<?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 Chalach Monkhontirapat on Medium]]></title>
        <description><![CDATA[Stories by Chalach Monkhontirapat on Medium]]></description>
        <link>https://medium.com/@chalach-mo?source=rss-4c9371a078ed------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/1*wzPBS7uA31yXHs-MNtFcwQ.jpeg</url>
            <title>Stories by Chalach Monkhontirapat on Medium</title>
            <link>https://medium.com/@chalach-mo?source=rss-4c9371a078ed------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Thu, 19 Nov 2026 11:14:43 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@chalach-mo/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[CI/CD on Databricks using Azure DevOps]]></title>
            <link>https://medium.com/equinox-blog/ci-cd-on-databricks-using-azure-devops-277fc22c5222?source=rss-4c9371a078ed------2</link>
            <guid isPermaLink="false">https://medium.com/p/277fc22c5222</guid>
            <category><![CDATA[azure-devops]]></category>
            <category><![CDATA[mlops]]></category>
            <category><![CDATA[databricks]]></category>
            <category><![CDATA[ci-cd-pipeline]]></category>
            <dc:creator><![CDATA[Chalach Monkhontirapat]]></dc:creator>
            <pubDate>Mon, 26 Feb 2024 12:04:50 GMT</pubDate>
            <atom:updated>2024-02-26T12:04:50.944Z</atom:updated>
            <content:encoded><![CDATA[<p>Continuous Integration(CI) and Continuous Delivery(CD) on Azure Databricks using Azure DevOps</p><p>บนความนี้จะมาพาทำ CI/CD และ Unittest Pipeline สำหรับ Databricks กันน</p><p>#️⃣ <strong>CI/CD on Databricks using Azure DevOps</strong></p><p>1️⃣ Setting Azure DevOps and Databricks Workspace</p><p>2️⃣ Implement Project for CI/CD Demo</p><p>3️⃣ Implement Continuous Integration(CI)</p><p>4️⃣ Implement Continuous Delivery(CD) for Dev Environment</p><p>5️⃣ Implement Continuous Delivery(CD) with Unittesting</p><p>6️⃣ Implement Continuous Delivery(CD) for Uat and Prod Environment</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*XFyiP9q44eJM1wWOlzXL4w.png" /><figcaption>Continuous Integration(CI) and Continuous Delivery(CD) on Azure Databricks using Azure DevOps</figcaption></figure><h4>1️⃣ Setting Azure DevOps and Databricks Workspace</h4><p>เราจะเริ่มจากการ Setting Azure DevOps Repo ก่อนแล้วทำการ Clone Repo ไปที่ Databricks Workspace เริ่มจากสร้าง Project ภายใต้ Azure Organization อย่างในรูปก็จะชื่อ Project cicd-databricks-blog</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*H30xBYxYqoqMfVk8idf1Mg.png" /><figcaption>Create Project Repository on Azure DevOps Organization</figcaption></figure><p>จากนั้นทำการกดปุ่ม Clone มุมขวาแล้ว Copy HTTPS Url ของ Repository เพื่อเอาไป Clone บน Databricks</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*WOz9S-tNqqSkDXzzx2hg-w.png" /><figcaption>Copy HTTPS Url Repository</figcaption></figure><p>จากนั้นไปที่ Databricks Workspace ไปที่ Repos กด Add Repo และนำ Url ที่ Copy ไว้ก่อนหน้านี้มาวางตามรูป</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*QQDuvAEVHsw5B43MvG5wZg.png" /><figcaption>Clone Project from Azure DevOps Repository to Databricks Repo</figcaption></figure><p>จากนั้นกด Create Repo เราก็จะได้ Repo มาดังรูป พร้อม Branch main เป็น Branch default</p><p>ต่อไปเราจะทำการ Setup Project Structure สำหรับ Blog นี้กัน โดย Target ของเราสุดท้าย เราจะต้องการให้ Azure DevOps Pipeline ของเรา Deploy เข้าไปที่ Workspace Uat และ Prod ตาม Structure ด้านล่างนี้</p><pre>Workspace/<br>├─ dev/<br>│  ├─ cicd-databricks-blog/<br>│  │  ├─ utils/<br>│  │  │  ├─ numbers.py<br>│  │  ├─ tests/<br>│  │  │  ├─ test-utils.py<br>│  │  ├─ src/<br>│  │  │  ├─ main.py<br>├─ uat/<br>│  ├─ cicd-databricks-blog/<br>│  │  ├─ utils/<br>│  │  │  ├─ numbers.py<br>│  │  ├─ tests/<br>│  │  │  ├─ test-utils.py<br>│  │  ├─ src/<br>│  │  │  ├─ main.py<br>├─ prod/<br>│  ├─ cicd-databricks-blog/<br>│  │  ├─ utils/<br>│  │  │  ├─ numbers.py<br>│  │  ├─ tests/<br>│  │  │  ├─ test-utils.py<br>│  │  ├─ src/<br>│  │  │  ├─ main.py</pre><p>ไปที่ Databricks แล้วทำการสร้าง Folder และ Files ตาม Structure แล้วทำการ Commit ไปที่ Azure Repo</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*e0D2KW3plor_H1GbfhkngA.png" /><figcaption>Initial Project for CI/CD</figcaption></figure><h4>2️⃣ Implement Project for CI/CD Demo</h4><p>Target ของหัวข้อนี้คือ เราจะทำการ Implement 3 files ดังนี้</p><ul><li>utils/numbers.py : Implement function ในการ add numbers</li><li>tests/test-utils.py : Implement unittest ของ numbers.py</li><li>src/main.py : Implement การ add number โดยการเรียก function จาก utils</li></ul><p><strong>Implement add function</strong></p><p>ทำการ Implement function บวกเลขง่ายๆ ตามรูปด้านล่าง ที่ utils/numbers.py</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/704/1*ymEV9Sn_ObOjIs6ykWmTUQ.png" /><figcaption>add numbers function</figcaption></figure><p><strong>Implement unittest</strong></p><p>ทำการ Implement unittest ของ utils numbers โดยเริ่มจาก</p><ul><li>import utils</li><li>import unittest</li><li>implement test case</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/801/1*cKRbMcMN-AyN1ZURu8CpvA.png" /><figcaption>unittest numbers utils</figcaption></figure><p><strong>Implement main function</strong></p><p>ทำการ Implement main function ที่เรียกใช้ add function จาก numbers utils</p><ul><li>import utils</li><li>implement main function</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/629/1*O_ySmollFfX_aktbbcxl4w.png" /><figcaption>main function</figcaption></figure><h4>3️⃣ Implement Continuous Integration(CI)</h4><p>เริ่ม Implement CI Pipeline กัน โดยการทำ CI บน Databricks จะไม่เหมือนกับเวลาที่เราทำกับ App ทั่วไปที่เราจะเอา Unittest และ Build มาไว้ในนี้ ตรงส่วนของ CI จะไม่สามารถ Run unittest ได้ตรงๆ เพราะว่าตรงนี้เรายังไม่ได้เอา Source code ของเราเข้าไปไว้บน Workspace ของ Databricks เราทำอยู่บน Databricks Repo ดังนั้นในขา CI Pipeline เราจึงทำได้แค่ Build แล้วเอา Source code ของเราไปวางไว้ที่ Workspace</p><p>Target : Implement CI เพื่อ Build source code ของเรา</p><p>ไปที่ Azure DevOps Pipeline จากนั้น Ctrate New Pipeline ด้วย Azure Repo ของเรา จากนั้น Configure Pipeline ด้วย Starter pipeline เราจะได้ file azure-pipeline.yml มาที่ repo ของเรา</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*NjEqDJUz2B39EURXgXS8aw.png" /><figcaption>Create Azure Pipeline for Continuous Integration(CI)</figcaption></figure><p>หลังจากได้ file starter azure-pipeline.yml มาแล้วให้ลอง save and run ก็จะได้ตามนี้</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*ku7q6cA0P8XbPoex7JkTXg.png" /><figcaption>azure-pipeline.yml — starter file</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*GtGmMqLv9Y9-Xx0edgm6bQ.png" /><figcaption>run Azure Pipeline with azure-pipeline.yml</figcaption></figure><p>มาถึงตรงนี้เราก็จะได้ Pipeline ว่างๆ ที่พร้อมใช้งานเรียบร้อยแล้ว หลังจากนี้เราต้องการเพิ่มส่วนของ Build source code ของเราเป็น Artifact โดยให้ทำการ Edit pipline จากนั้นทำการ Add task Publish Pipeline Artifacts เข้าไป</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*h-7CjWaIl9nSbutM_gPi0g.png" /><figcaption>Add task Publish Pipeline Artifacts to pipeline</figcaption></figure><p>โดยการใส่ Parameter ตามรูปด้านล่างนี้</p><ul><li>File path : เราจะเก็บไว้ที่ Pipeline Workspce</li><li>Artifacte name : ชื่อของ Build source code เรา เราจะตั้งว่า Notebook</li><li>Publish location : เราจะ Publish artifact ไปไว้ที่ไหน</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*9S4H4HTmb1cDbb8un-knQw.png" /><figcaption>azure-pipeline.yml — add publish pipeline artifact</figcaption></figure><p>จากนั้นทำการลอง Save and run pipeline ดู</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*XJ4-z_65RG8INr_bc_mAbQ.png" /><figcaption>Run pipeline success</figcaption></figure><p>จากนั้นหากเรากลับไปดูที่หน้า Pipeline Status เราก็จะเห็นว่า Pipeline Success และมีการ Publish Artifact ออกมา 1 ชุด</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*qt13TCL8qL2CLSz83rUF8g.png" /><figcaption>Pipeline status success and show publish artifact</figcaption></figure><p>ลอง Click เข้าไปที่ Published เราก็จะเห็นของที่ถูก Build มาจาก Pipeline ตามนี้</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*02EED1EVSHcVkiDsYOgEeA.png" /><figcaption>Published artifact</figcaption></figure><p>เท่านี้ก็จะเป็นการเสร็จในการทำ Continuous Integration Pipeline เรียบร้อยแล้ว</p><h4>4️⃣ Implement Continuous Delivery(CD) for Dev Environment</h4><p>หลังจาก Implement CI Pipeline ไป เราจะมาทำการ Implement CD Pipeline ต่อโดย</p><p>Target : Implement CD เพื่อนำ Artifact จาก CI Pipeline ไป Deploy ที่ Dev Environment</p><p>เริ่มต้นที่ Pipeline แล้วไปที่ Menu Releases จากนั้นกดที่ Add an artifact จะมีหน้าต่างขึ้นมาด้านขวามือ ให้เราเลือก Build อันแรก จะเป็นการเลือก Build source code จาก Build pipeline ที่เราทำการ Publish มาก่อนใน Step ก่อนหน้านี้</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*10Fa20uKqDts8BukrrS-2g.png" /><figcaption>Setup release pipeline with artifact from pipeline workspace</figcaption></figure><p>จากนั้นให้เราทำการ Add stage แล้วเลือก Empty job เพราะเราจะทำการ Add task ของแต่ละ Stage ขึ้นมาเอง</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*ygl9lGsjcTgbT56YovJWvg.png" /><figcaption>Add Dev stage for release pipeline</figcaption></figure><p>หลังจากเรา Add Dev stage เพื่อทำการ Deploy artifact ของเราไปที่ Dev env แล้ว เราต้องทำการ Add task ของ stage เพื่อบอกว่าเราต้องการจะให้ Stage นี้ทำอะไรบ้าง</p><ul><li>Task 1 : Config Databricks CLI เพื่อให้ Pipeline รู้ว่าจะไป Deploy ที่ Databricks workspace URL ไหน ด้วยสิทธิ์อะไร</li><li>Task 2 : Deploy Databricks Notebook เป็นการ Download and build artifact ไปที่ Path ที่เรากำหนด</li></ul><p>เริ่มที่ Task 1 ของ Dev stage</p><p>ทำการ Add task Config Databricks CLI จากนั้น Config Workspace URL ของเรา กับ Token โดย Token นี้สามารถใช้ได้ 2 แบบ คือ Personal Access Token(PAT) กับ Service Principal โดยเรา Service Principal ไป Authen ก่อนแล้วค่อยเอา Token มากรอก แต่ ในบทความนี้จะใช้ PAT</p><p>Get Personal Access Token : <a href="https://docs.databricks.com/en/dev-tools/auth/pat.html">https://docs.databricks.com/en/dev-tools/auth/pat.html</a></p><p>Get Service Pricipal Token : <a href="https://jiasli.github.io/azure-notes/aad/Service-Principal-get-token-with-curl.html">https://jiasli.github.io/azure-notes/aad/Service-Principal-get-token-with-curl.html</a></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*zwmIg0S2qfuumAKhnxSa8g.png" /><figcaption>Task 1 : Config Databricks CLI</figcaption></figure><p>ต่อที่ Task 2 ของ Dev stage</p><p>ทำการ Set source ที่จะใช้ในการเอาไป Build ที่ Target path บน Databricks workspcae โดยต้องเลือก Source จาก Artifact ของเรา จากนั้นกำหนด Region ที่เราใช้ ต่อด้วยกำหนด Path ในตัวอย่างนี้จะให้ Deploy ไปที่ demo/dev แล้วทำการเลือก Option : Clean Workspace Folder เพื่อที่จะ Clear path ทุกครั้งที่เราทำการ Deploy</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*es-Ci106ui5ihQMQTBmfSQ.png" /><figcaption>Task 2: Deploy Databricks Notebook</figcaption></figure><p>เท่านี้เราก็ทำการ Add task ใน Dev stage ของ Release pipeline เสร็จเรียบร้อยแล้ว ลองทำการ Run ดูก็จะได้ผลลัพธ์ตามภาพด้านล่างนี้</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*l7ks5Ta_SbJbpfxzJWvycA.png" /><figcaption>Run reluease pipeline Dev stage success</figcaption></figure><p>ถ้าเราไปดูที่ Databricks workspce ตาม Path ที่เราทำการ Config ไว้ ก็จะเห็นว่า Source code จากใน Azure Repo brach main ที่เราทำการ Build artifact จาก CI Pipeline ได้ถูกเอามาวางไว้ที่ demo/dev หรือ Dev environment ของเราผ่าน CD Pipeline or Release pipline เรียบร้อยแล้ว</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*05A1nV3kZmMetdim3h_3aQ.png" /><figcaption>Deploy source code to dev env success</figcaption></figure><h4>5️⃣ Implement Continuous Delivery(CD) with Unittest</h4><p>หลังจาก Implement CD Pipeline ไป เราจะมาทำการ Implement CD Pipeline ต่อโดย</p><p>Target : Implement CD เพื่อ Run unittesting ก่อนที่จะทำการ Deploy ไปที่ Uat และ Prod</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*NW2k697_iAPq3Nn2mTOypw.png" /><figcaption>Add unittest stage for release pipeline</figcaption></figure><p>ทำการ Add Unittest stage เหมือนกับการ Add Dev stage ใน step ก่อนหน้านี้จากนั้นเราต้องทำการ Add task ของ stage เพื่อบอกว่าเราต้องการจะให้ Stage นี้ทำอะไรบ้าง</p><ul><li>Task 1 : Config Databricks CLI เพื่อให้ Pipeline รู้ว่าจะไป Deploy ที่ Databricks workspace URL ไหน ด้วยสิทธิ์อะไร</li><li>Task 2 : Excute unittest เพื่อดูว่า Source code ที่เรา build มานั้นมีอะไรผิดพลาดและผ่าน Unittest ที่เขียนมามั้ย</li></ul><p>Task 1 ของ Unittest stage จะเหมือนกับ Dev stage เราสามารถทำเหมือนกันได้ทุกอย่าง</p><p>Task 2 ของ Unittest stage เราจะทำการ Add task execute unittest และกำหนด Notebook path ที่เราจะ Run เพื่อ Excute unittest และทำการกำหนด Existing cluster ที่จะใช้ Run โดยการเข้าไปที่หน้า Databricks -&gt; Compute -&gt; Cluster ที่ต้องการ -&gt; Json(อยู่มุมบนขวา) จากนั้นทำการ Copy cluster id มาเพื่อทำการ Config ดังรูปข้างล่างนี้</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*P1aLMa6Jqr7Yep8n0Hqnvg.png" /><figcaption>Task 2: Execute Unittest</figcaption></figure><p>จากนั้นทำการ Run release pipeline ที่ทำการเพิ่ม Unittest ไปแล้ว</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/987/1*T8IzLQQ2XilpxHKBAhzyfw.png" /><figcaption>Run reluease pipeline Dev stage and Unittest stage success</figcaption></figure><p>โดยตัว Pipeline จะไปทำการสร้าง Databricks Workflow และทำการ Execute Notebook ตาม Path ที่เราได้ทำการ Config ไว้ใน Unittest stage\</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*rghVAImn7z4RqXXkjNENAQ.png" /><figcaption>Unittest stage create Databricks workflow for execute unittesting notebook</figcaption></figure><p>พอเรากดเข้าไปดูใน Databricks Workflow ก็จะเห็น Unittest Notebook ที่เราเขียนไว้ถูก Run success แล้ว</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/932/1*o-E8wfhC4bsC5zuUf3hsOw.png" /><figcaption>Databricks Workflow run unittest notebook success</figcaption></figure><h4>6️⃣ Implement Continuous Delivery(CD) for Uat and Prod Environment</h4><p>หลังจาก Implement CD Pipeline ในการ Deploy to Dev env และ ทำการ Unittest ไป เราจะมาทำการ Implement CD Pipeline ต่อโดย</p><p>Target : Implement CD เพื่อ Deploy to Uat and Prod environment</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*PT_oij2dNzuydCVpUScWnw.png" /><figcaption>Add Uat and Prod stage for release pipeline</figcaption></figure><p>ทำการ Add Uat และ Prod stage เหมือนกับการ Add Dev stage ใน step ก่อนหน้านี้ จากนั้นทำการแก้ Config แค่ Target path ตอน Deploy โดยที่</p><p>Uat stage -&gt; target path -&gt; demo/uat</p><p>Prod stage -&gt; target path -&gt; demo/prod</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*12VA198A2LIqy-u1fcF3cg.png" /><figcaption>Change target path for Uat and Prod</figcaption></figure><p>จากนั้นลอง Run release pipeline เมื่อ Pipline success แล้วเราก็จะเห็น Source code ของเรา Deploy แบบ E2E ตั้งแต่ Build -&gt; Dev -&gt; Uniitest -&gt; Uat -&gt; Prod</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*yY5x8aHSnj8kgRAj4QGPug.png" /><figcaption>E2E pipeline deployment</figcaption></figure><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=277fc22c5222" width="1" height="1" alt=""><hr><p><a href="https://medium.com/equinox-blog/ci-cd-on-databricks-using-azure-devops-277fc22c5222">CI/CD on Databricks using Azure DevOps</a> was originally published in <a href="https://medium.com/equinox-blog">Equinox</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Accessing Data from Azure Data Lake Storage(ADLS) with Databricks]]></title>
