<?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 Boonto Sudchai on Medium]]></title>
        <description><![CDATA[Stories by Boonto Sudchai on Medium]]></description>
        <link>https://medium.com/@boontosudchai?source=rss-6952f8e72ed7------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/0*rNX0NEpe1QzUJFY2.</url>
            <title>Stories by Boonto Sudchai on Medium</title>
            <link>https://medium.com/@boontosudchai?source=rss-6952f8e72ed7------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Thu, 19 Nov 2026 20:13:36 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@boontosudchai/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[Basic Curve Fitting of Scientific Data with Julia]]></title>
            <link>https://medium.com/@boontosudchai/basic-curve-fitting-of-scientific-data-with-julia-844cb132ba7d?source=rss-6952f8e72ed7------2</link>
            <guid isPermaLink="false">https://medium.com/p/844cb132ba7d</guid>
            <category><![CDATA[least-squares]]></category>
            <category><![CDATA[julia]]></category>
            <category><![CDATA[julialang]]></category>
            <category><![CDATA[python]]></category>
            <dc:creator><![CDATA[Boonto Sudchai]]></dc:creator>
            <pubDate>Thu, 11 Jun 2020 14:22:13 GMT</pubDate>
            <atom:updated>2020-06-11T14:22:13.200Z</atom:updated>
            <content:encoded><![CDATA[<p>ในการทำ curve fitting ด้วย least square ถือเป็นเรื่องเล็กมาก และมีการเรียนเป็นบทแรก ๆ ในวิชา Modelling ผมได้ลองค้นดู Medium เพื่อดูว่าถ้าเราใช้ภาษา Python ชาวบ้านทำอย่างไร คร่าว ๆ พบว่า</p><ul><li><a href="https://towardsdatascience.com/basic-curve-fitting-of-scientific-data-with-python-9592244a2509">Basic curve fitting of scientific data with Python</a></li><li><a href="https://towardsdatascience.com/least-squares-linear-regression-in-python-54b87fc49e77">Least Square Linear Regression In Python</a></li></ul><p>ถ้าไม่พูดถึงตัวทฤษฎี พูดเฉพาะตัว code จะเห็นว่า Python จะมีการอ้างถึงการใช้ library ส่วนการใช้ Moore-Penrose pseudoinverse<strong> </strong>ก็ดูยุ่งยาก ไม่ต้องถึงขั้นนั้น แค่ dot product ก็ต้องเรียกใช้คำสั่งแล้ว</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*mXEWYnXZUqhZBpRM" /><figcaption>Photo by <a href="https://unsplash.com/@wojtek?utm_source=medium&amp;utm_medium=referral">Wojtek Witkowski</a> on <a href="https://unsplash.com/?utm_source=medium&amp;utm_medium=referral">Unsplash</a></figcaption></figure><p>คนที่ใช้ Matlab และ Julia คงจะหัวร้อนพอสมควร ในทั้งสองภาษาจะมีตัวดำเนินการ (operator) ที่เรียกว่า back slash (\) ที่ใช้แทน Moore-Penrose pseudoinverse