอร์สสำหรับ Data Analyst , Data Scientist , Python , SQL และอีกมากมายพิมพ์ไม่หมดแล้วแต่ความสนใจของผู้เรียนเลยครับ เลือกได้ตามใจชอบฮ่าๆ <br>ขอแนะนำแค่นี้ก่อนนะครับ เดียวจะยาวกันเกินไป 555555</p><h3><strong>ลงมือทำ!! (Just do it)</strong></h3><p>ต่อเนื่องจากหัวข้อก่อนหน้าครับ หลังจากที่คุณมีความรู้แล้วก็ต้องลงมือทำกับข้อมูลจริงๆสำคัญมากที่สุดเลยข้อนี้ ไม่ว่าคุณจะเรียนโท เรียนเอก เรียนออนไลน์มามากแค่ไหนก็แล้วแต่ สำคัญที่สุดเลยคือ “ลงมือทำ” ครับ ที่ผมอยากจะแนะนำก็คือ หา open data ตาม internet มาลองเล่นดูครับ เยอะแยะมากมายยยยยย เทคนิคที่ผมจะนำเสนอก็คือ สวมจิตวิญญาณนักวิทยาศาตร์เข้าไปเยอะๆครับ 55555555 พยายามตั้งคำถามไว้ในหัวตลอด what where when why how พอมีคำถามมีปัญหาแล้ว ที่นี้ก็มาหาคำตอบของปัญหานั้นๆครับ ถ้าคุณมีทีม คุณก็เริ่มจากการ brainstorm กันในทีมก่อนก็ได้ครับ</p><iframe src="https://cdn.embedly.com/widgets/media.html?src=https%3A%2F%2Fwww.youtube.com%2Fembed%2FZXsQAXx_ao0%3Ffeature%3Doembed&amp;display_name=YouTube&amp;url=https%3A%2F%2Fwww.youtube.com%2Fwatch%3Fv%3DZXsQAXx_ao0&amp;image=https%3A%2F%2Fi.ytimg.com%2Fvi%2FZXsQAXx_ao0%2Fhqdefault.jpg&amp;key=a19fcc184b9711e1b4764040d3dc5c07&amp;type=text%2Fhtml&amp;schema=youtube" width="854" height="480" frameborder="0" scrolling="no"><a href="https://medium.com/media/9832311db440d2e738379f0306026113/href">https://medium.com/media/9832311db440d2e738379f0306026113/href</a></iframe><p>หลังจากผ่านการเรียนนู่นนั่นนี่มาเรียบแล้ว ทีนี้ผมเชื่อว่าทุกๆคนจะมีความมั่นใจมากขึ้นละ และที่สำคัญคือมีความรู้พร้อมจะไปขายของให้บริษัทเขาฟังได้ละ 5555 เพราะฉะนั้นกลับไป ปา resume กันเถอะ 5555 ถ้าได้เรียกไปสัมภาษณ์และก็ ทีนี้ตัวใครตัวมันและเด้ออออ</p><h3><strong>ก้าวเข้าสู้เส้นทางแห่งเจได Data</strong></h3><p>หลังจากได้ทำงานด้าน Data…. ตามที่หวังแล้ว ทั้งคุณที่อ่านบทความนี้และตัวผมเอง5555 สิ่งต่อไปที่ต้องทำก็คือ “พัฒนาตัวเอง” เก่งขึ้นฝึกฝีมือให้มากขึ้น หา Data มาลองเล่นเยอะๆ ฝึกเขียนโปรแกรม ฝึกวิเคราะห์ ฝึกสร้างโมเดล บลาๆ เพื่อก้าวขึ้นไปเป็น Jedi ในด้านนี้โอ้ยยยโหยยย มีมากมายเหลือเกิน ทั้งเรียนทั้งอะไรก็ไม่รู้เยอะแยะไปหมดดด …. ใช้แล้วครับไม่ว่าคุณจะทำงานด้านไหน ถ้าคุณอยากจะก้าวขึ้นไปเป็น Jedi และก็ คุณก็ต้องมีคุณบัติที่ครบถ้วนเหมาะสมกับการเป็น