            <link>https://medium.com/equinox-blog/accessing-data-from-azure-data-lake-storage-adls-with-databricks-609d4aa34fe6?source=rss-4c9371a078ed------2</link>
            <guid isPermaLink="false">https://medium.com/p/609d4aa34fe6</guid>
            <category><![CDATA[adls-gen2]]></category>
            <category><![CDATA[databricks]]></category>
            <category><![CDATA[azure]]></category>
            <dc:creator><![CDATA[Chalach Monkhontirapat]]></dc:creator>
            <pubDate>Fri, 09 Feb 2024 09:32:32 GMT</pubDate>
            <atom:updated>2024-02-09T09:32:32.391Z</atom:updated>
            <content:encoded><![CDATA[<h4>4 ways to connect ADLS with Databricks</h4><p>ยุคสมัยนี้ หลายๆ บริษัท เริ่มใช้ Databricks ที่เป็น Lakehouse Platform ในการทำงานเกี่ยวกับ Data กันเยอะ พอสมควร แล้วการจะ Access file ที่อยู่บน Storage ของ Platform ที่ใช้ก็เป็นอะไรที่หลีกเลี่ยงไม่ได้ Blog นี้จะพาไปดูวิธี Access file จาก Databricks ไปที่ Storage Account ของ Azure กัน โดยจะพูดถึง 4 วิธีดังนี้</p><p>✅ Accessing Data from Azure Data Lake Storage(ADLS) with Databricks</p><ol><li>Accessing with Access Keys</li><li>Accessing with SAS Token</li><li>Mounting ADLS to DBFS (Recommend)</li><li>Azure Key Valuts and Databricks Secret Scopes (Recommend)</li></ol><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*b3cgRS5Eu-93SCaJ7wXz4g.png" /><figcaption>Accerssing Data from Azure Data Lake Storage(ADLS) with Databricks Cover</figcaption></figure><h3>Creating ADLS Gen2 Account for Databricks</h3><p>ก่อนที่จะไปเริ่มกัน เราต้องสร้าง ADLS สำหรับ Databricks เพื่อให้เป็น External storage ก่อน</p><h4>Step 1 : Create Storage Account</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*xqTKYTEUVZRcER203maEeQ.png" /><figcaption>Create Storage Account</figcaption></figure><h4>Step 2 : Setup Storage Account</h4><p>ทำการเลือกและตั้งค่า Storage account ตามรูปด้านล่าง</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*WSY0IM4fJ1kSjA4qY5jTcQ.png" /><figcaption>Setup Storage Account</figcaption></figure><h4>Step 3 : Create Container</h4><p>เข้าไปที่ Storage account ที่เราสร้างขึ้นมา แล้วทำการสร้าง Contanier ตามรูป</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*dUp_JqxFURM0eKMuBfpgqw.png" /><figcaption>Create Container</figcaption></figure><h4>Step 4 : Upload files to Container</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Eb8MJWy6VlzADK9Kf064ow.png" /><figcaption>Upload files to Contanier</figcaption></figure><p>เมื่อเราทำการเตรียม Storage account พร้อมแล้วเราก็จะเริ่มทำการ Access files ที่อยู่ใน Storage กันได้</p><h3>1.Accessing with Access Keys</h3><p>วิธีนี้จะเป็นการใช้ Access keys ใน Level ของ Storage account นั้นๆเลย ซึ่งจะทำให้เราสามารถเข้าถึงได้ทุก Container ที่อยู่ภายใต้ Storage account</p><h4>Step 1.1 : Get Access Keys</h4><p>เข้าไปที่ Resource Group -&gt; [resource_group_name] -&gt; [storage_account] หลังจากนั้นให้ดูที่ Menu ทางด้านซ้ายจะเห็น Menu ที่ชื่อว่า Access Keys ให้กดไปที่นี่ จากนั้น Copy key มาใช้งาน</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*MGV8lWrI915XgNRZMezGcA.png" /><figcaption>Get Access Keys</figcaption></figure><h4>Step 1.2 : Get Files with Access Key</h4><p>เราจะทำการ Config key ไว้กับ Spark config ของ Databricks จากนั้นก็ใช้ Spark ใน Read file ตาม Path ของ File ได้เลย</p><ul><li><strong>spark.conf.set</strong> : เป็นการ Set spark config โดยข้างบนเป็นการ Set access key ให้กับ Storage account ที่เราจะทำการ Acceess</li><li><strong>spark.read.csv</strong> : เป็นการ Read csv file โดยใช้ Spark เราสามารถใส่ Path และ Options ที่จะใช้อ่าน File ได้ที่ตรงนี้</li><li><strong>spark_df.display()</strong> : เป็น Function ของ Spark บน Databricks เท่านั้น จะใช้ในการแสดง Dataframe ออกมา ถ้าเป็น Spark ที่ Config เองต้องใช้ .show()</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*2zZwlhLwXc_Us-bHkJXkhg.png" /><figcaption>Get Files with Access Key</figcaption></figure><h3>2.Accessing with SAS Token</h3><p>วิธีนี้จะเป็นการใช้ SAS keys(Shared Access Signature Keys) ในการ Access เข้า Storage account วิธีนี้จะดีกว่าวิธีที่ 1 ตรงสามารถ Set expiry key หรือสามารถที่จะกำหนด Level ของ Key ได้ว่าจะสามารถ Access ได้ที่ Level ไหน หรือสามารถจะทำอะไรได้บ้าง</p><h4>Step 2.1 : Get SAS Keys</h4><p>เข้าไปที่ Resource Group -&gt; [resource_group_name] -&gt; [storage_account] หลังจากนั้นให้ดูที่ Menu ทางด้านซ้ายจะเห็น Menu ที่ชื่อว่า Shared Access Signature ให้กดไปที่นี่ จากนั้นทำการเลือกสิทธิ์ และทำการ Set expiry date</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*rIILyMjRkkDnhghDVLe5UQ.png" /><figcaption>Get SAS Keys</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Pu3hSeMjlQcLejimbuiWxA.png" /><figcaption>Get SAS Keys</figcaption></figure><h4>Step 2.1 : Get Files with SAS</h4><p>เราจะทำการ Config key ไว้กับ Spark config ของ Databricks จากนั้นก็ใช้ Spark ใน Read file ตาม Path ของ File ได้เลยเหมือนกันวิธีก่อนหน้านี้</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*_7XGBLU9zFJ2iUYAkbYYdA.png" /><figcaption>Get Files with SAS</figcaption></figure><h3>3.Mounting ADLS to DBFS</h3><p>วิธีนี้จะเป็นการ Mouth container มาที่ DBFS ของ Databricks ทำให้เราสามารถ Access file ได้ผ่าน DBFS ตรงๆ แล้วโดยที่ File ก็ยังถูกเก็บอยู่ที่ Storage account ที่เราทำไว้ โดยจะต้องทำทั้งหมด 3 ขั้นตอน ดังนี้</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/753/1*NG16j_XjC3zBbJSx2U9Rag.png" /></figure><h4>Step 3.1 : Create App Registeration and Service Pricipal</h4><p>เริ่มแรกให้เราเข้าไปที่ App registrations แล้วทำการสร้าง App registrations</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/926/1*PErxwLcB3hFnvIAo-LupUg.png" /><figcaption>Create App Registrations</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*WMpVE5vHOG1xDSmaT_nYEQ.png" /><figcaption>Create App Registrations</figcaption></figure><p>เมื่อสร้างเสร็จแล้วจะได้หน้าตาตามรูปข้างบน โดยเราจะใช้ทั้งหมด 3 ค่า จากตัว Service นี้ คือ</p><ul><li>Application (client) ID -&gt; Application ID</li><li>Directory (tenant) ID -&gt; Tenant ID</li></ul><p>ส่วน Secret เราต้องกดที่ Menu ด้านซ้ายไปที่ Certificate &amp; Secrets จากนั้นก็สร้าง Secrets ขึ้นมาแล้วก็จะทำให้เราได้ครบ 3 ค่าตามที่เราต้องการ</p><ul><li>Client secrests -&gt; Secret</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Jts-zCxqQOSxAhMjTqkmyA.png" /><figcaption>Create App Registrations</figcaption></figure><p>มาถึงตรงนี้เราจะได้ค่าที่เราต้องการแล้วทั้งหมด 3 ค่า ต่อมาเราต้องทำการ Grant role ให้กับ App registration ของเราก่อน</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/687/1*-uLUSLFqNq22ql3Oic7aSw.png" /></figure><h4>Step 3.2 : Geant role to Service Pricipal</h4><p>ไปที่ Storage account ของเรา แล้วไปที่ Menu Access Control (IAM) จากนั้นให้ไปที่ Menu Role assignment เลือก Assign role จากนั้นเลือก Role “Storage Blob Contributor”</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*HpzR4w80wploGlgOX-Ubfw.png" /><figcaption>Assign role “Storage Blob Contributor” to Service Principal</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*sHul7V3vKjuAj3jNfkm74Q.png" /><figcaption>Assign role “Storage Blob Contributor” to Service Principal</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*1w10H39djgKfUd2gUIWqmw.png" /></figure><p>ถ้าเห็นว่า App registration ของเราได้สิทธิ์ Storage Blob Data Contributor ตามรูปด้านบนแล้วก็คือเรามีสิทธิ์เรียบร้อยแล้ว</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/740/1*XUonglUQEDrbVISbCSKggA.png" /></figure><h4>Step 3.3 : Mount ADLS to DBFS</h4><p>เราจะทำการ Config key ไว้กับ Spark config ของ Databricks จากนั้นก็ใช้ Databricks utils ในการ Mount ADLS to DBFS</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*UO8VWObhWjmQbAjv91TbVw.png" /><figcaption>Mount ADLS to DBFS</figcaption></figure><p>เมื่อ Run code ข้างบนสำเร็จแล้ว ให้เราไปที่ Databricks -&gt; Catalog -&gt; Browse DBFS จะเห็นรูปตามด้านล่างนี้</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*7co3jpHDaX1-rJtTOZQ-fw.png" /></figure><p>จะเห็น Files ที่อยู่ใน ADLS มาโผล่บน DBFS ของเราเรียบร้อยแล้ว</p><h3>4.Azure Key Valuts and Databricks Secret Scopes</h3><p>จากที่เราทำไปใน วิธีที่ 3 จะเห็นได้ว่ามีการเอา Value ต่างๆ ของ App registration ทั้ง Secrets และ IDs มาใช้ตรงๆ ซึ่ง จริงๆแล้วเราไม่ควรนำ Value มาใช้ตรงๆ วิธีนี้จะเป็นอีกวิธีที่จะช่วยให้เราสามารถ Connect ADLS ได้ตม Preactice และ Secure มากขึ้นโดยการใช้ Azure Key Valuts และ Databricks Secret Scopes</p><p>เริ่มแรกให้เราเข้าไปที่ Azure Key Valuts แล้วทำการ Create Key</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*rkjSD6we-arkRCoCdRtuGw.png" /><figcaption>Create a key valut</figcaption></figure><p>จากนั้นไปที่ Access configuration เพื่อทำการ config kv</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*gXYXozWhJNN_3f-Wa9sIog.png" /><figcaption>Access configuration Azure KV</figcaption></figure><p>เราก็จะได้ Azure Key Valut ออกมาหน้าตาแบบนี้</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*scMQ8GOiZF_S9XA9JJym0Q.png" /><figcaption>Azure Key Valut</figcaption></figure><p>จากนั้นให้เราไปต่อที่ Menu ทางด้านซ้าย ของ Azure KV ให้ไปที่ Secrets แล้วหลังจากนั้นให้ไปที่ Generate/Import Secrets เพื่อที่เราจะเอา 3 ค่าก่อนหน้านี้คือ</p><ul><li>Application (client) ID -&gt; Application ID</li><li>Directory (tenant) ID -&gt; Tenant ID</li><li>Client secrests -&gt; Secret</li></ul><p>ที่เราใช้ตรงๆ เอามาใส่ไว้ใน Azure Key Valut</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*6qtES_-bat6d2qOuQzfmdQ.png" /><figcaption>Add value to secret</figcaption></figure><p>ตอนนี้เราก็จะเอาค่า Config ต่างๆของเราไปใส่ไว้ใน Azure KV แล้ว แต่เพื่อให้ง่ายต่อการใช้งานกับ Databricks เราจะเอา Secrets ทั้งหลายใน Azure KV ไปใส่ไว้ใน Databricks Secrets อีกทีนึงเพื่อให้สามารถใช้ผ่าน Databricks Utils ได้เลยแบบง่ายๆ เราจึงต้องไปสร้าง Databricks Secrets ก่อน โดยต้องไปที่</p><p>URL : https://&lt;YOUR_HOST&gt;.azuredatabricks.net/?o=&lt;YOUR_SESSION&gt;#secrets/createScope</p><p>เช่น https://adb-1234567912345678.12.azuredatabricks.net/?o=1596169917714638#secrets/createScope</p><p>จะเจอหน้า UI แบบนี้</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*VZs9TtiabPuMdJEb4ftq0A.png" /><figcaption>Databricks Creat Secret Scope UI</figcaption></figure><p>โดยเราสามารถดู Scope Name, DNS Name, Resource ID ของ Azure KV ได้ที่ Menu Properties ของ Azure KV ทางด้านซ้าย เมื่อเรา Create สำเร็จแล้ว Secrets ทั้งหมดใน Azure KV ที่ Scope name = databricsk-secrets-demo จะถูก Copy มาไว้ที่ Databricks Scope name = databricsk-secrets-demo เหมือนกัน แล้วก็จะมี Secrets ข้างในเหมือนกัน ทำให้เราสามารถเรียกใช้ได้ง่ายๆผ่าน Databricks Utils ตามด้านล่างนี้</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*dByy4UTmp2yTE_-Mw4uCSA.png" /><figcaption>Mount ADLS to DBFS with Secrets</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*DWdNIN13x9dFwxrpp2MxcQ.png" /></figure><p>จะเห็น Files ที่อยู่ใน ADLS มาโผล่บน DBFS ของเราเรียบร้อยแล้ว ด้วยวิธีที่ถูกต้องตาม Practice และมีความ Secure ด้วยนั่นเอง</p><p>ตัวอย่าง Code ทั้งหมด ดูได้ที่นี่</p><p><a href="https://github.com/Kzis/databricks/tree/main/01_accessing_adls/01_accessing_adls">databricks/01_accessing_adls/01_accessing_adls at main · Kzis/databricks</a></p><h3>Reference</h3><ul><li><a href="https://learn.microsoft.com/en-us/azure/databricks/connect/storage/azure-storage#--access-azure-data-lake-storage-gen2-or-blob-storage-using-the-account-key">Connect to Azure Data Lake Storage Gen2 and Blob Storage - Azure Databricks</a></li><li><a href="https://learn.microsoft.com/en-us/azure/storage/blobs/data-lake-storage-introduction-abfs-uri">Use the Azure Data Lake Storage Gen2 URI - Azure Storage</a></li><li><a href="https://learn.microsoft.com/en-us/azure/databricks/connect/storage/azure-storage#access-azure-data-lake-storage-gen2-or-blob-storage-using-a-sas-token">Connect to Azure Data Lake Storage Gen2 and Blob Storage - Azure Databricks</a></li><li><a href="https://learn.microsoft.com/en-us/azure/storage/blobs/data-lake-storage-introduction-abfs-uri">Use the Azure Data Lake Storage Gen2 URI - Azure Storage</a></li><li><a href="https://learn.microsoft.com/en-us/azure/databricks/dbfs/mounts">Mounting cloud object storage on Azure Databricks - Azure Databricks</a></li><li><a href="https://learn.microsoft.com/en-us/azure/databricks/security/secrets/secret-scopes">Secret scopes - Azure Databricks</a></li><li><a href="https://learn.microsoft.com/en-us/azure/databricks/security/secrets/">Secret management - Azure Databricks</a></li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=609d4aa34fe6" width="1" height="1" alt=""><hr><p><a href="https://medium.com/equinox-blog/accessing-data-from-azure-data-lake-storage-adls-with-databricks-609d4aa34fe6">Accessing Data from Azure Data Lake Storage(ADLS) with Databricks</a> was originally published in <a href="https://medium.com/equinox-blog">Equinox</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[เริ่ม Design MLOps ให้ ML Service กัน]]></title>
            <link>https://medium.com/equinox-blog/%E0%B9%80%E0%B8%A3%E0%B8%B4%E0%B9%88%E0%B8%A1-design-mlops-%E0%B9%83%E0%B8%AB%E0%B9%89-ml-service-%E0%B8%81%E0%B8%B1%E0%B8%99-98b6e94771f2?source=rss-4c9371a078ed------2</link>
            <guid isPermaLink="false">https://medium.com/p/98b6e94771f2</guid>
            <category><![CDATA[mlops]]></category>
            <dc:creator><![CDATA[Chalach Monkhontirapat]]></dc:creator>
            <pubDate>Fri, 06 Jan 2023 15:30:38 GMT</pubDate>
            <atom:updated>2023-01-06T15:31:03.977Z</atom:updated>