และการสร้างเวกเตอร์และเมทริกซ์บน Julia ก็จะง่าย ๆ ตรงไปตรงมา (เหมือน Matlab)</p><p>ในวันนี้จะเป็นการนำเสนอตัวอย่างถ้าเราต้องการทำ least square fit กับข้อมูลที่เป็นเลขชี้กำลังจะทำอย่างไร ตัวอย่างฟังก์ชัน</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/162/1*FWYK6KM1ZocDaVGXZxu69w.png" /></figure><p>ใน Julia สามารถสร้างฟังก์ชันแบบนี้ ได้ด้วยบรรทัดเดียว ดังนี้</p><pre>expo_data(x) = a*exp(b*x)</pre><p>จากนั้นเราก็สร้างตัวแปร x_dummy เพื่อสร้างเอาท์พุต y_dummy ที่ถูกรบกวนโดย noise ดังนี้</p><pre>x_dummy = LinRange(6, 15, 50);</pre><pre>a = 0.5; b = 0.5;<br>y_dummy = expo_data.(x_dummy);<br>noise = 5*randn(length(y_dummy));<br>y_dummy = y_dummy + noise;</pre><p>ซึ่งสามารถทำได้บน Julia ตัวหลักไม่ต้องเรียนใช้ library ให้ยุ่งยากเลย เพื่อดูข้อมูลก็ทำการพล็อตกราฟ ด้วย Plots และคำสั่ง scatter</p><pre>using Plots<br># Plot the noisy exponential data<br>scatter(x_dummy, y_dummy[2:end], xlabel=&quot;x-data&quot;, ylabel=&quot;y-data&quot;, <br>    ylims = (0.1, 10^3))</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/781/1*VC9fW6k4M4lus3iREm8pdg.png" /></figure><p>เนื่องจากฟังก์ชันเลขชี้กำลัง (exponential) ไม่เป็นเชิงเส้น ก็ทำการแปลงให้เป็นเชิงเส้น โดยการใช้ล็อกธรรมชาติ (natural log) จะได้</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/315/1*dp6E6t48nIRdvY9cOuHVxg.png" /></figure><p>จะเห็นได้ว่าเป็นสมการเชิงเส้น สิ่งที่ต้องหาคือ ln c และ ค่า a ซึ่งเริ่มต้นจากการสร้างเมทริกซ์ และใช้ back slash ในการหาค่าพารามิเตอร์ ในรูปของ beta ดังนี้</p><pre>A = [x_dummy[2:end] ones(length(x_dummy[2:end]))];<br>β = A\log.(y_dummy[2:end])</pre><pre>log_yhat = β[1]*x_dummy[2:end] .+ β[2];<br>yhat = exp.(log_yhat)</pre><p>บรรทัดสุดท้ายเป็นการแปลงกลับ ให้อยู่ในรูปของ y ปกติ ซึ่งจะเห็นว่าใน Julia สามารถทำได้ง่ายมาก ส่วนสุดท้ายจะเป็นการพล็อตกราฟบนกราฟประเภท semilogy เพื่อให้เห็นเป็นกราฟเส้นตรง ดังนี้</p><pre># Plot the noisy exponential data<br>scatter(x_dummy[2:end], y_dummy[2:end], xlabel=&quot;x-data&quot;, <br>    ylabel=&quot;y-data&quot;, ylims = (0.1, 10^4), <br>    xlims = (6, Inf), yaxis=:log)<br>plot!(x_dummy[2:end], yhat, lw=2)</pre><p>อาร์กิวเมนต์ yaxis = :log เป็นการสั่งให้กราฟเป็นกราฟแบบ semilogy และใช้คำสั่ง plot! พล็อตกราฟทับกราฟเดิมได้เลย ผลที่ได้เป็นดังนี้</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/782/1*wtq3EA5MRjmm46aBs1r1EQ.png" /></figure><p>จะเห็นว่าง่ายมาก ๆ คนที่ใช้ Matlab เมื่อเปลี่ยนมาใช้ Julia ก็จะไม่มีปัญหาเรื่องเวกเตอร์ และเมทริกซ์ จะงงหน่อย ๆ เรื่อง data type ที่ต้องดูดี ๆ การเปลี่ยน data type เป็นเรื่องไม่ยากแต่หงุดหงิด</p><p>ขอจบบทความเรื่องนี้แค่นี้นะครับ</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=844cb132ba7d" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[เริ่มต้นกับ PGFPlotsX]]></title>