Jedi จริงไหมครับ 5555 และอีกหนึ่งทางนอกเหนือจากที่กล่าวมาข้างต้นก็คือ <strong>“Community”</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/410/1*9chP6a7xBIArwWHdD6Wjqg.png" /><figcaption>Join your community</figcaption></figure><p>ใช่แล้วครับผมจะใช้คำว่า จงพาตัวเองเข้าไปหาโอกาส วิ่งเข้าหามัน อย่ารอให้มันมาหาเราครับ เดียวนี้มีคอร์สอบรมทางด้าน Data Science , Machine Learning ,Deep Learning เกิดขึ้นมากมายครับ รวมทั้ง Talk , Meeting ต่างๆ ทั้งเสียตังและไม่เสียตัง ลองเข้าไปฟัง ไปสัมผัส ไปลองฟังมุมมองของคนที่เขาเก่งๆ มีชื่อเสียงในด้านนั้นๆดูครับ สำหรับผมแล้วบางครั้งผมก็ไม่ได้รู้เรื่องและเข้าใจทั้งหมดนะ แต่ที่ผมได้กลับมาทุกครั้งคือ “<strong>มุมมอง</strong>” ของเขาครับ ในมุมของคนที่เคยทำมาก่อน มีประสบการณ์มากๆ เขามองกันแบบไหนนะ ข้อดี ข้อเสีย trade off มันเป็นยังไง และเวลาเอาไปใช้จริงๆละมันเป็นยังไงนะ นั่นแแหละครับคือสิ่งที่คุณจะได้ต่อให้คุณไม่รู้เรื่อง เทคนิคคอลอะไรเลย (ยกเว้นคุณหลับ คุณก็ไม่ได้อะไรเลยเช่นกัน 555555)</p><p><strong>→ คำแนะนำ : </strong>ทุกสิ่งทุกอย่าง <strong>“ใช้เวลา”</strong> และ <strong>“ประสบการณ์”</strong> ครับ ค่อยๆเรียนรู้ค่อยๆศึกษา อย่ารีบร้อนจนเกินไป อย่ารีบร้อนจนกดดันตัวเอง เช่นบางทีคุณอาจจะเห็นว่าทำไมคนนั้นคนนี้เขาแก้ปัญหาได้ไวจัง ทำไมคนนั้นคนนี้ใช้โมเดลโหดๆทั้งนั้น ทำไมคนนั้นเขียนโค๊ดโคตรโหด อย่าพยายามคิดเปรียบเทียบตัวเองกับคนอื่นครับ ให้คุณเปรียบเทียบกับตัวเองและตั้งเป้าหมายที่คุณจะไปถึงเอาไว้ เช่น คุณตั้งเป้าหมายว่า เดือนหน้าคุณจะต้อง เขียน Python ได้ ( ได้ในที่นี่ไม่ใช่ได้แบบ Jedi นะครับ5555 ) และพอครบเดือนก็ลองมาคิดทบทวนดูครับว่าตอนนี้คุณเขียน Python ได้ถึงไหนแล้ว set goal → action → set goal → action ทำแบบนี้ไปเรื่อยๆครับ แล้วคุณจะประสบความสำเร็จเอง</p><p>จบกันไปแล้วครับสำหรับบทความแรกของผม เส้นทางของ Jedi ไม่ใช่เรื่องง่ายเลยใช่ไมครับ 555555 ผมเชื่อว่าทุกคนก็อยากเป็น Jedi ในด้านที่ตัวเองอยากจะเป็น ไม่จำเป็นต้อง Data อย่าเพิ่งท้อครับ ค่อยๆเป็นค่อยๆไป <strong>Work hard beat talent</strong> จำไว้ให้ขึ้นใจครับ แล้วเจอกันใหม่บทความหน้า ส่วนผมก็ขอไปฝึกวิถี Jedi ของผมต่อเหมือนกันครับ 55555555</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=9413f22c7950" width="1" height="1" alt="">]]></content:encoded>
        </item>
    </channel>
</rss>