            <content:encoded><![CDATA[<h3>เริ่ม Design MLOps ให้ ML Service ต้องทำอะไรบ้างนะ?</h3><h3>⚫ MLOps คืออะไร ?</h3><p>Machine Learning Operations (MLOps) เป็นการทำ Operations เกี่ยวกับ Machinen Learning Model โดยมีตั้งแต่ Manual ไปจน Automation ที่มีการ Versioning, Tracking, Testing, Monitoring, รวมไปถึง Feature store และ Model registry อีกด้วย สามารถอ่านเพิ่มเติมได้ที่ Blog ข้างล่างที่เคยเขียนไว้แล้ว</p><p><a href="https://medium.com/equinox-blog/mlops-%E0%B8%84%E0%B8%B7%E0%B8%AD%E0%B8%AD%E0%B8%B0%E0%B9%84%E0%B8%A3-17b67a1439ad">MLOps คืออะไร</a></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*E9REtQd_femoAB09kgeYyw.png" /><figcaption>Design MLOps with MLOps Stack Canvas</figcaption></figure><h3>⚫ MLOps Stack Canvas</h3><p>MLOps Stack Canvas เป็นตัวช่วยระบุ Architecture และ Infrastructure Stack ของ Machine Learning Operations ซึ่งถูกออกแบบมาให้เข้ากับการพัฒนา Model การพัฒนาแบบ CRISP-ML โดยตัว MLOps Stack Canvas มีส่วนประกอบทั้งหมด 11 Components และจัดเรียงมาให้พร้อมกับ ML Life Cycle และ AI Rediness เพื่อที่จะทำให้เรารู้ว่าจะต้องเลือก MLOps processes และ Technlogy Components ที่เหมาะสมยังไง</p><p>CRISP-ML(Q) เป็น Process set of steps ใน Machine learninf development life cycle <a href="https://ml-ops.org/content/crisp-ml">(อ่านเพิ่มเติมได้ที่นี่)</a></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*MaxZszCHxa1VDGqi.jpg" /><figcaption><a href="https://ml-ops.org/content/mlops-stack-canvas">Mapping the CRISP-ML(Q) process model to the MLOps stack.</a></figcaption></figure><p>MLOps Stack Canvas มี purpose ที่จะช่วยให้การออกแบบ workflow, architecture, infrastructure และ Components ต่างๆ ของ MLOps Stack ใน ML Project เป็นไปตาม Standard ดังนี้</p><ul><li>ตรวจสอบให้แน่ใจว่า ML Solution นี้ Impact ต่อ Business</li><li>Planing cost ของ infrastructure components สำหรับ MLOps 3 ส่วน<br>- Data and code management<br>- ML model management<br>- Metadata management</li><li>Planning cost ของ orchestration ML system life-cycle 3 ส่วน<br>- Continuous integration/training/delivery for ML system<br>- Monitoring ML system is achieving the business objectives<br>- Alerting to deal with model failures</li><li>Design ML system ให้รองรับ 3 ส่วน<br>- Reproducibility(การทำซ้ำ) : versioning, feature store, and pipelines<br>- Reliability(ความน่าเชื่อถือ) : models ควรจะใช้งานได้หรือถ้าเกิดมีอะไรพังก็ควรจะ Recover ตัวเองกลับมาได้<br>- Efficiency(ประสิทธิภาพ) : model predictions ได้ไวไม่กระทบต่อระบบอื่นๆ และใช้ cost ได้คุ้มค่าที่สุด</li></ul><h3>⚫ Components of MLOps Stack Canvas</h3><p>โดยทั่วไปแล้ว MLOps Stack Canvas จะประกอบไปด้วย 3 ส่วนหลักๆ คือ</p><ol><li>Data and Code Management</li><li>Model Management</li><li>Metadata Management</li></ol><p>โดยในแต่ละส่วน จะมีส่วนย่อยของตัวเอง ตามภาพข้างล่างนี้</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*2-EROCuD3MjcvYpsql8tyw.jpeg" /></figure><h4>1. Value Proposition</h4><p>องค์ประกอบหลักใน MLOps Stack Canvas คือการนำเสนอคุณค่า โดยทั่วไป Value Proposition ก็คือ ข้อความ คำแถลง หรือ ข้อเสนอแนะ ว่าลูกค้าหรือผู้ใช้งานระบบนี้จะได้ประโยชน์อะไร อะไรคือจุดแข็ง จุดอ่อนของทีม หรือ Product ลูกค้าใช้แล้วจะได้ Benefits อะไร หรือถ้าทำตามแล้วจะได้อะไร โดยสามารถเขียน Value Proposition ได้ตาม Template ยอดนิยม<a href="https://le-shift.co/wp-content/tools/Le%20Shift%20-%20value%20proposition%20templates.pdf"> Geoffrey Moore’s value positioning statement template</a> ก็ได้ดังนี้</p><blockquote>For (target customer) who (need or opportunity), our (product/service name) is (product category) that (benefit).”</blockquote><blockquote>“สำหรับ (ลูกค้าเป้าหมาย) ที่ (ความต้องการหรือโอกาส) Prodcut ของเรา (ชื่อผลิตภัณฑ์/บริการ) คือ (หมวดหมู่ผลิตภัณฑ์) ซึ่ง(ประโยชน์)”</blockquote><p>เช่น</p><blockquote>สำหรับ E-commerce platform ที่ต้องการสร้างรายได้ให้มากขึ้นจากเดิม Recommendation system ที่เป็น Machine Learning Model จะช่วยให้ E-commerce platform มี ยอดขายเพิ่มขึ้นจากเดิม X% จากยอดขายทั้งหมด</blockquote><p>Value Proposition โดยทั่วไป ในการกำหนดข้อเสนอคุณค่าสำหรับโครงการ ML ควรจะตอบคำถามต่อไปนี้ได้</p><ul><li>เรากำลังทำอะไรเพื่อ end-users <br>(เช่น แนะนำ Products ที่เค้าสนใจ หรือ ตัวที่กำลังมี Promotion)</li><li>อะไรคือปัญหา ? <br>(เช่น ยอดขายไม่ตรงตามเป้า ลูกค้าไม่ได้ Products ที่ตรงตามความต้องการ)</li><li>ทำไมถึงเป็นปัญหาสำคัญ<br>(เช่น ยอดขายไม่ถึงเป้าอาจจะกระทบต่อโครงการอื่นๆ ลูกค้าไม่ชอบ Product ที่ได้ อาจจะเสียลูกค้าไป)</li><li>ใครเป็นเจ้าของ Machine Learning Model <br>(ส่วนนี้เพิ่มจะแตกต่างจาก Value Proposition ที่ไม่ได้เกี่ยวข้องกับ ML system)</li></ul><h4>2. Data Sources and Data Versioning</h4><p>Data คือ fundamental part ของ machine learning ดังนั้น การกำหนด Data source และการทำ Data versioning เป็นสิ่งจำเป็นไม่แพ้กับ Value Proposition เพราะช่วยให้เราสามารถ Estimate cost ได้ว่า ต้องใช้ข้อมูลอะไร จะเอาข้อมูลมาจากที่ไหน ดึงมายังไง ไปเก็บที่ไหน</p><p>นอกจากนี้การทำ Data versioning จะมี requirement คร่าวๆ ประมาณนี้</p><ul><li>Data is versioned as a snapshot at training time<br>เช่น snapshort data ออกมาทีละ daily weakly monthly ตามแต่ละช่วงเวลาที่ต้องทำการ re-train model</li><li>Using specialized data versioning systems<br>เช่น ไม่มีรอบการ re-train แน่นอน แต่ใช้การติด tag version data ทุกครั้งเมื่อมีการ re-train model</li></ul><p>Part Data sources and Data Versioning นี้โดยทั่วไปควรจะตอบคำถามต่อไปนี้ได้</p><ul><li>ต้องการใช้ข้อมูลอะไรบ้าง และ หาได้จาก Data sources ไหน</li><li>Data sources ที่จะไปดึงมามีการเก็บอยู่ในรูปแบบไหน</li><li>ต้องมี Data sources ปลายทางสำหรับการจัดเก็บเพื่อ Model นี้หรือไม่</li><li>Require data labeling มั้ย ถ้าต้องการใครทำ</li><li>จะทำ Data versioning ในรูปแบบไหน</li><li>มี Tools อะไรที่ Support การทำ Data pipelines หรือ Workflows</li></ul><p>หากต้องการลง Detail ในส่วนของ Data มากกว่านี้ เราอาจจะสามารถใช้ <a href="https://www.canvasgeneration.com/canvas/data-landscape/">Data Landscape Canvas </a>เป็นช่วยเพิ่มเติมในการลงรายละเอียด</p><h4>3. Data Analysis and Experiment Management</h4><p>Part นี้จะระบุความสำคัญของสิ่งที่จะใช้ในการทำ Experiment ว่าจะทำแบบใดบ้าง ด้วยเทคนิคอะไร แล้วมีการวัดผลอย่างไร เพื่อให้ Products นี้สามารถออกมาได้ตอบโจทย์ลูกค้า โดยทั่วไปควรจะตอบคำถามต่อไปนี้ได้</p><ul><li>ภาษาโปรแกรมใดที่จะใช้ในการวิเคราะห์ (R, Python, Scala, Julia หรือ SQL เพียงพอสำหรับการวิเคราะห์หรือไม่)</li><li>มีข้อกำหนดด้านโครงสร้างพื้นฐานอะไรบ้าง สำหรับการ Train Model</li><li>ต้องเรียนรู้ หรือใช้ ML Framework อะไรบ้าง</li><li>Metrices ที่ใช้วัดผลจะมีอะไรบ้าง</li><li>จะสามารถทำให้ Model มี Reproducibility ได้ยังไงบ้าง ใช้ Medata อะไรบ้าง</li><li>จะเก็บ Model Experiment ในรูปแบบไหนทั้งส่วนของ Develop และ Production</li><li>มี Tools อะไรที่ Support การทำ Model trainning และ Model Experiment</li></ul><h4>4. Feature Store and Workflows</h4><p>เนื่องจาก Process ของ Machine learning, feature engineering คือ Process ในการ Transform raw input data ไปเป็น feature vectors หรือรูปแบบอื่นที่เหมาะสำหรับ input formats ของ machine learning algorithms นั้นๆ ก่อนจะทำการ training และ prediction</p><p>MLOps stack ต้องการที่จะ management, reproducibility, discovery, และ reuse of features ระหว่าง ML projects และ Data science teams การจะทำแบบนั้นได้ จึงต้องมีสิ่งที่เรียกว่า Feature store ซึ่งเป็นตัวเก็บ feature ต่างๆ ที่ใช้ในการ train model เก็บไว้นั่นเอง</p><p>สำหรับ Part Feature Store and Workflows ควรจะตอบคำถามต่อไปนี้ได้</p><ul><li>มีการคำนวณหรือหา Feature สำหรับการ training model และ predicton</li><li>Databases ตัวไหนบ้างที่ involved feature storage?</li><li>มี API หรือ Library กลางในการทำ Feature engineering หรือไม่</li><li>มี Tools อะไรที่ Support การทำ Feature store และ Setup workflows ในการเก็บ Feature และการนำไปใช้งาน หรือแบ่งปันกับทีมอื่น</li></ul><h4>5. Foundations (Reflecting DevOps)</h4><p>ส่วนนี้จะเป็นส่วนที่ relate กับทุกๆส่วนใน Canvas นี้ เพราะว่า ต้องใช้ DevOps principles ทั้งในส่วนของ Infrastructure และ Raising awareness ในส่วนการ Implement ต่างๆ ML project เช่นการทำ Versioning, Tracking, Testing, Monitoring เป็นต้น</p><p>สำหรับ Part Reflcting DevOps ควรจะตอบคำถามต่อไปนี้ได้</p><ul><li>เราจะมีการ maintain source code / data source ยังไง</li><li>จะใช้ source / data version control system ตัวไหน</li><li>เราจะทำ Notebooks versionning หรือไม่</li><li>Deployment and testing automation: จะทำ CI/CD สำหรับ Codebase ไปในรูปแบบไหน และใช้ Tools อะไรในการทำ</li><li>เราจะ Track <br>- deployment frequency(ความถี่ในการ Deploy)<br>- lead time for changes(ระยะเวลาตั้งแต่ตกลงว่าจะมีการแก้จนถึงทำเสร็จส่งมอบ)<br>- mean time to restore(ระยะเวลาตั้งแต่ System failed จนถึงการ Restore จนใช้ได้ปกติ)<br>- change failure rate metrics? (Change ที่ทำให้ System failed )<br>ต่างๆนี้ยังไง และใช้ Tools อะไรในการทำ</li></ul><h4>6. Continuous Integration, Training, and Deployment: ML Pipeline Orchestration</h4><p>ต้องเริ่มจากว่า CI/CD ใน ML system นั้นจะมี release cycles ต่างจาก Software delivery ซึ่งจะขึ้นอยู่กับความต้องการของแต่ละ ML system นั้นๆ และยังเพิ่มในส่วนของ CT(Continuous Training) เพราะว่า Model ณ ช่วงเวลานึงก็อาจจะใช้ได้ไม่ดีเหมือนก่อน จึงต้องมีการ re-train model ใหม่ ด้วย data ใหม่ๆ ที่เข้ามา ส่วนนี้จึงเป็นส่วนที่ต่างกับ DevOps นั่นเอง</p><p>สำหรับ Part CI/CD/CT และ ML Pipeline Orchestation ควรจะตอบคำถามต่อไปนี้ได้</p><ul><li>Model จะต้องมีการ retrained บ่อยมากแค่ไหน และมีอะไรเป็นตัว trigger ในการ retrained เช่น scheduled, event-based หรือ ad-hoc</li><li>Process CI/CD/CT แต่ละส่วนเกิดขึ้นที่ on prem หรือ on cloud</li><li>Workflow อย่างเป็นทางการของที่กำลังจะทำมีหน้าตาเป็นยังไง เช่น <br>data prep → data validation → model training → model eval เป็นต้น และทั้ง workflow มีการใช้ tech stack อะไรในแต่ละส่วน</li><li>Model ที่ train เป็นการ train แบบ distributed มั้ย ถ้าใช่ เรามี infrastructure รองรับหรือยัง</li><li>จะมีการ test non-fuctional ของ ML model เช่น efficiency, fairness, robustness, interpretability ด้วยมั้ย ถ้ามีจะทำตอนไหนกำหนดให้ชัดเจน</li></ul><h4>7. Model Registry and Model Versioning</h4><p>Machine model เป็น code ชุดนึงที่ทำหน้าที่เรียนรู้ข้อมูลชุดนึง ด้วย algorithm ซักตัวนึง ซึ่งก็เป็นเหมือน software code ที่ใช้ในการ implement software ต่างๆ เช่น mobile app หรือ web app เหมือนกัน ดังนั้นต้องมีการเก็บ version ของ model ไว้เหมือนกับเก็บ version ของ feature อย่างใดอย่างนั้น</p><p>แล้วการกำหนด version ให้กับ model ช่วยอะไรได้ การกำหนด version นั้นจะช่วยให้ model เราสามารถมี reproducibility ก็คือสามารถนำกลับมาทำใหม่ได้ตลอด หรือสามารถถอยไป version ก่อนหน้าได้ในกรณีที่ของใหม่ ไม่ดีพอ</p><p>สำหรับ Part Model Registry and Model Versioning ควรจะตอบคำถามต่อไปนี้ได้</p><ul><li>การทำ versioning เป็น optional หรือ mandatory สำหรับ project นั้น เพราะถ้า model ไม่มีการ retrained ใช้ครั้งเดียวจบ ก็อาจจะไม่จำเป็น</li><li>จะมีการทำ model registry ของแต่ละ versions ไว้ที่ไหน</li><li>จะมีการ tracking model แต่ละ versions ด้วยอะไร และดูได้จากที่ไหน</li><li>จะมีการกำหนดมาตาฐานของ versions ยังไง</li></ul><h4>8. Model Deployment</h4><p>หลังจากที่ทำ Model training และ Model evaluation แล้ว เราก็ต้องนำ Model ของเราไปใช้งานจริง โดยการทำ Model deployment ซึ่งก็จะต้องทำมาตั้งแต่ Dev environment ด้วย CI/CD แต่พอมา Production environment ก็ต้องดูว่า Service ของเรานั้นมีความพร้อมในการทำ CD บน Prod. env มั้ยอีกด้วย</p><p>สำหรับ Part Model Deployment ควรจะตอบคำถามต่อไปนี้ได้</p><ul><li>Format ในการ Delivery model เป็นยังไง</li><li>Time to changes ที่รับได้ตั้งแต่ commit to prod คือเท่าไหร่</li><li>Target environment มีอะไรบ้าง</li><li>Model release policy เป็นยังไง สามารถทำ A/B Testing ได้หรือไม่</li><li>Deployment strategy เป็นยังไง เช่น shadow/canary deployment required?</li></ul><h4><strong>8.1 ML Deployment Strategy</strong></h4><p>ส่วนนี้จะถึงวิธีทั่วไปในการ wrapping model ที่ trained ให้สามารถ deploy ซึ่งต้องยอมรับว่าแต่ละที่ก็จะมี หลากหลายท่าในการกำหนด Strategy นี้ โดยหัวข้อนี้จะพูดถึงท่าพื้นฐานง่ายๆ ซึ่งได้แก่</p><h4>Deploying ML Models as Docker Containers</h4><p>เนื่องจากยุคสมัยนี้ถ้าทำ Product ขึ้นใหม่ก็คงไม่พ้นการทำให้เป็น Container เพราะด้วยความง่ายในการ pack ที่จะเอาไป deploy ที่ไหนก็ได้แล้วยัง stateless, lightweight and idempotent อีกด้วย ซึ่งหมายความว่าเจ้า Container ตัวนี้จะถูกนำไป deploy ได้ทั้ง on-prem หรือ on-cloud ได้ด้วยมาตราฐานเดียวกัน</p><p>อย่างรูปด้านล่างนี้ ก็จะเป็นการนำ ML Model pack to docker container แล้วก็นำไป deploy ภายใต้ k8s ซึ่งก็ขึ้นอยู่กับว่าเราจะใช้ on-prem หรือ on-cloud เช่น AWS EKS, AWS Fargate, Azure Kubernetes Service เป็นต้น จากนั้นก็ใช้งานผ่าน Rest api ที่เขียนไว้ด้วย framework ต่างๆ เช่น Flask api หรือ Fast api เป็นต้น</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*ZNVo3_k5Q6smEg-T.jpg" /><figcaption><a href="https://ml-ops.org/content/three-levels-of-ml-software#code-deployment-pipelines">Deploying ML Models as Docker Containers</a></figcaption></figure><h4>Deploying ML Models as Serverless Functions</h4><p>Cloud provider หลายเจ้ามี serverless platform ไว้รองรับการ deploy อยู่แล้ว เช่น Amazon AWS Sagemaker, Google Cloud AI Platform, Azure Machine Learning Studio, and IBM Watson Machine Learning เป็นต้น</p><p>ซึ่งการ Deploy ก็แสนง่าย ยกตัวอย่างเช่น AWS Lamda เราแค่นำ ML Service ของเราขึ้นไป Deploy ที่ AWS Lamda โดยไม่ต้อง Setup infrastructure ใดๆ และยังสามารถ Scale ได้อย่างง่าย และค่าใช้จ่ายก็เป็น Pay-as-you-use อีกด้วย</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*Uf3uKP0sl_WqlA25.jpg" /><figcaption><a href="https://ml-ops.org/content/three-levels-of-ml-software#code-deployment-pipelines">Deploying ML Models as Serverless Functions</a></figcaption></figure><h4>9. Prediction Serving</h4><p>ส่วนนี้คือส่วนที่รับ new input data เพื่อมาใช้ ML Service ที่เราได้ทำการ deploy ขึ้นไป โดยทั่วไปเราจะแยกตามการใช้งาน เช่น online service, offline service ในการทำ prediction โดยหลักๆ จะแบ่งออกเป็น Patterns ในการทำ Model in production ได้แก่</p><h4>Model-as-Service</h4><p>Model-as-Service Pattern เป็นท่าที่ง่าย และนิยมมากที่สุด เพราะใช้ Concepts เดียวกับทางด้าน Software Development โดยการทำ ML service ให้เป็น api ด้วยภาษาต่างๆ ตามถนัด เช่น python ก็จะนิยมใช้ Flask, Fast เป็นหลัก จากนั้นก็ไป Read model ที่ pack ไว้ โดยสามารถทำให้รองรับได้ทั้ง Rest api และ gRPC อีกด้วยขึ้นอยู่กับการใช้งาน</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*X9o3QB6eJCUKjYa0.jpg" /><figcaption><a href="https://learning.oreilly.com/library/view/hands-on-machine-learning/9781492032632/ch02.html#project_chapter">Model-as-Service</a></figcaption></figure><h4>Model-as-Dependency</h4><p>Model-as-Dependency Pattern เป็นท่าที่จริงๆแล้วไม่ค่อยเหมาะกับการใช้งานจริง on-prod แต่นิยมนำมาใช้ในการ Test เสียมากกว่า โดยจะเป็นการนำ ML model มา Pack เป็น dependency file เช่น .jar file เป็นต้น จากนั้นก็ import เข้าไปในโปรแกรมที่รับ new input data เข้ามา แล้วก็ไปเรียกใช้ function ใน jar เพียงเท่านั้น</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*nU6G1r-lEnq4nShx.jpg" /><figcaption><a href="https://www.oreilly.com/library/view/hands-on-machine-learning/9781492032632/ch02.html#project_chapter">Model-as-Dependency</a></figcaption></figure><h4>Precompute Serving Pattern</h4><p>Precompute Serving Pattern นั้นเป็นการ pre-compute ไว้ก่อนที่จะนำไปใช้จริง โดยเมื่อทำการ pre-compute เสร็จมักจะนำไปใส่ไว้ใน Database ตามแต่ละ Business ที่ใช้งาน เช่น Food Delivery จะ Recommend อาหาร หรือ ร้านอาหาร ที่ลูกค้าสนใจแบบวันต่อวัน ซึ่งท่านี้ก็จะช่วยให้ลดเวลาในการ compute prediction ไปได้มากเพราะเป็นการ select แทนการ prediction นั่นเอง</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*qqE7HdhTKoD1Q-PS.jpg" /><figcaption><a href="https://www.oreilly.com/library/view/hands-on-machine-learning/9781492032632/ch02.html#project_chapter">Precompute Serving Pattern</a></figcaption></figure><h4>Model-on-Demand</h4><p>Model-on-Demand Pattern เป็นการนำ Message Broker เข้ามาช่วย เช่น Kafka หรือ RabbitMQ เป็นต้น โดยจะทำการส่ง request เข้าไปไว้ใน broker queue ก่อน แล้วหลังจากถึง queue ของ request นั้นแล้วก็ส่งไป prediction ที่ event processor วิธีนี้จะเหมาะกับการ prediction ที่ไม่ต้องรอผล ณ เดี้ยวนั้นทันที เช่น การ recommend สินค้าที่คล้ายๆกบัที่ลูกค้าดู อาจจะทำเป็นแบบ async ได้เรื่อยๆ ที่ลูกค้า click ดูสินค้าต่างๆ ไม่ต้องทำเป็นแบบ sync ที่จะต้องรอผลลัพธ์นั้นทันที เช่น Credit Scoring เป็นต้น</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*35WEskpsSSOD0sct.jpg" /><figcaption><a href="https://www.oreilly.com/library/view/hands-on-machine-learning/9781492032632/ch02.html#project_chapter">Model-on-Demand</a></figcaption></figure><h4>10. ML Model, Data, and System Monitoring</h4><p>เมื่อนำ Model ไป deploy ใช้งานจริงแล้ว ก็จะต้องมีการ Monitored เพื่อให้มั่นใจได้ว่า Performance ของ Model ที่ใช้จริงนั้น ยังตอบโจทย์อยู่และถูกต้อง</p><p>สำหรับ Part ML Model, Data, and System Monitoring ควรจะตอบคำถามต่อไปนี้ได้</p><ul><li>จำเป็นต้องมี Alert system เมื่อ Model performance ต่ำกว่าที่ต้องการไว้มั้ย และจะกำหนด Thresholds ยังไร</li><li>จำเป็นต้องให้ Model ได้รับการ re-train เมื่อถึง event-based ตามที่ต้องการไว้หรือไม่ และจะกำหนด event อะไรบ้างที่ต้องการ</li><li>ML metrics ที่ใช้ในการตรวจสอบ Performance มีอะไรบ้าง มี Domain ไหนบ้าง</li><li>ต้อง Monitor model prediction latency ด้วยมั้ย และ CPU/RAM ต้องดูควบคู่กันมั้ย และเรามีสิทธิ์ในการเข้าถึงได้หรือไม่</li><li>อะไรคือตัว Trigger ให้ model ไป retrained ?