            <link>https://medium.com/@boontosudchai/%E0%B9%80%E0%B8%A3%E0%B8%B4%E0%B9%88%E0%B8%A1%E0%B8%95%E0%B9%89%E0%B8%99%E0%B8%81%E0%B8%B1%E0%B8%9A-pgfplotsx-11c38eb923e0?source=rss-6952f8e72ed7------2</link>
            <guid isPermaLink="false">https://medium.com/p/11c38eb923e0</guid>
            <category><![CDATA[julia]]></category>
            <category><![CDATA[plot]]></category>
            <category><![CDATA[pgfplotsx]]></category>
            <category><![CDATA[julialang]]></category>
            <dc:creator><![CDATA[Boonto Sudchai]]></dc:creator>
            <pubDate>Tue, 02 Jun 2020 06:08:40 GMT</pubDate>
            <atom:updated>2020-06-02T06:08:40.598Z</atom:updated>
            <content:encoded><![CDATA[<p>ถ้าใครทำเอกสารเชิงวิชาการ ไม่ใช่เอกสารบนเว็บ การทำอะไรที่เกี่ยวข้องกับสมการคณิตศาสตร์ก็จะเป็นเรื่องที่เลี่ยงไม่ได้และไม่อยากเลี่ยง การพล็อตกราฟก็เช่นกัน การพล็อตกราฟที่มี Label แบบห่วย ๆ ฟอนต์ที่ไม่ได้ดูดี ก็มักจะเป็นเรื่องที่รับไม่ได้สำหรับคนที่ผลิตงานเอกสารเชิงวิชาการ</p><p>มีอยู่หลายครั้งสมัยเรียนปริญญาเอก เคยเจอเพื่อนบ่นว่าฟอนต์ใน Legend ของกราฟไม่ตรงกับในเอกสาร ควรจะไปแก้ นั่นเป็นที่มาของการพล็อตกราฟแบบฝัง code ซึ่งมาจบที่การใช้ TikZ ที่ใช้งานร่วมกับ PGFPlots วันก่อนพูดถึงการใช้แพ็กเกจ PGFPlots.jl (<a href="https://medium.com/@boontosudchai/%E0%B8%81%E0%B8%B2%E0%B8%A3%E0%B8%9E%E0%B8%A5%E0%B9%87%E0%B8%AD%E0%B8%95%E0%B8%81%E0%B8%A3%E0%B8%B2%E0%B8%9F%E0%B8%9A%E0%B8%99-julia-1dcc264fc7ad">การพล็อตกราฟบน Julia</a>)บน Julia แล้วพบว่าการตั้งค่าจะยาก และพบว่าการพัฒนาน่าจะหยุดชะงัก ประเด็นที่ยังอยากใช้ PGFPlots.jl อยู่ก็เพราะมันใช้ code ของ Julia (ใครจะใช้ Plots ในการตั้งค่าก็ได้) ซึ่งน่าจะดีกว่า แต่วันก่อนคิดว่าเราก็ใช้ TikZ อยู่แล้วการใช้ code หน้าตาเหมือน TikZ ในการพล็อตกราฟ การใช้ PGFPlotsX.jl ก็น่าจะเป็นผลดี อีกอย่างในเมื่อการพัฒนามันต่อยอดและยังทำอยู่ก็น่าจะมีอนาคตดีกว่า PGFPlots.jl</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/258/1*if_Ssn88qKPpO2cEZHx4Iw.png" /></figure><p>PGFPlotsX.jl ก็มีวิธีติดตั้งง่าย ๆ ดังนี้ (กดออกโดย ปุ่ม back space)</p><pre>]<br>add PGFPlotsX<br>build PGFPlotsX </pre><p>แน่นอนในระบบปฏิบัติการยังต้องมี LaTeX และ pdf2svg อยู่ ตัวอย่างการใช้งานบน Jupyter Lab (ตัวอย่างจากเว็บของ <a href="https://kristofferc.github.io/PGFPlotsX.jl/stable/index.html">PGFPlotsX</a>)</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*kJfAIfISmHq_qptYbnWZSQ.png" /></figure><p>ซึ่งจะเห็นว่าสวยงานและไม่ช้า นอกจากนั้นถ้าใช้งานบน vscode ผลลัพธ์ที่ได้ก็จะเป็นไฟล์ pdf พร้อมที่จะนำไปใส่ในเอกสารได้เลย</p><p>ตัวอย่างแรกสำหรับการพล็อตกราฟ สำหรับมิตรรัก Jupyter