</li></ul><h4>11. Metadata Store</h4><p>การจัดการข้อมูล Metadata มักจะจัดการข้อมูลเกี่ยวกับการ execution ของแต่ละ experiment โดยแต่ละครั้งที่มีการ run model data pipeline ก็จะเก็บไว้ใช้สำหรับการ reproduce, และ debug errors</p><p>สำหรับ Part Metadata Store ควรจะตอบคำถามต่อไปนี้ได้</p><ul><li>จะต้องเก็บข้อมูล metadata อะไรบ้าง เช่น id ของ pipeline , trigger, performed steps, start/end timestamps, train/test dataset split, hyperparameters, model object, various statistics/profiling เป็นต้น</li><li>ML governance จำเป็นมั้ยในส่วนมี ถ้าจำเป็นต้องทำอะไรบ้าง</li><li>จะเขียน Document สำหรับ Metadata Store ยังไง</li><li>จะต้องเก็บ operational metrics อะไรบ้าง</li></ul><h3>⚫ Conclusion</h3><p>Blog นี้เป็นเพียงแค่หนึ่งในวิธีการ Design MLOps process ซึ่งในแต่ละขั้นตอนในการ Design ก็จะมีทั้งที่เป็น Mandatory และ Optional ซึ่งก็ขึ้นอยู่กับแต่ละ Business ความพร้อมทางด้าน Infrastrucure และ Knowledge ของ Machine Learning Engineer ในบริษัทว่ามีความพร้อมที่จะทำ MLOps มากแค่ไหน</p><h3>Reference :</h3><p><a href="https://ml-ops.org/">https://ml-ops.org/</a></p><p><a href="https://www.canvasgeneration.com/canvas/data-landscape/">https://www.canvasgeneration.com/canvas/data-landscape/</a></p><p><a href="https://le-shift.co/wp-content/tools/Le%20Shift%20-%20value%20proposition%20templates.pdf">https://le-shift.co/wp-content/tools/Le%20Shift%20-%20value%20proposition%20templates.pdf</a></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=98b6e94771f2" width="1" height="1" alt=""><hr><p><a href="https://medium.com/equinox-blog/%E0%B9%80%E0%B8%A3%E0%B8%B4%E0%B9%88%E0%B8%A1-design-mlops-%E0%B9%83%E0%B8%AB%E0%B9%89-ml-service-%E0%B8%81%E0%B8%B1%E0%B8%99-98b6e94771f2">เริ่ม Design MLOps ให้ ML Service กัน</a> was originally published in <a href="https://medium.com/equinox-blog">Equinox</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[MLOps คืออะไร]]></title>
            <link>https://medium.com/equinox-blog/mlops-%E0%B8%84%E0%B8%B7%E0%B8%AD%E0%B8%AD%E0%B8%B0%E0%B9%84%E0%B8%A3-17b67a1439ad?source=rss-4c9371a078ed------2</link>
            <guid isPermaLink="false">https://medium.com/p/17b67a1439ad</guid>
            <category><![CDATA[data]]></category>
            <category><![CDATA[mlops]]></category>
            <dc:creator><![CDATA[Chalach Monkhontirapat]]></dc:creator>
            <pubDate>Wed, 03 Aug 2022 12:43:37 GMT</pubDate>
            <atom:updated>2022-08-04T14:05:37.449Z</atom:updated>
            <content:encoded><![CDATA[<p>เนื่องจาก Machine Learning และ AI เริ่มยุคมาได้ในช่วงระยะเวลานึงแล้ว ตอนนี้หลาย Product ในไทยก็เริ่มนำ Machine Learning หรือ AI เข้ามาไว้ใน Product กันมากขึ้น ซึ่งการนำมาใส่ใน Product นั้นก็ต้องมีระเบียบหรือวิธีการในการ Implement อย่างถูกต้องเป็นระบบ คล้ายๆกับการทำ Software โดยในมุมของ MLOps นั้นจะเป็น Practices นึงที่นำ Tools มาใช้ในการ Test, Deploy, Manage และ Monitor Machine Learning ของเรานั่นเอง</p><blockquote>MLOps we strive to avoid “technical debt” in machine learning applications.</blockquote><blockquote><strong>MLOps ไม่ใช่ Roles</strong> แต่เป็น Practices นึงเพียงเท่านั้น</blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*uvcbakAoGItYny-SJE5NEw.png" /><figcaption>MLOps vs DevOps</figcaption></figure><h3>MLOps</h3><p>Process ของ MLOps ประกอบไปด้วย 3 Process กว้างๆ ดังนี้<br>1. Designing the ML-powered application<br>2. ML Experimentation and Development<br>3. ML Operations</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*2R6WORI1DIJ1NX0s.jpg" /><figcaption><a href="https://ml-ops.org/content/mlops-principles">Iterative-Incremental Process in MLOps</a></figcaption></figure><p><strong>Designing the ML-powered application</strong></p><p>สำหรับ Phase แรกเน้นไปที่ business understanding และ data understanding จากนั้นทำการออกแบบ ML software เช่น เราจะ Deliver feature ให้กับ users กลุ่มไหน และ solve ปัญหาอะไร โดยส่วนมาก 2 ปัญหาใหญ่ ที่มักจะนำมาใช้คือ<br>1. Increasing the productivity of the user<br>2. Increasing the interactivity of our application.</p><p><strong>ML Experimentation and Development</strong></p><p>สำหรับ Phase ถัดมาเน้นไปที่ การทำ ML Experiment หรือ POC ML Model ต่างๆ ว่า Model โอเคมั้ย Feature ที่ใช้สามารถตอบ Business ได้มั้ย และผลการ Test อยู่ใน Threshold ที่รับได้มั้ย โดย Phase นี้จะเป็น Iterative ที่มากกว่า Phase อื่นๆ เพราะว่าอาจจะต้องทำหลาย ML Experiment จนกว่าจะพอใจ<br>ซึ่งแน่นอนว่า Goals ของ Phase นี้นั้นคือ Quality Model ที่เพียงพอสำหรับการใช้ใน Production ของ Product เรานั่นเอง</p><p><strong>ML Operations</strong></p><p>สำหรับ Phase สุดท้ายจะเน้นไปที่ การ Deliver Model ที่ Develop มาโดยใช้ DevOps Practices เช่น Testing, Versioning, Continuous Delivery and Monitoring Model</p><h3>Automation in Machine Learning</h3><p>ในการ Adopt MLOps Practices ในส่วนของการ Automation นั้นจะเริ่มจาก Manual train machine learning model และ deployment และไปต่อที่การทำ ML Pipeline และ CI/CD Pipeline</p><p><strong>Manual Process</strong> : Process นี้มักจะเป็น Process เริ่มต้นของทุกที่ก็คือการ Manual Train Model และมักจะเป็น Interative ไปเรื่อยๆ เพราะว่าเราจะต้องหา Experiment ที่เหมาะสมที่สุด ร่วมไปถึง การเตรียม Data Pipeline การทำ Data Preparation การทำ Data Validation การทำ Model training และ Model Testing ทั้งหมดจะทำเป็นแบบ Manual</p><p><strong>ML Pipeline Automation</strong> : ระดับถัดจาก Manual คือการเริ่มทำ Automate ในการทำ ML Pipeline เมื่อใดก็ตามที่มี Data เข้ามาใหม่ อาจจะเป็นรอบๆ ตามแต่กำหนด ก็จะเริ่ม Process ในการทำ Model Retraining และก็ Model Validation ตามลำดับ</p><p><strong>CI/CD Pipeline Automation</strong> : ในระดับสุดท้ายเราจะนำ CI/CD มาใช้กับ Model deployment ใน production ความแตกต่างของระดับนี้กับระดับก่อนหน้านี้ คือ เราจะ Automate build, Test, Deploy Model และ ML pipeline components</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*8uHd45Q29pzXCIv-.jpg" /><figcaption><a href="https://cloud.google.com/architecture/mlops-continuous-delivery-and-automation-pipelines-in-machine-learning#top_of_page">MLOps: Continuous delivery and automation pipelines in machine learning</a></figcaption></figure><h3>MLOps Stage</h3><p>Stage ต่างๆ ใน MLOps มีอยู่ประมาณ 6 Stage แต่ละ Stage มี Output ดังนี้</p><ul><li><strong>Development &amp; Experimentation (ML algorithms, new ML models)</strong><br><strong>Output :</strong> Source code ของ pipelines เช่น Data extraction, validation, preparation, model training, model evaluation, model testing</li><li><strong>Pipeline Continuous Integration (Build source code and run tests)</strong><br><strong>Output : </strong>Pipeline components ในการ deploy เช่น packages และ executables file</li><li><strong>Pipeline Continuous Delivery (Deploy pipelines to target environment)</strong><br><strong>Output : </strong>Deployed pipeline ด้วย new model</li><li><strong>Automated Triggering (Pipeline is automatically executed in production. Schedule or trigger are used)<br>Output : </strong>Trained model แล้วเก็บใน model registry</li><li><strong>Model Continuous Delivery (Model serving for prediction)<br>Output : </strong>Deployed model prediction service เช่น REST API</li><li><strong>Monitoring (Collecting data about the model performance on live data)<br>Output : </strong>Monitoring model บน Production เพื่อดูว่าเกิดปัญหาอะไร และยังใช้ได้ดีอยู่มั้ย</li></ul><h3><strong>MLOps Setup Components</strong></h3><p>Components ต่างๆที่ต้องมี ซึ่งแต่ละ Components ก็จะใช้ Tools ต่างๆ ได้ตามแต่ละเงื่อนไข ของแต่ละบริษัท ถ้าจะ Adopt MLOps Practices มี components ดังนี้</p><ul><li>Source Control<br>สำหรับการทำ Versioning ของ Source code, Data และ Model Artifacts</li><li>Test &amp; Build Services<br>ใช้ CI tools สำหรับ ML artifacts และ Building packages สำหรับ Test และ Build pipelines</li><li>Deployment Services<br>ใช้ CD tools สำหรับ deploy pipelines ไปที่ target environment</li><li>Model Registry<strong><br></strong>ใช้สำหนับ store ML models ที่ train เสร็จแล้วพร้อมใช้งาน</li><li>Feature Store<strong><br></strong>ใช้สำหรับ Tracking metadata สำหรับ model training เช่น example model name, parameters, training data, test data, และ metric results</li><li>ML Pipeline Orchestrator<br>ใช้สำหรับ Automating Model ให้พร้อมสำหรับการ Deploy</li></ul><h3>Continuous in Machine Learning</h3><p>ถ้าเรา Target ว่าเราจะเอา Model ที่ได้ไปใช้กับ Product ที่เป็น Software ทางที่ดีที่สุดก็คือออกมาเป็น API นั่นก็คือสุดท้ายแล้ว Model ที่ทำมาต้องพร้อมใช้อยู่ใน Microservices ตัวนึงสำหรับเรื่องๆนั้น และหากเรามี Model เป็นหลายร้อย Model การมานั่ง Deploy ที่ละ Model ก็คงจะไม่ใช่เรื่องที่ดีนัก</p><p>MLOps เป็น ML Engineering practices ที่ Follow practices ของ Continuous ดังนี้</p><ul><li><strong>Continuous Integration (CI)</strong> การทำ testing การทำ validating code รวมไปถึง components ของ data เช่น testing, validating data และ models แล้ว Build package สำหรับ Deploy</li><li><strong>Continuous Delivery (CD)</strong> การ Deliver ML training pipeline โดยการ automatate deploys ML model เป็น prediction service</li><li><strong>Continuous Training (CT)</strong> Unique สำหรับ ML systems โดยเฉพาะ ที่จะ automatate retrains ML models สำหรับ re-deployment</li><li><strong>Continuous Monitoring (CM)</strong> การ Monitoring production data และ Model performance metrics ที่เป็นตัวชี้วัดของ Business metrics</li></ul><h3>Versioning in Machine Learning</h3><p>เป้าหมายของการทำ Versioning คือการเก็บรักษา ML training scrips, ML models และ data sets ของ model เหมือนกับ Practices ของ DevOps</p><p>สาเหตุหลักๆ ของการทำ Versioning Model และ Data Change มีดังนี้</p><ul><li>ต้องการ Train Model ใหม่ด้วย New Data</li><li>มีการเปลี่ยน Approach ของ Model</li><li>Model อาจจะไม่แม่นยำเหมือนเดิม</li><li>การนำ Model ไปใช้ใน Feature ใหม่</li></ul><p>จะเห็นว่าจริงๆแล้ว Versioning in Machine Learning ก็คล้ายกับการทำ Software แต่ก็อาจจะต้องใช้ Tools ที่แตกต่างกันไปตามความสมควรของแต่ละเรื่องออกไป</p><h3>Experiments Tracking</h3><p>ในมุมของ Machine Learning Development มักจะมี Iterative process และเน้นไปที่การ research model เป็นหลัก ใน ML Development สามารถทำควบคู่ไปพร้อมๆกันหลายคนได้ เหมือนกับ Software Development ก่อนที่จะตัดสินใจว่าจะเลือก Model ตัวไหนไปใช้งาน</p><p>แต่ใน Software Development มักจะเก็บ Source code ไว้ใน Git ใน ML Development ก็สามารถใช้ Git และแยก Branch ได้เหมือนกัน แต่ก็ต้องมีการกำหนด Metrice ที่ชัดเจนในการ Compare Model ในแต่ละ Brach ต่างกับ การทำ Software ที่แยก Branch ออกไปทำงานแล้วก็ Merge รวมกันเข้ามา</p><p>ML Development จึงต้องใช้ Tools ที่แตกต่างกันออกมาในการเก็บ Experiment ต่างๆของ Model ว่าแต่ละ Experiment มี Feature อะไรต่างกันแบบไหน มี Hyperparameters ของ Model แตกต่างกันยังไง ซึ่ง Tools ที่นิยมใช้ก็จะเป็นพวก DVC, MLflow, Kubeflow เป็นต้น</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/930/0*fGforqV9wZ4d72u0.png" /><figcaption><a href="https://towardsdatascience.com/mlflow-a-primer-6dfe6be48353">Experiment Tracking with MLflow</a></figcaption></figure><h3>Testing in Machine Learning</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/560/0*-LvTW0cBZiYE4WiH.png" /></figure><p><a href="https://static.googleusercontent.com/media/research.google.com/en//pubs/archive/aad9f93b86b7addfea4c419b9100c6cdd26cacea.pdf">Figure source: “The ML Test Score: A Rubric for ML Production Readiness and Technical Debt Reduction” by E.Breck et al. 2017</a></p><p><strong>Features and Data Tests<br></strong>เป็นการ Tests ในส่วนของ Data Prepocessing ว่าข้อมูลที่เข้ามามีลักษณะตรงตามที่ต้องการมั้ย เช่น Type ผิดหรือป่าว หรือมี Outlier หรือป่าว</p><p><strong>Tests for Reliable Model Development<br></strong>เป็นการ Tests ในส่วนของการ Config Model ว่า Model ที่เราพัฒนาขึ้นมาเนี่ยถูกตรงตามกับที่เรา Expect ไว้ใน Test มั้ย และยังรวมถึงการ Tests predictions ด้วยว่า Model ของเรายังมี Accuracy อยู่ใน Benchmark ที่รับได้เหมือนเดิมมั้ยเมื่อมีการเปลี่ยนแปลง</p><p><strong>ML Infrastructure Tests<br></strong>เป็นการ Tests ในส่วนของ ML API usage หรือพวก Algorithmic correctness ว่ายังถูกต้องอยู่มั้ยเมื่อไปอยู่บน Environment ต่างๆ</p><p>การทำ Test สำหรับ Machine Learning ผมเคยเขียนไว้แล้วเมื่อหลายปีก่อน สามารถเข้าไปอ่านเพิ่มเติมได้ที่นี่</p><p><a href="https://medium.com/equinox-blog/unit-testing-%E0%B8%AA%E0%B8%B3%E0%B8%AB%E0%B8%A3%E0%B8%B1%E0%B8%9A-machine-learning-2c4e5f2aa7ae">Unit Testing สำหรับ Machine Learning</a></p><h3>Monitoring in Machine Learning</h3><p>เมื่อมีการนำ Machine Learning Model ไปใช้แล้ว ก็จะต้องมีการตรวจสอบสม่ำเสมอว่า Model ของเรายังทำงานได้ดีอยู่มั้ย</p><p>ใน Paper : <a href="https://static.googleusercontent.com/media/research.google.com/en//pubs/archive/aad9f93b86b7addfea4c419b9100c6cdd26cacea.pdf">“The ML Test Score: A Rubric for ML Production Readiness and Technical Debt Reduction” by E.Breck et al. 2017:</a><br>แนะนำการทำ Monitoring ไว้ดังนี้</p><ul><li>Monitor dependency changes ทั้ง pipeline และทำ notification เมื่อ<br>- Data version change<br>- Changes in source system<br>- Dependencies upgrade</li><li>Monitor data invariants ใน training และ serving inputs และ Alert เมื่อ data ไม่ match กับ schema ที่ใช้ตอน training step</li><li>Monitor performance ของ Model ว่ายัง Predict ได้ถูกต้องตามที่คาดหวังไว้อยู่มั้ย</li></ul><p>ซึ่ง Tools ที่จะนำมาใช้ในการ Monitor เช่น Kibana, Prometheus, Uptime Monitoring เป็นต้น</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*glX5DXHg4FhIeJSi.png" /><figcaption><a href="https://www.phdata.io/blog/mlops-vs-devops-whats-the-difference/">Monitoring in Machine Learning Systems</a></figcaption></figure><h3>MLOps vs DevOps</h3><p><strong>DevOps เป็น Practice</strong>s นึงในการลดระยะเวลาในการพัฒนา(development life cycle) และ ส่งมอบ High software quality อย่างต่อเนื่อง</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*ZI-fNzc19mmbzLdP.png" /><figcaption><a href="https://www.phdata.io/blog/mlops-vs-devops-whats-the-difference/">DevOps Cycle</a></figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*1iGSVYhggsuHUmpe.png" /><figcaption>ML<a href="https://www.phdata.io/blog/mlops-vs-devops-whats-the-difference/">Ops Cycle</a></figcaption></figure><p>ถ้าจะเปรียบเทียบ MLOps นั้น เป็น Process ของการทำให้ Software และ Workflow ของ Machine Learning เป็น Automation เพื่อที่จะส่งมอบ High ML-software quality<br>ทั้ง DevOps และ MLOps มีเป้าเดียวกันที่จะว่าง Automate Process ของการทำงานซ้ำๆได้ แต่ใน MLOps แค่เพิ่ม Components ที่เกี่ยวกับการทำ Machine Learning เข้ามานั่นเอง</p><p>แน่นอนว่า พอพูดแบบนี้ปุ๊ป เราก็สามารถมองหรือสรุปเจ้า MLOps เนี่ยเป็น Subset ของ DevOps อีกทีนึงนะ !</p><h3>MLOps vs DevOps Delivery Metrics</h3><p>เปรียบเทียบ Metrics 4 ตัว ในแง่มุมของ MLOps กับ DevOps ในแง่ของการ Deliver High ML/Software quality ดังนี้</p><ol><li>Deployment Frequency<br><strong>DevOps : </strong>ความถี่ในการ Deploy หรือ Release feature ไปสู่ End-users<br><strong>MLOps : </strong>ความถี่ในการ Deploy ML Model ไปสู่ End-users</li><li>Lead Time for Changes<br><strong>DevOps : </strong>ระยะเวลาในการเปลี่ยน Code ที่ Commit ไปสู่ Production<strong><br>MLOps : </strong>ระยะเวลาในการทำ Experiment model ไปจนได้ Model ที่พร้อมใช้ใน Production</li><li>Mean Time To Restore (MTTR)<br><strong>DevOps : </strong>ระยะเวลาในการกู้คืน System ที่ทำงานผิดพลาดใน Production<strong><br>MLOps : </strong>ระยะเวลาในการทำ Model Debugging เมื่อ Model ทำงานผิดพลาด รวมไปถึงการ การทำ Model Retraining และการ Rollback กลับไป Versions ก่อนหน้า</li><li>Change Failure Rate<br><strong>DevOps : </strong>อัตราที่ทำให้เกิด Incident บน Production จนต้อง Hotfix หรือ Rollback<strong><br>MLOps : </strong>อัตราที่ทำให้เกิด Incident ในการ Prediction ของ Model จนต้อง Rollback โดยจะต้องแยกตามแต่ละชนิดของ Model เช่น Precision, Recall, F-1, accuracy, AUC, ROC, false positives และ A/B Testing เป็นต้น</li></ol><h3>Conclusion</h3><p>จะเห็นได้ว่า DevOps เป็น Practices นึงที่ต้องการ Deliver high quality software ในทางของ MLOps ก็เป็น Practices เหมือนกันแต่ต้องการ Deliver high quality ML-software และแน่นอนว่าทั้ง DevOps และ MLOps ไม่ใช่ Roles ในการทำงาน แต่เป็นเพียง Practices นึงเท่านั้น</p><p>#MLOps ไม่ใช่กีฬาคล้าย Golf ถ้าให้เปรียบเทียบก็คงจะเหมือน Football team มากกว่า และแน่นอนว่า Team ที่ต้องการชนะ ทุกคนในจะต้องรู้วิธีในการฝึกซ้อม วิธีในการเตะบอล เทคนิคในการรับ ส่ง และทำประตู และไม่จำเป็นที่ทุกคนจะต้องสามารถเตะได้ในระยะ 30m MLOps ก็เช่นกัน ทุกคนควรรู้เพื่อที่จะให้ทีม Deliver ของออกมาได้ดี แต่ก็ไม่ได้หมายความว่า ทีมจะต้องมีคนเก่งขั้นเทพทาางด้านนี้และยกให้คนนั้นเป็นตำแหน่ง MLOps ทางด้านนี้</p><h3>Reference :</h3><p><a href="https://ml-ops.org/">https://ml-ops.org/</a></p><p><a href="https://www.phdata.io/blog/mlops-vs-devops-whats-the-difference/">https://www.phdata.io/blog/mlops-vs-devops-whats-the-difference/</a></p><p><a href="https://static.googleusercontent.com/media/research.google.com/en//pubs/archive/aad9f93b86b7addfea4c419b9100c6cdd26cacea.pdf">https://static.googleusercontent.com/media/research.google.com/en//pubs/archive/aad9f93b86b7addfea4c419b9100c6cdd26cacea.pdf</a></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=17b67a1439ad" width="1" height="1" alt=""><hr><p><a href="https://medium.com/equinox-blog/mlops-%E0%B8%84%E0%B8%B7%E0%B8%AD%E0%B8%AD%E0%B8%B0%E0%B9%84%E0%B8%A3-17b67a1439ad">MLOps คืออะไร</a> was originally published in <a href="https://medium.com/equinox-blog">Equinox</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[SCB TechX Bootcamp #1 สอนอะไรกันบ้างนะ ?]]></title>
            <link>https://medium.com/scb-techx/scb-techx-bootcamp-1-%E0%B8%AA%E0%B8%AD%E0%B8%99%E0%B8%AD%E0%B8%B0%E0%B9%84%E0%B8%A3%E0%B8%81%E0%B8%B1%E0%B8%99%E0%B8%9A%E0%B9%89%E0%B8%B2%E0%B8%87%E0%B8%99%E0%B8%B0-742a32f71323?source=rss-4c9371a078ed------2</link>
            <guid isPermaLink="false">https://medium.com/p/742a32f71323</guid>
            <category><![CDATA[scbtechx]]></category>
            <category><![CDATA[lifestyle]]></category>
            <category><![CDATA[bootcamp]]></category>
            <dc:creator><![CDATA[Chalach Monkhontirapat]]></dc:creator>
            <pubDate>Sun, 19 Jun 2022 10:11:12 GMT</pubDate>
            <atom:updated>2022-06-23T06:13:06.457Z</atom:updated>
            <content:encoded><![CDATA[<h3>SCB TechX Bootcamp #1 สอนอะไรกันบ้างนะ ?</h3><p>หลังจากตั้งบริษัทได้เกือบ 1 ปี ทาง SCB TechX ก็ได้มีการจัด SCB TechX Mini Bootcamp Program #1 ขึ้นเป็นครั้งแรก เป็น Bootcamp Program สำหรับน้อง ๆ นักศึกษาจบใหม่ หรือพึ่งจบได้ไม่เกิน 1 ปี ที่ได้เข้าร่วมทำงานกับบริษัท SCB TechX</p><p>โดยตัว Bootcamp จะเป็นการปรับพื้นฐานความรู้ให้ตรงตามความต้องการของทางบริษัท ตั้งแต่ Fundamental ต่าง ๆ ไปจน Software Development Process กันเลยทีเดียว โดยผู้เข้าร่วม Program จะได้เรียนรู้กับพี่ ๆ ในสายงาน ตัวจริง ที่เคยทำ Products ที่มีผู้ใช้นับสิบล้านมาจริง ๆ แล้วก็เคยเจ็บมาจริง ๆ อีกด้วย ฮ่า ๆ</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*fQ-_BESfh7QqEY9KcE6Eag.png" /><figcaption>SCB TechX Bootcamp #1 Cover</figcaption></figure><h3><a href="https://fsymbols.com/signs/tick/">✅</a> About SCB TechX Mini Bootcamp Program</h3><p>ตัว Bootcamp Program ของเราจะเป็นการเรียน Fundamental ในเรื่องต่าง ๆ เกี่ยวกับการพัฒนา Software ตั้งแต่ Software Development ด้วย Agile แล้วต่อด้วย Engineering Practiceต่าง ๆ ที่เป็น General ที่ควรทำ และ Modern Software Development ในรูปแบบต่าง ๆ เช่น Microservices, Serverless, Container และการนำ Container ไป Deploy บน Cloud เจ้าต่าง ๆ รวมไปถึง Test Concept การเขียน Test รูปแบบต่าง ๆ ไปจนถึงการทำ Automate Test ทั้ง UI และ API</p><p>เมื่อเรียนความรู้พื้นฐานที่จำเป็นต่อการ Delivery Software แล้วเราก็ไปต่อกันที่ Tools ต่าง ๆ ที่ใช้กัน โดยจะแยก Track ออกเป็น 2 ส่วน เพื่อให้เหมาะกับตัวผู้เรียน โดยจะแยกส่วนของ Software Engineer กับ Quality Assurance ออกจากกัน ไปเรียนในสิ่งที่ตัวเองต้องรู้ระยะประมาณ 10 วัน</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*70pbt3hR39YFRII3CCmpuw.png" /><figcaption>SCB TechX Bootcamp Roadmap</figcaption></figure><p>ช่วงแรกจะเป็นการเรียนความรู้พื้นฐานก่อน แต่ก็เป็นความรู้พื้นฐานที่สำคัญ เพราะว่า จะเป็นพื้นที่ผู้เรียนทั้งหลายจะสามารถนำไปต่อยอดในการทำงาน ในอนาคต เราไปดูกันทีละตัวดีกว่า ว่าเราสอนอะไรกันบ้าง</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*PnbhDkoG9fAUJXkqF0jcMA.png" /><figcaption>SCB TechX BootCamp : Agile in Practice</figcaption></figure><p>○ <strong>Agile in Practice<br></strong>เนื้อหา Session นี้จะพูดถึง ประวัติความเป็นมาของการทำ Software ตั้งแต่ยุคแรกเริ่ม ที่มีการเริ่มจาก Process ที่ลอกมาจากการก่อสร้าง​(Construction) จนเกิดมาเป็น Waterfall แล้วพบว่าการสร้าง Software ด้วย Waterfall process ทำให้เราได้ของที่ Solid มากเกินไปจนไม่ Flexible ตอบโจทย์ Business ที่เปลี่ยนไปอย่างรวดเร็วไม่ได้ จึงเกิด Process ใหม่ขึ้นมาคือ Agile แต่สุดท้ายแล้ว Agile ก็เป็นแค่ What และ Why ว่าเราทำอะไร ไปเพื่อทำไม เราจึงต้องพูดกัน How หรือ How ในการ Archieve What และ Why แล้วหนึ่งใน How นั้นก็คือ Scrum !</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*fQUmW_VwCgycN3k-W3SZ6g.png" /><figcaption>SCB TechX BootCamp : Developer in Practice</figcaption></figure><p>○ <strong>Developer in Practice<br></strong> Software Engineering Guideline และ Software Engineering Practice ต่าง ๆ ที่ควรมี ไม่ว่าเราจะอยู่ที่ไหน หรือบริษัทอะไร นี่คือสิ่งที่ควรปฏิบัติเป็นพื้นฐานในการทำงานด้านนี้ โดยจะพูดถึง</p><ol><li><strong>Keep Reading Existing Software Source Code​ </strong><br>เราเชื่อว่าถ้าคุณอยากเขียน Code ได้ดี คุณก็ต้องหมั่นอ่าน Code ของคนอื่น</li><li><strong>Follow the defined standards </strong><br>เราเชื่อว่าถ้าคุณอยากสร้าง Software ให้มี Standard สิ่งแรกที่คุณควรทำคือกำหนด Standard นั้นขึ้นมา แล้วก็ทำตาม Standard นั้นซะ !</li><li><strong>Accept criticis but don’t criticize</strong>​ <strong>without reason and solution<br></strong>เราเชื่อ​ว่าการยอมรับคำวิจารณ์จากคนอื่นเป็นเรื่องที่ดี แต่อย่าลืมว่าถ้าเราจะวิจารณ์ใครควรจะมีเหตุผล !</li><li><strong>Testing to be followed Religion<br></strong>เราเชื่อว่าการทำ Software จะต้องมี Test เสมอ เหมือนกับศาสนาประจำใจ</li><li><strong>Leave the ego behind, Be eager to learn​</strong><br>เราเชื่อว่าความรู้ไม่มีวันสิ้นสุด ทำงานเดิมไม่เรียนรู้อะไรใหม่ 10ปี ก็มีค่าเท่ากับการทำงานแค่ 1 ปีเท่านั้น ดังนั้น อย่าหยุดเรียนรู้ !</li></ol><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*DmiaQ4dNJXg27TOFvNXTAg.png" /><figcaption>SCB TechX BootCamp : Modern Software Development</figcaption></figure><p>○ <strong>Modern Software Development<br></strong>การพัฒนา Software สมัยใหม่ เริ่มจากการพัฒนา Software แบบ MVP(Minimum Viable Product) หรือก็คือการพัฒนา Software ด้วย Feature อย่างน้อยที่สุดของ Product ที่สามารถประเมินตลาดได้</p><p>จากนั้นไปต่อด้วย Microservices Architecture ว่าจะต้องมี Characteristic ยังไงบ้าง มีข้อดี ข้อเสียอะไร พร้อมทั้งแนะนำวิธีการ Implement Microservices ด้วย 12 Factors จาก Adam Wiggins ผู้ก่อตั้ง Heroku ที่เป็นที่นิยมอีกด้วย</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*zFNUJjGTqR7iQHyw5JAtOA.png" /><figcaption>SCB TechX BootCamp : Git</figcaption></figure><p>○ <strong>Git Workshop<br></strong>เนื้อหา Session นี้จะพูดถึง Git concept และ Git command ต่าง ๆ สำหรับการทำงานที่ต้องเจอ เช่น config, init, status, clone, push, pull, add, commit, log, branch เป็นต้น รวมไปถึง Git workflows ที่ SCB TechX ใช้อยู่ และ Git GUI ต่าง ๆ เช่น GitHub, GitLab, Git Kraken เป็นต้น</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*-7oQk5UlF51gP2lSy5AiOg.png" /><figcaption>SCB TechX BootCamp : Introduction to Cloud and AWS</figcaption></figure><p>○ <strong>Introduction to Cloud and AWS<br></strong>เนื้อหา Session นี้จะพูดถึง Traditional Infrastructure ไปจน Evaluation Of Cloud​ ยาวไปจนถึง Types of Cloud Computing​ แบบต่าง ๆ เช่น</p><ol><li>Iass : Infrastructure as a Service ​</li><li>Paas : Platform as a Service ​</li><li>Saas : Software as a Service ​</li></ol><p>ว่าคืออะไร แตกต่างกันยังไงบ้างในแต่ละแบบ แล้วยกตัวอย่างด้วย AWS โดยเริ่มตั้งแต่เรื่อง</p><ol><li>AWS Regions​</li><li>AWS Availability Zones​</li><li>AWS Edge Locations​</li><li>AWS Service Scope​</li><li>AWS Service Cost​</li><li>AWS IAM</li><li>AWS EC2</li><li>AWS RDS</li><li>AWS S3</li><li>AWS EKS</li></ol><p>ถ้าให้บอกต่อว่ามีอะไรบ้างน่าจะยาว แต่พูดได้เลยว่า ครบ จบ ในที่เดียว เกี่ยวกับ AWS จริง ๆ (สอนยั๊นนนนนน OS)</p><p>เนื้อหาทั้งหมดที่พูดมาจนถึงตอนนี้ ก็คือ เนื้อหาที่ทั้ง SE และ QA เรียนร่วมกันเพราะเรามองว่า นี่คือเนื้อหาพื้นฐานที่ไม่ว่าใครก็จำเป็นต้องรู้ แต่หลังจากนี้ เดี้ยวเราไปดูกันว่า SE กับ QA เวลาเค้าเรียนแยกกันเนี่ย เค้าเรียนอะไรกันบ้างนะ</p><h3>⚫ <strong>Software Engineer</strong></h3><p>เนื้อหาที่ Software Engineer ที่ SCB TechX เราสอนให้กับ New Joiners เราสอนตั้งแต่ Basic ที่เป็น Data Structure และ Problem Solving ต่อด้วย Programming Language ต่าง ๆ เช่น Java, Javascripts, Dart แล้วไปต่อด้วย Framework ของภาษาต่าง ๆ เช่น Springboot, Express, Flutter</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*gzAcfxMIoy1gQHTymfOuPw.png" /><figcaption>SCB TechX BootCamp : Data Structure &amp; Problem Solving</figcaption></figure><p>○ <strong>Data Structure &amp; Problem Solving<br></strong>เนื้อหา Session นี้จะพูดถึงตั้งแต่ Big(O) Notation ว่าคืออะไร ทำไมเราต้องให้ความสำคัญ ต่อด้วย Data Structure Type ต่าง ๆ เช่น Array, List, Map, Stack, Queue แตกต่างกันยังไง เจอ Usecase แบบไหนควรใช้อะไร พร้อมยกตัวอย่างการใช้งานจริงที่ไม่ใช่แค่ทฤษฏีในห้องเรียน ! และแน่นอนว่าเราลองทำกันจริงๆ โดยเริ่มจากการแก้โจทย์ใน Leetcode ที่เป็นที่นิยม เช่น</p><ul><li><a href="https://leetcode.com/problems/climbing-stairs/">Climbing Stairs</a></li><li><a href="https://leetcode.com/problems/invert-binary-tree/">Invert Binary Tree</a></li><li><a href="https://leetcode.com/problems/valid-parentheses/">Valid Parentheses</a></li><li><a href="https://leetcode.com/problems/longest-palindrome/">Longest Palindrome</a></li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*InlmF5x3FdgkUONx7t3o1A.png" /><figcaption>SCB TechX BootCamp : Web Development Fundamental</figcaption></figure><p>○ <strong>Web Development Fundamental<br></strong>เนื้อหา Session นี้จะพูดถึงการทำงานของ Web ตั้งแต่ DNS คืออะไร IP คืออะไร HTTP HTTPS ทำงานยังไง แตกต่างกันยังไง เมื่อเข้าใจ Concept การทำงานของ Web เบื้องต้นแล้ว ก็พาไปทำความรู้จักกับ HTML ว่าคืออะไร ทำไมเราต้องรู้จัก แล้วจากนั้นก็ทำ Interact กับ Web ที่สร้างจาก HTML ด้วย Javascript ต่อด้วยตกแต่งความสวยงามให้กับ Web ด้วย CSS เมื่อเข้าใจทั้ง 3 ส่วนแล้ว ก็เริ่มทำความรู้จักกับ API และการเชื่อมต่อกันระหว่าง UI กับ API ว่าทั้ง 2 ส่วน ติดต่อสื่อสารกันยังไง ใครเป็นตัวกลาง ส่งข้อมูลกันแบบไหน แล้วเราต้องทำยังไงกันนะ ถึงจะเชื่อมทั้ง 2 ส่วนเข้าหากันได้</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*a5H3bcHrtZ8na2_8ZGemZg.png" /><figcaption>SCB TechX BootCamp : JS &amp; TS #1</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*dE1Vagz3-_l-2RY3fVMOSA.png" /><figcaption>SCB TechX BootCamp : JS &amp; TS #2</figcaption></figure><p>○ <strong>JavaScript &amp; TypeScript<br></strong>พาไปตั้งต้นกับ Javascript กันแบบ ตั้งแต่ Setup เครื่อง Syntax ของ JS ลองฝึกเขียนและทำความรู้จักกับ Class, Interface, Modules ใน TypeScript ต่อด้วยทำความเข้าใจกับสิ่งที่คนพึ่งเริ่มต้นมักจะเข้าใจผิดกับ Callback, Async, Await, Promise เสร็จแล้วไปต่อกันที่ Nodejs คืออะไร ต่างกับ JS ปกติยังไง พาไปรู้จักกับ Express framework ยอดฮิตของ Javascript แล้วสร้าง API ด้วยความรู้ทั้งหมดที่เรียนมากันนนน !</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*OlX6x0FSfWtqdHFxqlm-AQ.png" /><figcaption>SCB TechX BootCamp : Java &amp; Spring #1</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*ZrTPchN0ozwKuPNgsAXQ8g.png" /><figcaption>SCB TechX BootCamp : Java &amp; Spring #2</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*mx458jpphIvgS4B2lJAknA.png" /><figcaption>SCB TechX BootCamp : Java &amp; Spring #3</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*bRegE6ZhlTsZETzBqD75dA.png" /><figcaption>SCB TechX BootCamp : Java &amp; Spring #4</figcaption></figure><p>○ <strong>Java &amp; Spring Framework<br></strong>เรียกได้ว่าอยู่กันมานานสำหรับภาษานี้และยังคงมีการพัฒนาต่อไปอย่างต่อเนื่อง และมีการใช้งานบน Production ของ SCB Bank อยู่หลาย Products ก็ยังต้องมีการ Maintainance กันต่อไป เราจึงต้องมีสอนกันตั้งแต่ Syntax, OOP, Memory Management, Dependency Injection แล้วก็ไปเริ่มสร้าง Services ด้วย Springboot แล้วก็อีกมากมายในการทำ Services ให้ดี ไม่ว่าจะเป็นการเขียน Test การทำ Logging แล้วก็ Monitoring ด้วย อ่านเพิ่มได้จากข้างบนเลยนะ อันนี้สอนเยอะจริง ๆ</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*BKSzfceGFIFf1qseOtJQtw.png" /><figcaption>SCB TechX BootCamp : Flutter #1</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*kR3MNK9PyevAgUI7tHgULQ.png" /><figcaption>SCB TechX BootCamp : Flutter #2</figcaption></figure><p>○ <strong>Flutter<br></strong>Mobile Application หลายตัวที่อยู่บน Production ก็เริ่มเปลี่ยนมาใช้ Flutter กันเยอะแล้ว เราเลยต้องมีในการสอนกันบ้างแล้ว ! เริ่มจากทำความเข้าใจกันก่อนเลยว่า เจ้า Flutter เนี่ยมี Architecture ยังไงบ้างนะ แล้วมีการ Tranformed เป็น Native Application ได้ยังไง เมื่อเข้าใจเบื้องต้นแล้วเราก็ไปเรียน Dart กันต่อ จากนั้นก็เริ่มทำความเข้าใจเรื่อง State, Widget, Layout แล้วก็ Navigation จากนั้นก็ลองทำ Application ขึ้นมาพร้อมกับต่อ API กันนน !