ก็เป็นไปตามนี้</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/936/1*2r4V8uBNFHuLRTeo8goFoA.png" /></figure><p>มีการเรียกใช้แพ็กเกจ LaTeXStrings เพื่อให้ใส่สมการได้ ข้อแตกต่างระหว่างคำสั่งใน PGFPlots กับ PGFPlotsX.jl ก็คือ ในการตั้งค่า PGFPlots สามารถรับประโยคแบบเว้นวรรคได้ (และเหมือนภาษาพูดจนน่าตกใจ) ในขณะที่การใช้งาน PGFPlotsX.jl นั้นห้ามเว้นวรรคต้องใช้ underscore ต่อท้ายคำแทน</p><p>เพื่อให้บทความเหมาะสมกับการอ่านบนมือถือหรือเว็บ จึงขอเขียนสั้น ๆ แค่นี้ มีอะไรถามได้ครับ</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=11c38eb923e0" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[การพล็อตกราฟบน Julia]]></title>
            <link>https://medium.com/@boontosudchai/%E0%B8%81%E0%B8%B2%E0%B8%A3%E0%B8%9E%E0%B8%A5%E0%B9%87%E0%B8%AD%E0%B8%95%E0%B8%81%E0%B8%A3%E0%B8%B2%E0%B8%9F%E0%B8%9A%E0%B8%99-julia-1dcc264fc7ad?source=rss-6952f8e72ed7------2</link>
            <guid isPermaLink="false">https://medium.com/p/1dcc264fc7ad</guid>
            <category><![CDATA[julia]]></category>
            <category><![CDATA[plot]]></category>
            <category><![CDATA[graph]]></category>
            <category><![CDATA[pgfplot]]></category>
            <dc:creator><![CDATA[Boonto Sudchai]]></dc:creator>
            <pubDate>Sun, 24 May 2020 08:40:55 GMT</pubDate>
            <atom:updated>2020-05-24T08:40:55.670Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*aubgXEnmgX9aWnOexJM5wg.png" /></figure><p>เรื่องน่าปวดหัวที่สุดเรื่องหนึ่งของ Julia ก็คือการพล็อตกราฟ คือมีตัวเลือกมากมาย และก็ไม่รู้จะเรื่องอะไร แน่นอนเรื่องนี้สำคัญ เพราะ Julia วางตัวเป็นภาษาโปรแกรมที่จะมาแทน Matlab, R, และ Python ซึ่งภาษาโปรแกรมพวกนี้สาเหตุที่เราต้องใช้มันก็คือเรื่องของการพล็อตกราฟ</p><p>แพ็กเกจมาตรฐานของ Julia คือ Plots <a href="http://docs.juliaplots.org/latest/">http://docs.juliaplots.org/latest/</a> ซึ่งจะอธิบายเรื่องราวมากมายเกี่ยวกับการพล็อตกราฟ ที่น่าปวดหัวมากที่สุดคือการเลือก backend ซึ่งมีหลากหลายมาก ตัวที่น่าจะใช้กันมากสุดน่าจะเป็น PyPlot ซึ่งเป็นตัวเดียวกับ Matplotlib ของ Python</p><p>สำหรับผมแล้ว พบว่า backend ยุ่งยากทุกตัว บางตัวเร็ว บางตัวมี feature ครบ บางตัวทำสิ่งที่เราต้องการบางอย่างไม่ได้ ที่น่าปวดหัวที่สุดคือพอเลือก backend แล้วถ้าจะเปลี่ยนคำสั่งก็ต้องมาเลือก backend ใหม่ สำหรับนักพล็อตสาย LaTeX แล้ว ความสามารถถึงที่ขาดไม่ได้คือการใช้ LaTeX ฟอนต์ในกราฟ เช่น ตัวแปรหรือสมการที่ปรากฎอยู่บนกราฟจะต้องสวยงามได้มาตรฐาน ถ้าพบเห็นสมการหรือฟอนต์ไม่สวย คนสาย LaTeX จะปวดหัวตัวร้อนกินไม่ได้นอนไม่หลับ (ผมก็เป็น)</p><p>เพื่อแก้อาการนี้ คนสาย LaTeX ควรจะหันกลับไปใช้ Matlab ซึ่งไม่ใช่ทางออกที่ถูก (แล้วจะพูดทำไม) คนสาย LaTeX การพล็อตกราฟบน Julia คือการใช้ PGFPlots ครับ มันมี PGFPlotsX ด้วยนะ (เฮ้อ) ใครสนใจคู่มือก็ไปอ่านได้ที่ <a href="https://github.com/JuliaTeX/PGFPlots.jl">https://github.com/JuliaTeX/PGFPlots.jl</a> ในการติดตั้ง PGFPlots จะมีความยุ่งยากอยู่กรณีเดียวคือ การติดตั้ง pdf2svg ซึ่งสำหรับคนใช้ windows ก็ไปเอาตัวติดตั้งได้ที่ <a href="http://www.cityinthesky.co.uk/opensource/pdf2svg/">http://www.cityinthesky.co.uk/opensource/pdf2svg/</a> ลงแล้วตั้ง path ให้เรียบร้อย ตั้งอย่างไรคงไม่บอกในที่นี้ครับ มันนอกเนื้อหา พอลง pdf2svg เสร็จ ก็ทำดังนี้ที่ Julia REPL</p><pre>]add PGFPlots </pre><p>จากนั้นก็รอซักพัก ถ้าทุกอย่างเรียบร้อยดีก็สามารถใช้งานได้ เพื่อความสะดวกก็ใช้ jupyter เป็นตัวช่วยในการเรียนรู้ได้ครับ</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/635/1*QuirQIpp_FG3k1U4QN_zCQ.png" /></figure><p>ซึ่งก็ทำเพียงแค่ดังตัวอย่าง code ที่เห็น สะดวกรวดเร็วและรู้งานครับ วันนี้ขอจบดื้อ เพียงเท่านี้</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=1dcc264fc7ad" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[การติดตั้ง IJulia เพื่อให้สามารถรัน Julia บน Jupyter ได้]]></title>
            <link>https://medium.com/@boontosudchai/%E0%B8%81%E0%B8%B2%E0%B8%A3%E0%B8%95%E0%B8%B4%E0%B8%94%E0%B8%95%E0%B8%B1%E0%B9%89%E0%B8%87-ijulia-%E0%B9%80%E0%B8%9E%E0%B8%B7%E0%B9%88%E0%B8%AD%E0%B9%83%E0%B8%AB%E0%B9%89%E0%B8%AA%E0%B8%B2%E0%B8%A1%E0%B8%B2%E0%B8%A3%E0%B8%96%E0%B8%A3%E0%B8%B1%E0%B8%99-julia-%E0%B8%9A%E0%B8%99-jupyter-%E0%B9%84%E0%B8%94%E0%B9%89-3634d0cd0f67?source=rss-6952f8e72ed7------2</link>
            <guid isPermaLink="false">https://medium.com/p/3634d0cd0f67</guid>
            <category><![CDATA[julia]]></category>
            <category><![CDATA[julialang]]></category>
            <category><![CDATA[jupyterlab]]></category>
            <category><![CDATA[jupyter]]></category>
            <dc:creator><![CDATA[Boonto Sudchai]]></dc:creator>
            <pubDate>Sat, 23 May 2020 18:59:43 GMT</pubDate>
            <atom:updated>2020-05-23T18:59:43.220Z</atom:updated>
            <content:encoded><![CDATA[<p>การติดตั้ง IJulia เพื่อให้สามารถรัน Julia บน Jupyter ได้ สามารถได้ไม่ง่ายนักตามขั้นตอนนี้ เริ่มต้นที่ Julia REPL ก็ให้ติดตั้ง IJulia</p><pre>]add IJulia</pre><p>จากนั้นก็รอซักพักขึ้นกับเครื่องและเน็ต จากนั้นที่ REPL ก็สั่ง</p><pre>julia&gt; using IJulia<br>julia&gt; jupyterlab()</pre><p>เมื่อรันคำสั่งนี้แล้ว กรณีที่ใช้ anaconda ตัว Julia จะบังคับให้ลง Conda.jl ด้วย ซึ่งเมื่อกระบวนการทุกอย่างเสร็จสิ้น สิ่งที่ได้ควรจะอยู่รูป</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/622/1*AVCrtPbQutLf6O6EN8JJWg.png" /></figure><p>ซึ่งสามารถเรียกใช้ Julia ได้เลย แต่ถ้าไม่ได้ก็ต้องติดตั้ง kernel ของ Julia เพิ่ม</p><pre>julia&gt; using IJulia<br>julia&gt; installkernel(&quot;Julia 1.4.1&quot;)</pre><p>ซึ่งจะมีการใส่ชุดคำสั่งในการเรียกใช้ kernel ของ Julia ให้กับ jupyter ครับ</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=3634d0cd0f67" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Test]]></title>