</p><h3>⚫ <strong>Quality Assurance</strong></h3><p>เนื้อหาที่ Quality Assurance ที่ SCB TechX เราสอนให้กับ New Joiners เราสอนตั้งแต่ Basic ที่เป็น Testing Technique และ Test Concept เริ่มตั้งแต่ Test ประเภทต่าง ๆ แตกต่างกันยังไง เราต้อง Test อะไรบ้าง ไปจนการสร้าง Test case และการทำ Automation ด้วย Tools ต่าง ๆ</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*4vjduGvj3vrvuZ3KbBWqlw.png" /><figcaption>SCB TechX BootCamp : Test Concept</figcaption></figure><p>○ <strong>Testing Technique and Concept<br></strong>เริ่มจากพื้นฐานว่า Test คืออะไร Test แบ่งออกเป็นกี่ประเภท การที่เราจะ Test UI, Test Mobile หรือ Test API เราต้อง Test ยังไง ในแต่ละส่วนต้องคำนึงถึงอะไรบ้างที่เป็นพื้นฐานในการ Test</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*LxS5IXFUquogWE7JcQcQVg.png" /><figcaption>SCB TechX BootCamp : Robot #1</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*8bMrjjoSvqISnZjNqwcuVg.png" /><figcaption>SCB TechX BootCamp : Robot #2</figcaption></figure><p>○ <strong>Robot Framework<br></strong>Framwork ยอดฮิตในการเริ่มต้นทำ Test Automation เริ่มสอนตั้งแต่การ Setup Test Environment ต่อด้วย Syntax เบื้องต้น การเขียน Test case การ Assign variable ไปจนถึง Flow การทำงานเป็นยังไง จากนั้นก็ลองทำ UI กับ API Testing กันเต็ม ๆ วัน จนคุ้นมือ</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*IwvRJpYfb6WV2X3LeITcQQ.png" /><figcaption>SCB TechX BootCamp : Karate</figcaption></figure><p>○ <strong>Karate<br></strong>สำหรับ Karate นั้นก็จะเริ่มต้นด้วย Concept คล้าย ๆ ของเดิมคือเริ่มจากการ Set environment ก่อน แล้วก็ทำความเข้าใจ Syntax แล้วก็ลองใช้งาน แต่ตัว Karate จะเพิ่มเติมในส่วนของหลังจากที่เราทำ Automate test ของ API แล้ว จะต่อไปด้วยการทำ Performance test ไปด้วย จากนั้นก็ Generate report มาทำความเข้าใจ ว่าแต่ละ API รองรับ Load ได้มากแค่ไหน มีตัวไหนที่จะต้อง Refactor กันบ้าง !</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*L79aMHBfWSEbQwl-KW1Z0Q.png" /><figcaption>SCB TechX BootCamp : Espresso</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*NZBg3ylzIoRSuY6AOID8HA.png" /><figcaption>SCB TechX BootCamp : Flutter Test</figcaption></figure><p>○ <strong>XCUITest | Espresso | Flutter Integration Test</strong></p><p>ทั้ง 3 ตัวนี้ เริ่มจากการสอนแบบเดียวกันคือ Set environment แล้วต่อด้วย Syntax วิธีการ Execute testcase ของแต่ละ Tools จากนั้นทำการ Test UI โดยเริ่มจากการหา Element แล้วทำ Action กับ Element ด้วยการเปรียบเทียบ Actual result กับ Expect result ด้วยวิธีต่าง ๆ ต่อด้วยการ Refactor code ให้เป็นแบบ Page Object Design ทำให้เพิ่ม Readability ของ Code ทำให้ Test case ต่าง ๆ อ่านเข้าใจได้ง่าย</p><p>คนที่อ่านถึงตรงนี้ก็อาจจะเกิดคำถามว่า อ้าว ! แล้วเราจะเรียนไปทำไมเยอะแยะ ตั้งหลายตัวในเมื่อเรียนแบบเดียวกัน ก็ต้องบอกว่า แต่ละ ตัวนั้นมี Objective ในการใช้ต่างกันตามนี้</p><p><strong>XCUITest : </strong>ใช้สำหรับ Test UI ของ Mobile ที่เป็น IOS<br><strong>Espresso : </strong>ใช้สำหรับ Test UI ของ Mobile ที่เป็น Android<br><strong>Flutter Integration Test : </strong>ใช้สำหรับ Test UI ของ Mobile ที่เป็น Flutter</p><h3>⚫ <strong>Soft Skill</strong></h3><p>ไม่ใช่แค่ Technical skill อย่างเดียว ทางด้าน Soft skill เราก็มีให้น้องๆ ด้วยเช่นกัน เพราะในการทำงาน Technical skill อย่างเดียวก็ไม่เพียงพอในการทำงานให้สำเร็จ เรายังต้องรู้จักการทำงานเป็น Team ร่วมกับผู้อื่น เพราะเราเชื่อว่า</p><blockquote>A good team can do everything.</blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*ltPVRW7pLDd0vrIC" /><figcaption>SCB TechX BootCamp : Soft Skill</figcaption></figure><p><strong>Soft Skill for First Jobber</strong></p><p>เป็น Soft skill class ที่พี่ ๆ HR (People Team) อยากจะมา Share ให้ฟังเกี่ยวกับ</p><ul><li>First Jobber ต้องเตรียมตัวอย่างไรในการทำงาน</li><li>เตรียมพร้อมเป็นน้องใหม่อย่างไรให้พี่รัก</li><li>รู้จักตนเอง รู้จักผู้อื่น ด้วย DISC</li><li>เจอหัวหน้าหรือเพื่อนร่วมงานแต่ละแบบควรจะรับมือยังไง</li></ul><p>มาถึงตรงนี้ ก็จะเห็นว่า SCB TechX Mini Bootcamp เนี่ยมีการเตรียมความพร้อมให้กับน้อง ๆ New Graduation กันมากพอสมควรก่อนที่จะเริ่มทำงานกันจริง ๆ ดังนั้นไม่ต้องกลัวเลยว่าจะทำงานไม่ได้สำหรับน้อง ๆ ที่พึ่งเรียนจบมาใหม่ ๆ ขอแค่มีความพร้อมที่จะเรียนรู้ ทางบริษัทก็พร้อมที่จะร่วมงานด้วยแน่นอน !</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*hMXvbEuEqLdMWUs1bUIuSw.jpeg" /><figcaption>SCB TechX Bootcamp รุ่น 1 !!!</figcaption></figure><p>ขายของงง !!! ใครสนใจที่จะร่วมงานกับ SCB TechX ก็สามารถตามดูตำแหน่งที่เปิดรับกันได้ที่นี่เลย</p><p><a href="https://scbtechx.io/?page_id=1244">Jobs</a></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=742a32f71323" width="1" height="1" alt=""><hr><p><a href="https://medium.com/scb-techx/scb-techx-bootcamp-1-%E0%B8%AA%E0%B8%AD%E0%B8%99%E0%B8%AD%E0%B8%B0%E0%B9%84%E0%B8%A3%E0%B8%81%E0%B8%B1%E0%B8%99%E0%B8%9A%E0%B9%89%E0%B8%B2%E0%B8%87%E0%B8%99%E0%B8%B0-742a32f71323">SCB TechX Bootcamp #1 สอนอะไรกันบ้างนะ ?</a> was originally published in <a href="https://medium.com/scb-techx">SCB TechX</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[เล่าให้ฟังว่า SCB TechX มี Benefit อะไรที่เหมาะสำหรับชาว Tech]]></title>
            <link>https://medium.com/scb-techx/%E0%B9%80%E0%B8%A5%E0%B9%88%E0%B8%B2%E0%B9%83%E0%B8%AB%E0%B9%89%E0%B8%9F%E0%B8%B1%E0%B8%87%E0%B8%A7%E0%B9%88%E0%B8%B2-scb-techx-%E0%B8%A1%E0%B8%B5-benefit-%E0%B8%AD%E0%B8%B0%E0%B9%84%E0%B8%A3%E0%B8%97%E0%B8%B5%E0%B9%88%E0%B9%80%E0%B8%AB%E0%B8%A1%E0%B8%B2%E0%B8%B0%E0%B8%AA%E0%B8%B3%E0%B8%AB%E0%B8%A3%E0%B8%B1%E0%B8%9A%E0%B8%8A%E0%B8%B2%E0%B8%A7-tech-33863eecc3e5?source=rss-4c9371a078ed------2</link>
            <guid isPermaLink="false">https://medium.com/p/33863eecc3e5</guid>
            <category><![CDATA[lifestyle]]></category>
            <category><![CDATA[scbtechx]]></category>
            <category><![CDATA[benefits]]></category>
            <dc:creator><![CDATA[Chalach Monkhontirapat]]></dc:creator>
            <pubDate>Thu, 03 Feb 2022 04:49:23 GMT</pubDate>
            <atom:updated>2022-02-04T06:33:05.874Z</atom:updated>
            <content:encoded><![CDATA[<p>หลายบริษัทยุคนี้ก็มี Benefit ต่างๆ ที่ช่วย Support คนทำงานเยอะแยะเต็มไปหมด อาจจะเหมาะกับคนบางกลุ่ม แล้วก็ไม่เหมาะกับคนบางกลุ่ม หรือหลายบริษัทก็อาจจะไม่มี Benefit อะไรให้เลย แต่แลกมาด้วยค่าจ้างที่สูง แต่บอกไว้ก่อนเลยว่าที่ SCB TechX เนี่ยมี Benefit ดีๆ แถมค่าจ้างก็คือดีย์นะ</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*TPaFg20l-gCHVRGHGn31iA.png" /></figure><h3>Working Benefit</h3><p>ที่นี่เราดูแลพนักงานตั้งแต่ก้าวขาเข้ามาร่วมงานกับเรา โดยมี Welcome Pack เก๋ๆ เช่น เสื้อ TechX เท่ๆ กระเป๋าผ้ารักษ์โลก และอื่นๆ ให้ด้วยก่อนเริ่มงาน</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*ESTVLu-z4tpY2zvpcDeuNQ.png" /></figure><p><strong>วันทำงาน<br></strong>สำหรับการทำงานนั้นทาง TechX ทำงานแบบ Hybrid Working คือเราสามารถทำงานจากที่ไหนก็ได้ 3 วันต่อสัปดาห์ และอีก 2 วัน มาทำงานที่ Office แต่จะเป็นวันไหนขึ้นอยู่กับ Team ตกลง (เหมาะมากสำหรับการใช้ชีวิตช่วงนี้ ทุกอย่างแพงไปหมด แม้กระทั่งค่ารถไฟฟ้า ฮ่าๆ)</p><p>แต่ช่วงสถานการณ์ COVID-19 2 ปีที่ผ่านมาเราทำงาน Work From Anyware กันแบบ 100% กันมานานมากๆแล้ว ตอนนี้เรากลับมาเจอหน้าเพื่อนร่วมงานกันได้แล้ว</p><p><strong>RTW (Return-to-work)<br></strong>วันที่เรากลับเข้ามา Office วันแรก เราก็มีการ Welcome พนักงาน ที่ WFH กันมานานนนนน ด้วยชุด Welcome bax! pack ที่เตรียมรอไว้ให้ทุกคนด้วยนะ</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*31LjrpbbKTwNJtCVExYnGA.jpeg" /></figure><p><strong>เพื่อนร่วมงาน<br></strong>เพื่อนร่วมงานส่วนใหญ่จะเป็น Tech People ที่อยู่ปะปนกันไปในหลาย Generation โดยส่วนมากจะเป็น Gen Y กว่า 70% ของพนักงานทั้งหมดกันเลยทีเดียว เรียกได้ว่าวัยรุ่นกันทั้งนั้นนนน</p><p><strong>อุปกรณ์การทำงาน</strong><br>ส่วนอุปกรณ์การทำงานก็มี MacbookPro 13-inch , M1 , Ram 16GB กันไปเลยย</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*s3VH-JReu7Jk5LtmqBPi_Q.png" /></figure><p>ทาง Monitor ก็มีให้ เป็นจอ Dell 24-inch เอาไว้ใช้งาน ขนาดกำลังพอดี แม้จะ WFA อยู่ก็สามารถทำเรื่องเบิกอุปกรณ์เพื่อเอามาใช้ในการทำงานได้ด้วย</p><h3>Flexible Benefit</h3><p>ยุคนี้แล้วการ Fix Benefit ให้กับพนักงานทุกคนด้วย Benefit เดียวกันอาจจะไม่ตอบโจทย์พนักงานทั้งหมดที่มี Life Style แตกต่างกันออกไป หรือ Generation ต่างกันออกไปได้ ทาง TechX เค้าใส่ใจและต้องการตอบโจทย์ทุกคนให้ได้มากที่สุดเลยมี Flexible Benefit ให้เลือกกันเลยว่า เราชอบแบบไหน ต้องการส่วนไหนเยอะ ส่วนไหนน้อยปรับให้เหมาะสมกับความต้องการและ Life Style ของเรากันเองได้เลยยย</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*mo66I1iJgAh-oTz1bEDwgA.jpeg" /></figure><p>วงเงินที่ให้สำหรับ Flexible Benefit เราก็สามารถนำไปซื้อของได้หลากหลาย เช่น</p><p><strong>หมวดกีฬา</strong><br>เสื้อผ้า รองเท้า อุปกรณ์สำหรับกีฬา หรือจะเป็นรองเท้าแตะ รองเท้าผ้าใบที่ใช้ในชีวิตประจำวันเพื่อสุขภาพก็สามารถซื้อได้ หรือบางคนจ่ายค่า Fitness ตรงส่วนนี้ก็สามารถนำมาเบิกได้ด้วยนะ</p><p><strong>หมวดสุขภาพ</strong><br>การนวดแก้ Office syndrome การทำ Lasik การตัดแว่น ทำประกันสุขภาพ ประกันชีวิต ก็สามารถเบิกได้ ตรงนี้นี่ดีสำหรับเรามาก ซื้อประกันชีวิตไว้สำหรับลดหย่อนภาษี แล้วเราก็เบิกจากบริษัท ตรงนี้ประหยัดไปได้เยอะ แถมยังได้ลดหย่อนภาษีอีกด้วย</p><p><strong>หมวดอุปกรณ์ทำงาน</strong><br>อุปกรณ์สำหรับทำงานนอกจากจะมีให้แล้วตามที่เล่าให้ฟังก่อนหน้านี้ ใครอยากได้อะไรเพิ่มที่เสริมการทำงาน เช่น Monitor ถนอมสายตา โต๊ะ Standing Desk หรือเก้าอี้ Ergonomic หรืออุปกรณ์อื่นๆ ตรงส่วนนี้ก็สามารถใช้ได้</p><h3>Health Benefit</h3><p>ทางด้านของสุขภาพและชีวิต ก็มีประกันชีวิตและอุบัติเหตุให้ทุกคนด้วย ส่วน IPD OPD นั้น ก็มีให้ตามแผนที่เราเลือกไปว่าจะเลือกแผนที่คุ้มครองทางด้านสุขภาพเยอะ แต่ได้ Flexible Benefit น้อย หรือว่าอยากได้ Flexible Benefit เยอะๆ แต่ความคุ้มครองทางด้านสุขภาพน้อยๆ เพราะยังเป็นวัยรุ่น ออกกำลังกายทุกวันก็สามารถเลือกได้เองตามใจชอบเลยนะ</p><p>และยังแยก Annual Checkup ออกมาต่างหากสำหรับพนักงานทุกคนให้ไป Checkup กันทุกปีฟรีๆ ไม่รวมกับค่าทันตกรรม ที่ขึ้นอยู่กับแผนตรวจสุขภาพตามเพศและอายุ ถ้าให้พูดตรงๆก็ปีที่ผ่านมาเราไม่เสียค่าใช้จ่ายเกี่ยวกับการเจ็บป่วยหรือทำฟันเลย เพราะ Benefit ส่วนนี้ครอบคลุมไปหมดแล้วแหละ</p><p>ช่วงนี้ก็เป็นช่วง COVID-19 ระบาด ก็จะมีชุดตรวจ ATK Mask แล้วก็ Spray Alcohol พกพาให้นะ หรือใครที่เข้าข่ายเป็นผู้มีความเสี่ยงสูงก็สามารถยื่นเบิกค่าใช้จ่ายในการตรวจ RT-PCR ได้ตามแผนประกันสุขภาพ และถ้าวงเงินไม่พอในการรักษายังเบิกเพิ่มกับทางบริษัทได้อีกด้วย</p><h3>Educate Benefit</h3><p>ในด้านของการศึกษา การ Upskills นั้นทาง TechX ก็มีอยู่หลายส่วนมาก ไปเริ่มกันที่</p><p><strong>Udemy Business</strong><br>Platform การเรียนรู้เจ้าใหญ่ของโลก มีเนื้อหามากมาย ทั้ง Software Development , Data Anlytics , Soft Skills หรือแม้กระทั้ง Blockchain โดยทาง TechX จะมี Users ให้กับพนักงานไว้ใช้สำหรับ Upskills ตัวเองให้ทันโลกอยู่ตลอดเวลา แน่นอนว่าคอร์สทั้งหมดสามารถเรียนได้ ฟรี !</p><p>ส่วนตัวชาว Tech น่าจะชอบอันนี้กันมาก เรียนกันจุใจ UpSkills กันรัวๆ แบบไม่เสียเงินกันเลยอะ</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*xhw38XgXLxO-lrvDZ7DJIg.png" /></figure><p><strong>TechX Sharing <br></strong>TechX Sharing เป็น Knowledge Sharing ทั้งจากพนักงาน TechX หรือ Speaker ชื่อดังในด้านต่างๆ รวมไปถึงบริษัทระดับโลกอีกหลายเจ้าอีกด้วย อย่างที่เราเคยเชิญมาก็มีทั้ง GitLab Reddit เป็นต้น หัวข้อที่จัดกันไปแล้วก็มีทั้ง</p><ul><li><a href="https://medium.com/scb-techx/%E0%B8%AA%E0%B8%A3%E0%B8%B8%E0%B8%9B-knowledge-sharing-maintainable-code-and-manage-bad-code-%E0%B8%97%E0%B8%B5%E0%B9%88-scb-techx-93947f1a614f">Maintainle Code and Manage Bad Code จาก พี่ปุ๋ย สยามชำนาญกิจ</a></li><li><a href="https://medium.com/scb-techx/%E0%B8%AA%E0%B8%A3%E0%B8%B8%E0%B8%9B-share-experiences-how-to-work-remotely-and-productively-%E0%B8%97%E0%B8%B5%E0%B9%88-scb-techx-b0134b9cdf3">How to Work Remotely and Productively จาก พี่เมฆ GiLab</a></li><li><a href="https://medium.com/scb-techx/techx-sharing-pair-programming-10-years-laters-950a55cb2621">Pair Programming 10 Years Later จาก พี่รูฟ ODDS</a></li><li>Flutter Training Course จาก พี่กอล์ฟและทีมงาน SCB TechX</li></ul><p>ซึ่ง TechX Sharing จัดเป็น Internal Session ไว้สำหรับชาว TechX โดยเฉพาะ โดยจะจัดทุกสัปดาห์กันเลยนะ !</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*d8if6hijz61xKp-bd9i_Kw.jpeg" /></figure><p><strong>TechX Talk<br></strong>TechX Talk เป็น Talk Session ที่จัดบน Clubhouse เกี่ยวกับเรื่อง Technology ต่างๆ โดย Speaker ชั้นนำ และ Tech Guys จาก TechX ด้วย หากใครมีหัวข้ออยากจะจัด TechX Talk เค้าก็พร้อมจะ Support ให้ชาว Tech ของเราออกมา Share ให้กับ Community ต่างๆ</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Xyi1fsGnFElBHOpkFmXmuQ.jpeg" /></figure><h3>Others</h3><p>นอกเหนือจากหัวข้อที่เล่าไป TechX ก็ยังมีส่วนลดในการใช้บริการต่างๆ เช่น การตัดแว่นสายตา การนวดฝังเข็ม กระตุ้นไฟฟ้า ครอบแก้ว หรือกายภาพบำบัดต่างๆ อีกด้วย (ใช้ส่วนลดเสร็จแล้วเอาไปเบิกใน Flex Benefit ก็ได้)</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*bcqpFFAvjEBFqQ5u--5E1Q.jpeg" /></figure><p><strong>Coffee with the CEO<br></strong>ที่ TechX เรา อยากสร้างความรู้สึกให้พนักงานกับผู้บริหารไม่มี Gap ห่างกัน เราเลยมี Session จิบกาแฟ พูดคุยกับ CEO ในยามบ่าย เล่าสารทุกข์สุขดิบ มีปัญหาอะไร อยากให้มีอะไร ก็สามารถพูดคุยกันได้ใน Session นี้</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*cKMVoe-t1Oj4mHr0q5S6qA.jpeg" /></figure><p><strong>Tech X Game<br></strong>ที่นี่เรา Work hard Play Harder ทำงานจริงจัง แต่เวลาเล่นเราจริงจังกว่า (haha) แต่เป็นกิจกรรมแบบสไตล์ชาว TechX คูลๆ Virtual Metaverse อย่างกับรายการ Show ลุ้นรับของรางวัลต่างๆ และเก็บคะแนนไปแลกของรางวัลได้เยอะมากกกก</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/800/1*EEvJxcHPGOYsV8Zo5ZkuKA.jpeg" /></figure><p>และก็ยังมีส่วนลดสำหรับ Robinhood แจกให้พนักงานทุกคนในทุกๆ รอบที่มี Tech X Game เอาไว้ใช้เป็นส่วนลดในการสั่งอาหารสำหรับ WFA !</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*d9CMSWIFP6PF4u8gqGIjxA.png" /></figure><p>อ่านมาจนถึงตรงนี้ ใครสนใจที่จะร่วมงานกับ SCB TechX ก็สามารถตามดูตำแหน่งที่เปิดรับกันได้ที่นี่เลย ถ้าจะสมัครจริงอย่าลืมใส่ใน Referal ว่า Advocacy Medium กันด้วยน้าาาา</p><p><a href="https://www.scbtechx.io/?page_id=1244">Jobs</a></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=33863eecc3e5" width="1" height="1" alt=""><hr><p><a href="https://medium.com/scb-techx/%E0%B9%80%E0%B8%A5%E0%B9%88%E0%B8%B2%E0%B9%83%E0%B8%AB%E0%B9%89%E0%B8%9F%E0%B8%B1%E0%B8%87%E0%B8%A7%E0%B9%88%E0%B8%B2-scb-techx-%E0%B8%A1%E0%B8%B5-benefit-%E0%B8%AD%E0%B8%B0%E0%B9%84%E0%B8%A3%E0%B8%97%E0%B8%B5%E0%B9%88%E0%B9%80%E0%B8%AB%E0%B8%A1%E0%B8%B2%E0%B8%B0%E0%B8%AA%E0%B8%B3%E0%B8%AB%E0%B8%A3%E0%B8%B1%E0%B8%9A%E0%B8%8A%E0%B8%B2%E0%B8%A7-tech-33863eecc3e5">เล่าให้ฟังว่า SCB TechX มี Benefit อะไรที่เหมาะสำหรับชาว Tech</a> was originally published in <a href="https://medium.com/scb-techx">SCB TechX</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[TechX Sharing : Pair Programming 10 Years Laters]]></title>
            <link>https://medium.com/scb-techx/techx-sharing-pair-programming-10-years-laters-950a55cb2621?source=rss-4c9371a078ed------2</link>
            <guid isPermaLink="false">https://medium.com/p/950a55cb2621</guid>
            <category><![CDATA[scbtechx]]></category>
            <category><![CDATA[pair-programming]]></category>
            <category><![CDATA[lifestyle]]></category>
            <dc:creator><![CDATA[Chalach Monkhontirapat]]></dc:creator>
            <pubDate>Fri, 21 Jan 2022 10:29:06 GMT</pubDate>
            <atom:updated>2022-01-21T11:10:12.607Z</atom:updated>
            <content:encoded><![CDATA[<h3>TechX Sharing : Pair Programming 10 Years Later</h3><p>SCB TechX มีการจัด TechX Sharing กันทุกวันศุกร์เป็นประจำอยู่แล้ว สำหรับ Session แรกของปี 2022 เมื่อวันที่ 14/01/2022 ที่ผ่านมานั้น<strong> พี่รูฟ Twin Panitsombat ซึ่งเป็น Software Stylist จาก ODDS</strong> มาแชร์ประสบการณ์ให้เราฟังกันในหัวข้อ <strong>Pair Programming 10 Years Later</strong></p><p>Blog นี้ จึงทำการสรุปมาให้ทุกคนได้อ่านกันว่า <strong>Pair Programming 10 Years Later </strong>เนี่ย มันเกิดอะไรขึ้นบ้าง อะไรดีไม่ดี อะไรควรทำไม่ควรทำ ควรทำยังไง แล้วเราจะขายงานที่จะต้องใช้ 2 คนทำ 1 งาน ยังไงให้ลูกค้าเข้าใจ ว่าสิ่งที่เค้าได้มันคุ้มค่า Blog นี้เรามีสรุปไว้ให้หมดเรียบร้อยแล้ว 😜</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*urxtUucpHiIw6QFru1y3YQ.png" /></figure><h3>⚫ Agile Principles</h3><p>วกกลับมาถึง Agile principles ที่คนส่วนมากน่าจะรู้และเข้าใจกันมาระดับนึงแล้วในยุคนี้ ซึ่งก็มี Agile principles ข้อนึงที่ดูคล้ายคลึงกับเรื่องนี้ก็คือ</p><blockquote>11. The best architecture, requirements, and designs emerge from self-organizing teams.</blockquote><p><strong>Design emerge</strong><br><strong>หรือ Emergent design </strong>ที่หลายๆคนคุ้นหู 1 ใน Core software principle design ในรูปแบบของการทำ Agile ที่เชื่อว่า Software ไม่มี Solid architecture หรือว่า Solid design ที่บอกได้ตั้งแต่ Day 1 ของ Project ว่าเนี่ยคือ Best ที่สุดสำหรับ Product ตัวนี้ เพราะว่า Business requirements เปลี่ยนแปลงตลอดเวลา การแข่งขันเกิดขึ้นอยู่ตลอดเวลา</p><h3>⚫ Pair Programming</h3><p>การที่จะเอาคน 2 คน ไปทำงาน 1 งาน แล้ว Pratice เหล่านี้ก็ยากที่จะ Adopt ใน Organization ที่มันใหญ่ ณ ช่วง 10 ปี ที่แล้วนั้นมันดูเหมาะกับ Organization ที่ยังไม่ใหญ่มากและมี Product ไม่มาก และเกิดคำถามมากมายที่ไม่มีหลักฐานในเชิง Research paper หรือ Case study รองรับ ว่าสิ่งๆนี้มันดียังไง นอกจากคำพูดว่ามันดี</p><p><strong>Design emerge<br></strong>สิ่งนี้จะเกิดขึ้นได้ Team ควรจะมี Practice ที่ชื่อว่า Pair programming เพราะว่า สิ่งหนึ่งของการที่เราไม่สามารถ Emerge software ได้ก็คือ ปัญหาของการทำ Software แบบ Personal ownership อธิบายๆง่ายก็คือ Module หรือ components นั้น Belong to individual หรือก็คือ ถูกผูกอยู่กับคนเพียงคนเดียวมากเกินไป</p><p>ใน Legacy system ที่ถูกส่งต่อกันมาอย่างยาวนาน ก็อาจจะมีบาง Components ที่ Document ไม่ Update มาหลาย Version คนทำไม่อยู่แล้ว เหลือแต่เพียงพระเจ้าเท่านั้นที่รู้ว่าตอนนี้ Components นี้ทำงานยังไง สาเหตุสำคัญคือ Process การทำงานสมัยก่อนมักจะสร้าง Expert ทางด้าน Components นั้นๆขึ้นมา โดยไม่ได้คิดถึงว่าคนนั้นจะไม่ได้อยู่กับเราตลอดไป เป็น Fact อย่างนึงว่าไม่มีใครอยู่กับบริษัทไปตลอดกาล<strong> คำถามคือ เราจะ Maintance knowledge ยังไงให้ยังอยู่ภายใน Team ของเรา ?</strong></p><h4>○ Collective Code Ownership</h4><p>เป็น Key concepts ของ Extreme programming ถ้าเราอยากจะให้ทั้ง Team มีความเป็นเจ้าของใน Software ที่เค้าดูแลอยู่เนี่ย ต้องทำยังไงบ้าง ?</p><blockquote>อย่าให้คนเพียงคนเดียวทำสิ่งนั้น</blockquote><p>ต้องพยายามให้มีอย่างน้อย 2 คน ทำสิ่งนั้น หรือว่า Pair กัน ค่อยๆ Deliver ของสิ่งนั้นไปด้วยกัน คุยกันแชร์ความคิดกัน ช่วยกันทักท้วงว่ามีอะไรผิดไปจาก Design ที่คุยกันจริงๆศาสตร์นี้ยังมีอีกเยอะมากแต่เราพูดถึงกันเพียงเท่านี้ก่อน</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/800/1*HAd-wUiEP_MkqZrv1dZ-aQ.png" /></figure><h4>○ การเริ่มทำ Pair Programming</h4><p>การทำ Pair programming นั้นมีหลายส่วนประกอบ ไปเริ่มกันที่</p><p><strong>Workspace<br></strong>ใช้<strong> </strong>จอ Monitor , Keyboard , Mouse 1 อัน และ โต๊ะ 1 ตัว เก้าอี้ 2 ตัว สำหรับการทำงาน 1 Pair หรือ 2 คน จริงๆแล้วเรา</p><p><strong>Pair</strong><br>จับคู่สมาชิกในทีม โดยมีคนนึงถือ Keyboard คนนี้เรียกว่า Driver จะเป็นคนที่มีประสบการณ์น้อยใน Area ของ Software หรือสิ่งที่เรากำลังจะทำ</p><p>ส่วนอีกคนที่ถือ Mouse คนนี้เรียกว่า Navigator คือคนที่มีประสบการณ์เยอะกว่าใน Area ของ Software หรือสิ่งที่เรากำลังจะทำ</p><p>โดยเริ่มจาก Driver หยิบ Card สิ่งที่เค้าจะทำแล้ว Think out lound step สิ่งที่ต้องการจะทำ Design ออกมายังไง แล้วต้องการเขียนออกมายังไง ส่วน Navigator ก็จะ Review process นี้ก่อนว่าถูกต้องตามที่ควรจะเป็น ตาม Standard ของ Components นี้รึป่าว ถ้าถูกต้องก็ให้ Navigator เรา Navigate ไปที่ File ที่เราต้องการจะทำแล้วก็ลงมือทำ แล้ว Driver ก็ค่อยๆพูดไปว่าต่อไปจะทำตรงนี้ ต่อไปจะทำตรงนั้น มาถึงตรงนี้เราก็จะพบว่าคนที่เป็น Navigator ซึ่งเป็นคนที่มีประสบการณ์ตรง Components นี้มากกว่าเนี่ยได้ Review สิ่งที่เราทำอยู่ตลอดเวลา ดังนี้โอกาศที่เราจะผิดพลาดในการ Deliver software components นั้นๆเนี่ยก็จะน้อยลงมาก</p><p>โดยส่วนใหญ่ ครึ่งวัน หรือ 1 วัน หรือจบ Card จะทำการสลับ Pair ให้มีโอกาศได้สลับกับไปดูทุก Components ทำให้ใน 1 Sprint เนี่ยเราได้ไปแตะหลายส่วนของ Software ที่เราทำไม่ยึดอยู่กับ Secure card ที่เราเป็น Owner components นั้นเพียงอย่างเดียว ทำให้ทุกๆคนมีความรู้ในแต่ละส่วนเท่าๆกัน ทำให้ความเร็วโดยเฉลี่ยในการ Deliver ของในแต่ละ Sprint ไม่ตกลงไปเมื่อมีคนลา หรือหายไป</p><h4>○ ข้อควรระวังในการทำ Pair Programming</h4><p>Navigator ต้องอย่าสั่งให้ Driver ทำ เด็ดขาด ! พิมพ์ตรงนี้สิ ทำแบบนี้สิ ! ต้องอย่าลืมว่า Driver คือคนที่มีประสบการณ์น้อยกว่าใน Components นั้น แบบนี้ไม่โอเคและไม่ถูกต้อง เพราะจะทำให้มีศพอยู่ตรงนั้น เรียกว่า ตายคาที่ กันเลยทีเดียว ให้ Driver เค้าคิดออกมาแล้วก็พูดตลอด อย่างที่บอกไปข้างต้น แล้ว Navigator ก็ Review</p><h4>○ ความเข้าใจผิดในการทำ Pair Programming</h4><p>คนส่วนมากเข้าใจว่าการ Pair จะต้องเกิดขึ้นตลอดวัน หรือตลอด Sprint โดยไม่สามารถปลีกตัวไปทำงานคนเดียวได้เลย แต่อย่าลืมว่าโลกมีคนอยู่หลายประเภท เช่น</p><p><strong>Introvert : </strong>คนที่ชอบอยู่คนเดียว ไม่สุงสิงกับใคร ชอบคิดคนเดียว<br><strong>Extrovert :</strong> คนที่ชอบพูดคุยกับคนอื่น เดินไปเดินมา</p><p>ซึ่งคนที่เป็น Extrovert มักจะชอบการทำงานเป็นกลุ่มมากกว่า เช่น เป็น Pair หรือ เป็น Mob แต่ Introvert เนี่ยไม่ได้ชอบที่จะทำงาร่วมกับคนอื่นมากนัก เราควรทำยังไง ?</p><p>เราสามารถแบ่งเวลาได้ เช่น 1 Sprint เราอาจจะแบ่งเวลาสัก 70% ในการทำ Pair อีก 30% ให้แยกไปทำของตัวเองแล้วกลับมา Sync กัน การแบ่งเวลาแบบนี้ยังคงให้ผลได้ใกล้เคียงกับการทำ Pair 100% ทั้งนี้ทั้งนั้นขึ้นอยู่กับ Team ด้วยว่าอยากจะเลือก Ratio ในการ Pair เป็นเท่าไหร่ที่เหมาะสมกับ Team ของตัวเอง</p><h3>⚫ Academic Research</h3><p>Classic question ของ Business team หรือ Investor team ก็คือ <strong>แล้วทำไมเราจึงต้องนำคน 2 คน ไปทำงาน 1 ชิ้น กันนะ ?</strong> ในมุมของ Business ก็อาจจะมองว่า Team เสีย Productivity มั้ย ก็ดูเป็นคำถามที่กระอักกระอวมที่จะตอบ เพราะไม่มีหลักฐานทางตัวเลขหรือทางสติถิ หรือ Use case ว่าสิ่งนี้มันดีจริงๆ แบบเป็นรูปธรรม</p><p>แต่ในปัจจุบันได้มี Research ที่ตอบเรื่องพวกนี้ได้หมดแล้ว เช่นตัวอย่าง Research นี้</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/900/1*0lP6Gx5MvHXC1WhOvdM3ig.png" /><figcaption>Paper Link : <a href="http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.97.2425&amp;rep=rep1&amp;type=pdf">http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.97.2425&amp;rep=rep1&amp;type=pdf</a></figcaption></figure><h4>○ Why Collaborative Programming is Beneficial</h4><p>ทำไมการเขียน Program ร่วมกัน Collaborative Programming หรือ Pair Programming ถึงมีประโยชน์ Research นี้บอกไว้ด้วยกันทั้งหมด 6 ข้อ ดังนี้</p><p><strong>Pair-Pressure </strong><br>เป็นการสร้าง “ความกดดัน” เชิงบวกด้วยกันทั้งคู่ หรือก็คือการไม่อยากทำให้ Pair ของตัวเองผิดหวังทำให้ตั้งใจทำงานมากขึ้น Focus กับงานมากขึ้น และมีแรงจูงใจที่จะทำงานให้เสร็จมากขึ้น และจะไม่ถูกรบกวนจาก Check email หรือการรับโทรศัพท์ หรือรวมไปถึงการเล่น Socail media ด้วย เพราะจะทำให้เราเกรงใจ ไม่นำเรื่องส่วนตัวของเราไปยุ่งเกี่ยวกับเวลาของ Pair</p><p><strong>Pair-Think</strong><br>โดยปกติ Developer คนนึงเหมือนได้โจทย์ A ก็จะมี Solution ของโจทย์ A อยู่สำหรับ Developer คนนั้น แต่ถ้าหากมี Developer ที่มาทำโจทย์ A เพิ่มขึ้นมาอีกคนนึง ก็จะมีโอกาศเกิด Design หรือ Solution สำหรับโจทย์ A ที่อาจจะดีกว่าขึ้นมา 2 เท่า 3 เท่า หรือมากกว่าขึ้นอยู่กับประสบการณ์ของ Pair หรืออาจจะ มี 1 Solution เหมือนเดิม แต่เป็น Solution ที่มีการ Review เกิดขึ้นมาเพิ่มแทน</p><p>ใน Research พบว่า Pair ส่วนมาก จะมี Solution ที่ต่างกันเสมอ สำหรับโจทย์เดียวกัน และจะเกิด New solution ที่ดีกส่าเมื่อนำทั้ง 2 Solution มา Merge กันอยู่เสมอ ซึ่งเกิดจากการ Discussion จนทำให้เกิด New alternatives ตลอดเวลา</p><p><strong>Pair-Relaying</strong><br>มักจะเจอเวลาที่ Developer ได้ทำโจทย์ที่ยากมากๆ เมื่อ Solve โจทย์นั้นได้แล้วก็เกิดอาการแบบว่า MP หมดหลอด พลังหมด หมดแรง ล้า สมองเบลอ นั่งอ้าปากค้าง เหนื่อยแล้วไม่ไหวแล้ววววววว แต่ยังต้อง Push code ต้องเขียน Commit message ต้องรอ Build ผ่าน แล้วก็ต้องเปิด Merge request เราก็จะยังมี Pair เราที่มาคอยช่วยทำตรงส่วนนี้ให้ตอนที่เรา MP หมดหลอด</p><p><strong>Pair-Reviews</strong><br>ก่อนที่ Driver จะทำอะไรลงไปใน Code เนี่ยเค้าจะต้องพูดจะต้องบอก Navigator เสมอทำให้เกิดการ Reviews ทันที ทำให้โอกาศที่จะเกิด Defects จะลดลง หรือ Wrong design จะลดลง ทำให้ Cost ของการ Fix ลดลงเพราะเราเจอความผิดพลาดตั้งแต่เริ่มต้น</p><p><strong>Debugging by Explaining</strong><br>ถ้า Pair บ่อยๆจะเป็นการฝึกการ Debugging by Explaining หรือคือการค่อยๆอธิบายให้ Pair เราฟังว่าเราจะทำอะไรเป็น Step by step ไปเรื่อยๆ แก้ปัญหาการสื่อสารไม่เข้าใจ หรือเขียน Code ไม่เข้าใจ เพราะว่าถ้า Pair ของเราที่มีประสบการณ์ตรงนี้มากกว่ายังไม่เข้าใจ คนอื่นที่มาดูต่อก็คงไม่เข้าใจ</p><p><strong>Pair-Learning</strong><br>เกิดการเรียนรู้กันกับ Pair เป็น Learning process ระหว่างคนที่มีประสบการณ์น้อยกับคนที่มีประสบการณ์มากใน Software ส่วนนั้น Research พบว่าถ้าทำไป 4–6 เดือน Team จะมี Knowledge เท่าๆกันใน Software ตัวที่ทำ Pair คนไม่เก่งก็จะตามทัน คนที่เก่งก็จะได้รู้ว่าจะต้องลด Speed ยังไงให้ความเก่งของเค้าไม่ไปทำร้ายใคร วิ่งด้วยจังหวะไหนจะทำให้ Team เดินไปด้วยกันด้วยความเร็วเฉลี่ยสูงที่สุด</p><p>ซึ่งถ้าหากเราทำ Pair programming ไปได้สักระยะเวลานึงแล้วเนี่ย Software ชิ้นนี้จะมีลายมือเหมือนกันโดยที่เราแยกไม่ได้เลยว่าใครเป็นคนทำ</p><h4>○ Quantitative Results</h4><p>มาดูตัวเลขทางสถิติของ Research นี้กันบ้าง</p><p><strong>Pair-Quality</strong><br>แผนภูมิแท่งในด้านล่างบอกถึง % ของการทดสอบว่า Run test cases ผ่านเป็นกี่ % จากทั้ง 2 กลุ่ม พบว่า <strong>กลุ่มที่ทำ Pair สามารถ Run test cases ผ่านมากกว่าการทำงานคนเดียว 15% โดย Significant ที่ p &lt; 0.05 ในทุกกรณี</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/894/1*tBDpeXxbNOEr_ve5FqR8eA.png" /><figcaption>Post Development Test Cases Passed</figcaption></figure><p>ทางด้านของ Collaborative นั้นมีค่า Median สูงกว่า Individual (ดูจากเส้นสีดำที่ขีดอยู่ในกล่องแดง) และมีการกระจายตัวน้อยกว่า Individual ดังรูปด้านล่าง</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/924/1*VxhklpaY7ZaAKgSqMPqsSQ.png" /><figcaption>Pair Quality Box-Plot</figcaption></figure><p><strong>Pair-Time</strong><br><strong>การทำงานเป็น Individual ทำงานเสร็จเร็วกว่าประมาณ 15–20% </strong>ซึ่งตรงนี้จะเป็น Trade-off ที่ Team จะต้องใช้เป็นตัวเลือกว่าการทำงานคนเดียวแต่เร็วกว่า กับการทำงานช้ากว่าแต่มีคุณภาพมากกว่า Team ต้องการที่จะเลือกแบบไหน</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*AP0wzD5QK42bQxzqaHjJMA.png" /><figcaption>Elapsed Time</figcaption></figure><p><strong>ทางด้านของ Collaborative นั้นมีค่า Median ใกล้เคียงกันกับ Individual </strong>(ดูจากเส้นสีดำที่ขีดอยู่ในกล่องแดง) ในหน่วยของนาที(minutes) +- ต่างกันที่ประมาณ 100 และมีการกระจายตัวมากกว่า Individual ดังรูปด้านล่าง</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1002/1*raOqpqQPNFwbOyX06OAmIg.png" /><figcaption>Elapsed Time Box-Plot</figcaption></figure><p>สิ่งที่เราควรจะต้องระวังคือ หากเราเลือกที่จะทำการในช่วงแรกเล็ก แล้วไป Solve defect ในช่วงท้ายแทน Cost จะสูงกว่ากว่า Solve defect ในช่วงต้นมาก</p><p><strong>Pair-Satisfaction</strong><br>Members มีความพึงพอใจที่จะทำงานกับ Team ที่ทำงานเป็น Pair มากกว่า เพราะเมื่อไหร่ที่เค้าต้องการความช่วยเหลือจะมีคนที่คอยมาช่วยเค้าเสมอ และ Code base ของ Team มีมาตราฐานเดียวกันทั้งทีม ไม่ต้องมาคอยปวดหัวว่า Code ส่วนนี้ของใคร ไม่อยากไปแตะ</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*ryuYKc-qpwCjarCsmHl2aA.png" /><figcaption>Enjoy the Work More Because of Pair Programming</figcaption></figure><p><strong>Pair-Confidence</strong><br>ความมั่นใจในการทำงาน Research บอกว่า Members ที่ทำงานเป็น Pair จะมีความมั่นใจ ในการตัดสินใจ ในการเสนอ Solution ในการเขียน Code สูงกว่า Team ที่ทำงานแบบ Individual</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*sXrASsDf88AyfDJhJclL_A.png" /><figcaption>More Cofient in our Work When Pair Programming</figcaption></figure><p><strong>Design Quality</strong><br>สิ่งสำคัญอีกอย่างนึงถ้าเราให้โจทย์เดียวกันกับคน 2 กลุ่มคือ กลุ่มคนที่ทำงานแบบ Individuals และ กลุ่มคนที่ทำงานแบบ Pair เนี่ย ใน Research พบว่า จำนวน Lines of Code ที่เกิดขึ้นของกลุ่มที่ทำงานเป็น Pair จะน้อยกว่า Individuals 20%</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/958/1*yf_5TT7JWVpK_mZWSRiF1Q.png" /><figcaption>Relative Number of Lines Code</figcaption></figure><p>คำถามคือ จำนวน Lines of Code สามารถบอกอะไรกับเราได้ ?</p><p>ก็อาจจะตอบได้และตอบไม่ได้ แต่ก็มีโอกาศที่จะตอบได้ว่ายิ่ง Lines of Code มากเนี่ย ยิ่งมีโอกาศเกิด Duplicate Code หรือ Smell Code ต่างๆ</p><p>สุดท้ายแล้ว Pair Programming เป็นเพียงอีกทางเลือกในการพัฒนา Software เพื่อปรับความรู้ของคนใน Team ให้เท่าๆกัน อยู่ที่ว่า Team จะเลือกใช้แบบไหน มีความถี่ในการทำแค่ไหน หรือจะไม่ใช้เลยก็ไม่ได้ผิดอะไร</p><p>ที่ SCB TechX เองเปิดรับและพัฒนา Engineering Practice ให้เหมาะกับงานที่ทำอยู่เสมอ ถ้าใครสนใจอยากเรียนรู้ อยากร่วมงานกับ SCB TechX ไปตามกันได้ที่นี่เลยยย</p><p><a href="https://www.scbtechx.io/?page_id=1244">Jobs</a></p><h4>Reference :</h4><p><a href="http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.97.2425&amp;rep=rep1&amp;type=pdf">http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.97.2425&amp;rep=rep1&amp;type=pdf</a></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=950a55cb2621" width="1" height="1" alt=""><hr><p><a href="https://medium.com/scb-techx/techx-sharing-pair-programming-10-years-laters-950a55cb2621">TechX Sharing : Pair Programming 10 Years Laters</a> was originally published in <a href="https://medium.com/scb-techx">SCB TechX</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[TechX Sharing : How to work remotely and productively]]></title>
            <link>https://medium.com/scb-techx/%E0%B8%AA%E0%B8%A3%E0%B8%B8%E0%B8%9B-share-experiences-how-to-work-remotely-and-productively-%E0%B8%97%E0%B8%B5%E0%B9%88-scb-techx-b0134b9cdf3?source=rss-4c9371a078ed------2</link>
            <guid isPermaLink="false">https://medium.com/p/b0134b9cdf3</guid>
            <category><![CDATA[work-remotely]]></category>
            <category><![CDATA[gitlab]]></category>
            <category><![CDATA[lifestyle]]></category>
            <category><![CDATA[scbtechx]]></category>
            <category><![CDATA[productivity]]></category>
            <dc:creator><![CDATA[Chalach Monkhontirapat]]></dc:creator>
            <pubDate>Tue, 07 Dec 2021 01:43:55 GMT</pubDate>
            <atom:updated>2022-01-18T11:17:56.183Z</atom:updated>