            <link>https://medium.com/@boontosudchai/test-22f843b947bd?source=rss-6952f8e72ed7------2</link>
            <guid isPermaLink="false">https://medium.com/p/22f843b947bd</guid>
            <dc:creator><![CDATA[Boonto Sudchai]]></dc:creator>
            <pubDate>Thu, 25 Oct 2018 08:00:36 GMT</pubDate>
            <atom:updated>2020-05-09T15:36:35.752Z</atom:updated>
            <content:encoded><![CDATA[<h3>ยังเขียน Python ได้ แต่เน้น Julia</h3><p>เนื่องจากเป็น control engineer ก็เป็นเรื่องที่ช่วยไม่ได้ว่าจะเขียนงานส่วนใหญ่ด้วย Matlab วันดีคืนดีก็มี ภาษา Python ขึ้นมาให้ใช้งานและหัดเล่นตั้งแต่ปี 2004 แต่ไม่ได้ใช้ เนื่องจากมันไม่เหมาะกับการทำงานที่ต้องทำอยู่นั่นเอง</p><p>ไม่กี่ปีมานี้ Machine Learning เรื่องเก่าในภาพใหม่ กลับมาโด่งดัง จะด้วยตัวมันเองหรือเพราะ Deep Learning ก็ว่ากันไป แต่มันทำให้คนทั่วไปต้องหันมาใช้งานภาษา Python เพื่อจะได้เข้าถึงคอร์สออนไลน์ต่าง ๆ ได้ (ฮา) นั่นแหละ การใช้ Python ไม่ใช่ปัญหา แต่น่าหงุดหงิด เนื่องจากตัวภาษาไม่ได้ออกแบบมาให้ทำงานกับพีชคณิตเชิงเส้น (linear algebra) เนื่องจากคนทาง Computer science ไม่เน้นพีชคณิตเชิงเส้น ตัว numpy มันถึงได้แปลก ๆ แบบนั้น</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*SY5Dg8mq8RPLjBzs" /><figcaption>Photo by <a href="https://unsplash.com/@clarephotolover?utm_source=medium&amp;utm_medium=referral">Clarissa Watson</a> on <a href="https://unsplash.com/?utm_source=medium&amp;utm_medium=referral">Unsplash</a></figcaption></figure><p>คนที่เขียน Matlab แบบไล่ไปทีละบรรทัด (ไม่มีโครงสร้าง) จึงมีความรู้สึกว่าอะไรกันนักหนา(วะ) คือพวกเราเน้นวิธีการที่ตรงไปตรงมาและเน้นผลลัพธ์ แต่สำหรับ Python เขียนไปซักพัก จากการพยายามจะเขียนอัลกอริทึมเองจากสมการคณิตศาสตร์ ก็กลายเป็นว่าต้องไล่หาไลบรารี ที่บรรจุคำสั่งของเรา จะทดสอบผลลัพธ์ก็ต้องมากังวลเกี่ยวกับ transpose หรือไม่ transpose ของเวกเตอร์หรือไม่ นั่นเป็นที่มาของการหันไปหา Julia</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*WcTTq3WgRprn3yQ7" /><figcaption>Photo by <a href="https://unsplash.com/@juliacaesar?utm_source=medium&amp;utm_medium=referral">Julia Caesar</a> on <a href="https://unsplash.com/?utm_source=medium&amp;utm_medium=referral">Unsplash</a></figcaption></figure><p>เรื่องราวต่อจากนี้จะเป็นการผจญภัยในโลกของ Julia กับ การใช้งานทั่ว ๆ ไป ที่เกี่ยวกับงานของผม</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=22f843b947bd" width="1" height="1" alt="">]]></content:encoded>
        </item>
    </channel>
</rss>