            <content:encoded><![CDATA[<h3>TechX Sharing : How to work remotely and productively</h3><p>SCB TechX มีการจัด Share Experiences เมื่อวันที่ 19/11/2564 โดยมี <strong>K.</strong><a href="https://www.linkedin.com/in/srunyu"><strong>Mek Srunyu Stittri</strong></a><strong> ซึ่งเป็น Vice President of Quality จาก GitLab , San Francisco Bay Area</strong> ซึ่งเป็นคนไทยคนแรกที่ GitLab และก็ยังคงเป็นคนเดียวอยู่ ณ ตอนที่เขียน Blog นี้ มาแชร์ประสบการณ์ให้เราฟังกันในหัวข้อ <strong>How to work remotely and productively</strong></p><p>Blog นี้ จึงทำการสรุปมาให้ทุกคนได้อ่านกันว่า <strong>How to work remotely and productively </strong>ที่พี่เมฆมาเล่าให้ฟังเนี่ย มันมีเนื้อหายังไงกันบ้างนะ บอกไว้ก่อนเลยว่า Share Experience รอบนี้เนี่ยเป็น Exclusive Session สุดๆเลยยยย</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*fvLe6eA6Xd0e7Zo4zBvpsQ.png" /></figure><h3><a href="https://fsymbols.com/signs/tick/">✅</a> About GitLab</h3><p>GitLab เนี่ยตั้งแต่ปี 2012 เริ่มต้นโดยการไม่มี Office ตั้งแต่ต้น โดยมีการทำงานแบบ 100% Fully remote company ตั้งแต่ก่อนที่จะมี COVID-19 มานานมากแล้ว ซึ่งก็มีข้อดีสำหรับตัวบริษัทเอง เช่น</p><ul><li>ไม่มีค่าใช้จ่ายเกี่ยวกับ Office</li><li>สามารถ Recruit ได้จากทั่วโลก</li></ul><p>แล้ว ก็ยังมีข้อดีสำหรับพนักงานเองอีก เช่น</p><ul><li>มี <strong>เวลา</strong> เหลือสำหรับคนรอบข้าง ครอบครัว คู่สมรส หรือ ลูก</li><li>มีความยืดหยุ่นในการจัดสรรเวลาของตัวเอง</li><li>อยู่ใกล้บ้าน ใกล้ครอบครัวในกรณีฉุกเฉิน</li></ul><p>ซึ่งทาง GitLab <strong>วัดที่คุณค่าของงาน ไม่ได้วัดเวลาที่เรานั่งโต๊ะทำงาน </strong>สามารถทำงานที่ไหนก็ได้ ทำให้ช่วยแก้ปัญหาของพนักงานบางส่วนที่บางครั้งมีเหตุต้องย้ายที่อยู่อาศัยทำให้ต้องย้ายงานตามไปด้วย แต่ที่ <strong>GitLab งานจะตามคุณไปทุกที่</strong></p><h3><a href="https://fsymbols.com/signs/tick/">✅</a> Team Communication</h3><p>แน่นอนว่าการทำงานแบบ 100% Fully remote เนี่ย <strong>การสื่อสาร</strong>สำคัญมาก ทั้งภายในทีม และภายในองค์กรเอง โดยที่ GitLab ทำกันเนี่ยจะมีอยู่ 5 ส่วนหลักๆ ดังนี้</p><h4><strong>Daily Company Call</strong></h4><p>โดยจะ Run ตอน 8 โมงเช้าทุกวัน(เวลาที่อเมริกา) โดยแต่ละแผนกเนี่ยจะมา Update ของแต่ละแผนกตัวเองว่า KPI ของตัวเอง ดีขึ้น หรือแย่ลง เพราะอะไร วันนี้อาจจะเป็น Marketing พรุ่งนี้อาจจะเป็น Engineer และวันถัดไปก็จะเป็นของแผนกอื่นๆ และจะมีการบันทึก Presentation ไว้ตลอด เพื่อให้คนที่ไม่สามารถ Join ได้มาเปิดดู Recording ย้อนหลังได้</p><h4>Weekly 1:1 Meeting</h4><p>ก็คือการ 1:1 ระหว่างหัวหน้ากับสมาชิกในทีมรายสัปดาห์ เพื่อพบปะ ติดต่อกัน ถามไถ่กันว่าเป็นยังไง สบายดีมั้ย งานเยอะเกินไปมั้ย ยังมีความสุขกับงานอยู่มั้ย เพื่อที่หากเกิดอะไร หรือมีเรื่องที่สมาชิกในทีมไม่สบายใจ จะได้ช่วยกันแก้ปัญหาได้</p><h4>Weekly Team Meeting</h4><p>Session นี้จะคล้ายกับ Daily Company Call แต่จะเล็กกว่า โดยจัดให้แต่ละทีม แต่ละแผนกโดยมีความเป็นกันเองมากกว่า สบายๆชิวๆ กว่า Daily Company Call</p><h4>Coffee Chats</h4><p>ก็คือทุกคนสามารถ Schedule เวลากับใครก็ได้ ข้ามแผนกก็ได้ แบบ 1:1 ประมาณ 15 นาที เพื่อคุยกัน</p><h4>AMA Meetings</h4><p>AMA ย่อมาจาก Ask me anything ส่วนใหญ่จะเป็น Session ที่จัดโดย Leader , VP , C-Level โดยเปิดให้คนอื่นถามอะไรเราก็ได้</p><p>โดย 5 ส่วนนี้เป็นการสื่อสารกัน ซึ่งหลายๆส่วนก็ดูเป็นอะไรที่น่า Follow ตาม Use Case ของ GitLab เหมือนกันนะ</p><h3><a href="https://fsymbols.com/signs/tick/">✅</a> Core Value</h3><p>โดย GitLab ได้เปิด Public ให้ทุกคนที่สนใจได้เข้าไปอ่านกันได้แบบไม่ปิดบังที่</p><p><a href="https://about.gitlab.com/handbook/values/">GitLab Values</a></p><p>โดย Core Value ของทาง GitLab เนี่ยส่วนนึงก็ Support Culture การทำงานแบบ 100% Fully remote ขององค์กรเองด้วย โดยหลักๆ ก็มี 6 ข้อตามนี้</p><h4>🤝 <a href="https://about.gitlab.com/handbook/values/#collaboration">Collaboration</a></h4><p>เพื่อให้บรรลุผลลัพธ์เดียวกัน ในทีมต้องทำงานด้วยกันอย่างมีประสิทธิภาพ การช่วยเหลือผู้อื่นคือเรื่องสำคัญ แม้ว่าจะไม่ได้เกี่ยวข้องกับเป้าหมายของเราหรือว่าของทีม แต่นั่นก็เป็นสิ่งที่ทุกคนควร และควรร้องขอเมื่อต้องการการช่วยเหลือจากผู้อื่น</p><blockquote>Work asynchronously with fully remote workforce.</blockquote><h4>📈 <a href="https://about.gitlab.com/handbook/values/#results">Results</a></h4><p><strong>เน้นเรื่องผลลพธ์ของงาน มากกว่าเวลาที่อยู่ที่โต๊ะทำงาน</strong> เพราะถ้าหากคุณใช้เวลาในการทำงานแค่ 4 ชั่วโมง แต่ได้ผลลัพธ์ทำกับคนอื่นที่ใช้เวลาแค่ 8 ชั่วโมงเนี่ย ก็เป็นผลดีกับทั้งบริษัท แล้วก็กับตัวคุณเอง</p><blockquote>ข้อนี้นี่ผมชอบมาก แล้วก็น่าจะเอามาใช้กับ Thai Culture มากๆ ในบริษัทที่ยังมีการลงชื่อเข้างาน เลิกงาน หรือแม้กระทั่ง Communication Tools ขึ้น Status Away แล้วมองว่าคนนั้นไม่ทำงาน</blockquote><blockquote>Track outcomes, not hours.</blockquote><h4>⏱️ Efficiency</h4><p>การทำงานอย่างมีประสิทธิภาพ ทำในสิ่งที่ถูกต้อง ทำให้เราก้าวหน้าอย่างรวดเร็ว และสร้างผลลัพธ์ที่ดี เช่น ไม่ใช่ Tools หรือ ใช้ Technology ที่หวือหวา แต่เน้นใช้ Boring solutions หรือ สิ่งที่ใครๆก็ใช้ หรือว่าทำเป็น ทุกคนรู้เรื่อง</p><p>มันอาจจะดูโง่สำหรับบางคน แต่ไม่เป็นอะไรสำหรับที่นี่ เราต้องการความ Simple ที่ทุกคนรู้ และเข้าถึงมันได้</p><blockquote>Boring solutions win. Complexity slows cycle time.</blockquote><h4>🌐 <a href="https://about.gitlab.com/handbook/values/#diversity-inclusion">Diversity</a></h4><p>สร้างความหลากหลายทางเพศ ความหลากหลายทางวัฒนธรรม ความหลากหลายทางสภาพแวดล้อม ที่ทุกคนสามารถพูดคุย ร่วมงาน และ เติบโตไปด้วยกันได้</p><blockquote>Hire those who add to culture, not those who fit with culture. We want cultural diversity instead of cultural conformity.</blockquote><h4>👣 <a href="https://about.gitlab.com/handbook/values/#iteration">Iteration</a></h4><p>เน้นการทำงานโดยแบ่งให้เล็กที่สุด และก็ทำให้เร็วที่สุด โดยการ Scope งานให้เพียงพอต่อ Ship Time เพื่อให้เรามีเวลามากพอในการเปลี่ยน Solution หรือ ปรับแก้สิ่งต่างๆให้ดีขึ้น</p><blockquote>Minimum Viable Change (MVC); if the change is better than the existing solution, ship it.</blockquote><h4>👁️ <a href="https://about.gitlab.com/handbook/values/#transparency">Transparency</a></h4><p>ไม่มีการปิดบังอะไรกัน ทุก Agenda meetings ที่ไม่เกี่ยวกับ Legal หรือ เกี่ยวกับ Profit or Revenue เนี่ยเปิดเป็น Public หมดทุก Meetings</p><blockquote>Everything at GitLab is public by default: Strategy, Roadmap, Quarterly goals, Handbook, and others</blockquote><p>ก็จะคำถามในหลายๆคนที่มาอ่านว่า เอ๊ะ Core Value เนี่ยจะมีคน Follow ตามหรอโดยจากการพูดคุยกับพี่เมฆ Case นี้เนี่ย ทาง GitLab มองว่าเป็น Job Description ของทุกๆคนเลยที่จะต้องช่วยกันผลักดันให้มันเกิดขึ้นจริง และยังคงอยู่ต่อไป</p><h3><a href="https://fsymbols.com/signs/tick/">✅</a> Culture of Collaboration</h3><p>หัวข้อนี้จะพูดถึง 1 ใน 6 Core Value ด้านบน ว่าการสร้าง Culture ให้มี Collaboration ของทาง GitLab เนี่ยทำกันยังไง สร้างกันในรูปแบบไหน</p><p>หลักๆเลยก็คือ ทุกคนควรช่วยเหลือกันมันไม่ได้หมายความว่าการที่คนอื่นมาช่วยคุณเค้าจะได้ผลงานชิ้นนั้นไป เช่นกันกับว่าการที่คุณไปช่วยคนอื่นก็ไม่ได้หมายความว่าคุณจะได้ผลงานของเค้าเช่นกันโดยพี่เมฆก็ยกหัวข้อสำคัญๆ มาทั้งหมด 6 หัวข้อ ให้เราได้อ่านกันดังนี้</p><h4>Kindness</h4><p>ความเมตตาต่อเพื่อนร่วมงาน เราต้องเน้นเรื่องนี้ ถ้าเราอยากจะมีองค์กรที่ไม่ Toxic ไม่มีการใส่ร้ายป้ายสีกัน โดยการเมตตากัน ช่วยเหลือซึ่งกันและกัน</p><h4>Blameless problem solving</h4><p>เวลาแก้ปัญหาเนี่ย เราไม่ควรที่จะชี้ไปที่คน เราจะต้องเน้นแก้ปัญหากันที่ Process โดยหลักการง่ายๆก็คือ เราแข็งกระด้าง ดุดัน ต่อ Process แต่เราอ่อนโยนต่อเพื่อนร่วมงาน แก้ที่ปัญหา ไม่ใช่ตัวบุคคล</p><blockquote>Be hard on the process , But be kind to the people</blockquote><h4>Say thanks</h4><p>ขอบคุณในที่สาธารณะ ในที่ที่ทุกคนมองเห็น อย่าง GitLab ก็จะ thanks กันผ่าน Slack channel ที่ชื่อว่า thanks เพราะไม่ได้เจอหน้ากันเนื่องจากทำงานแบบ remote</p><h4>No Ego</h4><p>อย่าเถียงเพื่อที่จะชนะอย่างเดียว <strong>เราไม่ได้วัดคุณค่าของคุณที่ตัวบุคคล เราวัดกันที่งาน และ คนไม่ใช่งาน </strong>ถ้ามีปัญหาก็คือคุณมีปัญหากับงาน ไม่ใช่กับคน</p><h4>Short toes</h4><p>การเหยียบเท้ากัน เช่น การที่คุณนำเสนอ Solution A แต่มีคนไม่เห็นด้วยแล้วเสนอ Solution B ที่เป็นทางที่ดีกว่า เราควรจะรับฟังและให้เค้าเหยียบเท้า เพราะเค้าเข้ามาแนะนำการทำงานเราให้ดีขึ้น ยื่นมือเข้ามาช่วยในงานของเรา</p><h4>Negative feedback is 1:1</h4><p>เวลามีข้อเสีย หรือเรื่องที่จะต้องติ ตำหนิคนอื่น ไม่ทำในที่สาธารณะ ต้องนัด 1:1 Session กับเค้า</p><h3><a href="https://fsymbols.com/signs/tick/">✅</a> Culture of Efficiency</h3><p>หัวข้อนี้จะพูดถึง 1 ใน 6 Core Value ด้านบน ว่าการสร้าง Culture ให้มี Efficiency ของทาง GitLab เนี่ยทำกันยังไง สร้างกันในรูปแบบไหน</p><h4>Write things down</h4><p>เขียนทุกอย่างลงไปให้หมด ทุก Meeting Agenda ต้องมีคน Noted โดยคนที่ไม่ได้มีคิวพูด Summary ทุกอย่างลงไป เพราะทาง GitLab เชื่อว่า</p><blockquote>“ The faintest pencil is better than the sharpest memory. ”</blockquote><p>หรือว่า<strong> ดินสอที่จางที่สุด ดีกว่าความจำที่แม่นที่สุด</strong> เพราะว่า เมื่อมีการเขียนคนที่สามารถรับรู้ได้จะไม่ได้มีแค่คนเดียว แต่ถ้าเป็นความจำก็จะรู้แค่คนเดียว</p><h4>Boring solutions</h4><p>เลือก Tools ที่ไม่ซับซ้อน ไม่ต้องใหม่สุดเสมอไป มันอาจจะดูน่าเบื่อ แต่ว่าทุกคนรู้จักมันทุกคนใช้งานมันได้ ทุกคนจะได้ไม่สร้าง Technical Debt เพิ่ม</p><h4>Manager of One</h4><p>เป็น 1 ใน Value ของ GitLab ที่มี Impact มากๆ ทุกๆคนเป็นผู้จัดการตัวเอง จัดการเวลาของตัวเอง จัดการงานของตัวเอง และจัดการครอบครัวของตัวเอง เพราะทุกคนมีความเป็นผู้นำ มีความรับผิดชอบ มีแรงผลักดันของตัวเอง เพื่อทำงานให้มีประสิทธิภาพ นั่นและ Manager of One ที่คุณจะต้องเป็นผู้จัดการของตัวเอง</p><h4>Be respectful of other’s time</h4><p>เวลาของคนอื่นสำคัญมากๆ เราต้องเคารพเวลาของคนอื่น เช่น การ Meeting ต้องเริ่ม และจบ ตามเวลาที่กำหนด ไม่ปล่อยให้ Meeting อื่นโดนกินเวลาไป และ หากเรามีอะไรจะต้องถามกัน คนอื่นไม่จำเป็นต้องตอบทันที สามารถมาตอบในเวลาที่เค้าสะดวกได้</p><p>สุดท้ายพี่เมฆแชร์ว่าเราไม่สามารถ Change Culture ได้ในทีเดียว แต่เราต้องค่อยๆเริ่มจากทีมเล็กๆ แล้วค่อยๆ ขยายออกไปเรื่อยๆ โดยมีวิธีทำที่ชัดเจน มีการวัดผลที่ชัดเจน องค์กรของเราก็จะค่อยๆเปลี่ยนไปได้เรื่อยๆ แค่ต้องใช้เวลา</p><p>ถ้าหากอยากมีโอกาสพูดคุยกับตัวจริงสาย Tech ทั้งภายในและภายนอกประเทศ SCB TechX มองหาผู้ร่วมงานจำนวนมาก หากใครสนใจอยากจะร่วมงานกับ Tech Company ที่มี Culture คูลๆ แบบนี้ ก็สามารถตามไปดูก็ได้ที่ด้านล่างนี้เลยยยย</p><p><a href="https://www.scbtechx.io/?page_id=1244">Jobs</a></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=b0134b9cdf3" width="1" height="1" alt=""><hr><p><a href="https://medium.com/scb-techx/%E0%B8%AA%E0%B8%A3%E0%B8%B8%E0%B8%9B-share-experiences-how-to-work-remotely-and-productively-%E0%B8%97%E0%B8%B5%E0%B9%88-scb-techx-b0134b9cdf3">TechX Sharing : How to work remotely and productively</a> was originally published in <a href="https://medium.com/scb-techx">SCB TechX</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[TechX Sharing : Maintainable Code and Manage Bad Code]]></title>
            <link>https://medium.com/scb-techx/%E0%B8%AA%E0%B8%A3%E0%B8%B8%E0%B8%9B-knowledge-sharing-maintainable-code-and-manage-bad-code-%E0%B8%97%E0%B8%B5%E0%B9%88-scb-techx-93947f1a614f?source=rss-4c9371a078ed------2</link>
            <guid isPermaLink="false">https://medium.com/p/93947f1a614f</guid>
            <category><![CDATA[clean-code]]></category>
            <category><![CDATA[lifestyle]]></category>
            <category><![CDATA[scbtechx]]></category>
            <dc:creator><![CDATA[Chalach Monkhontirapat]]></dc:creator>
            <pubDate>Thu, 18 Nov 2021 07:27:49 GMT</pubDate>
            <atom:updated>2022-01-18T11:18:32.193Z</atom:updated>
            <content:encoded><![CDATA[<h3>TechX Sharing <strong>: Maintainable Code and Manage Bad Code</strong></h3><p>SCB TechX มีการจัด Knowledge Sharing ภายในบริษัทอยู่เป็นประจำ และเมื่อวันที่ 12/11/2564 ก็ได้มีการจัด Knowledge Sharing ในหัวข้อ Maintainable Code and Manage Bad Code โดย พี่ปุ๋ย สมเกียรติ ปุ๋ยสูงเนิน ที่เป็น Technical Coach และ Software Craftsman จาก สยามชำนาญกิจ</p><p>Blog นี้จึงทำการสรุปมาให้ทุกคนได้อ่านกันว่าเจ้า Maintainable Code and Manage Bad Code ที่พี่ปุ๋ยแชร์เนี่ย มันมีเนื้อหายังไงกันบ้างนะ บอกไว้ก่อนเลยว่า Session นี้เนี่ยยาวนานมากกกกกก คุยกันตั้งแต่ 16.00 จน 19.00 ยังคุยกันไม่ยอมหยุดด</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*X8YceJuehfpVx-6dRGR50Q.png" /></figure><h3><a href="https://fsymbols.com/signs/tick/">✅</a> Maintainable System</h3><p>เราจะ Maintain System ของเราอย่างไร เมื่อ System ของเราไม่ได้ทำแล้วทิ้ง เมื่อทำแล้วต้องดูแลต่อไปเรื่อยๆ ปัจจุบัน System ก็มีที่ถูกสืบทอดกันมาจากบริษัทสู่บริษัท จากรุ่นสู่รุ่น คำถามจากการสืบทอดกันมารุ่นต่อรุ่นคือ</p><blockquote>เราได้ทำให้มันดีขึ้นบ้างมั้ย ? หรือ สุดท้ายเรารอให้มันตายไป แล้วสร้างขึ้นมาใหม่ ?</blockquote><p>แต่ก็ต้องยอมรับว่า System เวลาเราสร้างขึ้นมามันย่อมประกอบไปด้วย สิ่งที่ดี และก็สิ่งที่ไม่ดี คำถามคือแล้วเราทำอะไรกับสิ่งที่ไม่ดี ?</p><p>แล้วถ้าจะแก้ปัญหาเหล่านี้สร้าง System ที่มัน Maintainable เนี่ยมันมีประมาณนี้นะ</p><h3><a href="https://fsymbols.com/signs/tick/">✅</a> Teamwork</h3><p>การทำงานแน่นอนว่าเราคงไม่ต่างคนต่างทำงาน ก็คือเราย่อมทำงานไปด้วยกันกับคนอื่น(&gt;1 คน) แน่นอนคงไม่มีคำว่า Team ที่มีสมาชิกใน Team เพียงแค่คนเดียว</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/647/1*i1v4x5QZsJnxvVwIUSld2A.png" /></figure><p>สมาชิกใน Team ก็มีหลากหลายความคิด หลากหลาย Skills แต่สุดท้ายต้อง Blend กันเป็น Team ขึ้นมาเพื่อสร้างอะไรบางอย่างออกมาทั้ง Output และ Outcome</p><ul><li>Output คือ การสร้าง Product ของ Team</li><li>Outcome คือ Reletions ของ Team หรือ Skills Improvement ของ Team</li></ul><p>เราจะสนแต่การ Delivery Output ไม่ได้โดยไม่สน Outcome เราสร้าง Product ได้แต่สุดท้ายคนไม่มีใครอยากทำงานอยู่ด้วยกัน <strong>ความสุขในทีมลดลงเรื่อยๆสุดท้ายทีมก็จะแยกย้ายกันออกไป ซึ่งนี่เป็น Classic Problem ของ Developer เลยก็ว่าได้</strong></p><h3><a href="https://fsymbols.com/signs/tick/">✅</a> Software Delivery</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*9d2PwWihiWQms5GP9W4Ylw.png" /><figcaption>Software Delivery Process</figcaption></figure><p>ตั้งแต่ Requirement(Idea) ไปจนถึงมือผู้ใช้งาน ทั้ง User และ Customer ทำยังไงให้สามารถ Deliver ได้เร็วที่สุดพร้อมด้วย Performance ที่ดี การพัฒนา Software สัมพันธ์กันหมดทั้งการ Test หรือแม้แต่ Infrasturcture</p><p>ก็เหมือนกับการปลูกต้นไม้ มันไม่ใช้แค่ต้นไม้ต้องดี แต่ดินที่ใช้ปลูกก็ต้องดีเหมือนกันถึงจะส่งเสริมกัน แต่พอดินดี ต้นไม้ดี เติบโตสวยงาม แต่ไม่มีคนดูแล ต้นไม้ก็จะขาดน้ำ ขาดอากาศ ดังนั้นทุกอย่างมันสัมพันธ์กันหมด</p><p>โดยการพัฒนา Software มักจะสนใจอยู่ 3 ส่วนประมาณนี้</p><ul><li>Make it work</li><li>Make it right</li><li>Make it fast</li></ul><p><strong>คำถาม Classic ในการพัฒนา Software เลยคือ 3 อย่างนี้เนี่ย เราจะเลือกอะไร ?</strong></p><p>โดยปกติการสร้างเรา Software อะไรก็ตามไม่รู้แหละ แต่มันต้อง Make it work ก่อน แล้วพอมัน work ปุ๊ป Business ก็น่าจะเป้นไปตามคาดว่าเราต้องการให้มัน Fast ในช่วงแรกเราก็จะทำให้ดีและทำให้ไว ให้ตอบโจทย์ Business แต่มันก็เหมือนเป็นการทำแล้วทิ้ง ใครมาดูต่อก็ซวยไปอย่างงั้นหรอ รับเคราะห์ไปนะ</p><p>ดังนั้นเมื่อเราพัฒนา Software ไปเรื่อยๆแน่ ต้องดูว่าเราได้กลับมา Maintenance รึป่าว ? เราควรจะกลับมาทำให้ Software มัน Make it right ด้วย แต่คำถามคือ พอเรา Deliver ของไปซักพักคุณมีเวลาเหลือพอมั้ยที่จะมาทำให้มัน Make it right ก็จะเป็น<strong>ปัญหาสุด Classic อีกปัญหานึงว่า เราไม่มีเวลาเหลือมากพอที่จะทำ Make it right หรอกในโลกแห่งความจริงที่คนส่วนมากพบเจอ</strong></p><p>เราก็เลยทำแต่ Make it work , Make it work , Make it work กันต่อสุดท้ายพอเกิดปัญหาขึ้นมา เราก็จะ เห้ย !!! แล้วถามขึ้นมาว่า</p><ul><li>ใครเขียนตรงนี้ขึ้นมานะ ?</li><li>ใครเคยทำตรงนี้นะ ?</li><li>ใครออกแบบตรงนี้นะ ?</li></ul><p>แล้วเราจะทำยังไงดี ? ก็จะเข้าคำตอบและ<strong>ความคิดสุด Classic อีกชุดนึงว่า System อะไรที่เราไม่ได้เป็นคนทำเอง มันไม่ดี ดังนั้นต้องทำมันขึ้นมาใหม่ด้วยฝีมือเรานั่นแหละคือ System ที่ดี </strong>ซึ่งเป็นสิ่งที่เกิดขึ้นและเจอบ่อยมากกก</p><p>ดังนั้นแล้วเวลาเราทำ Make it work , Make it work , Make it work เวลาเราเจอปัญหา เราไม่ควรจะทำ ad-hoc หรือ work-around ในการแก้ปัญหา เพราะมันเหมือนการปะผุไปเรื่อยๆ เราควรจะหาไปยัง root cause ของมัน แล้วทำมันให้ Make it right จากนั้นเราจึงค่อยมาหาวิธีในการทำ Make it fast สำหรับ Team</p><p>ซึ่งที่กล่าวมาก็เป็นแนวทางปฎิบัติแนวทางหนึ่งในการการพัฒนา Software ซึ่งพี่ปุ๋ยแนะนำเพิ่มเติมว่าถ้าใครอยากหาความรู้เพิ่มเติมลองไปหาอ่านหนังสือ 2 เล่มนี้ดู</p><h4>1. Improving Software Quality and Reducing Risk</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/500/1*ubTlubew1V4o3ByCbOg9OA.jpeg" /><figcaption>Improving Software Quality and Reducing Risk</figcaption></figure><h4>2. Reliable Software Releases through Build, Test, and Deployment Automation</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/492/1*8cnV57PEwX1DO-cJbjpH0w.jpeg" /><figcaption>Reliable Software Releases through Build, Test, and Deployment Automation</figcaption></figure><p>โดยหนังสือทั้ง 2 เล่มก็จะพูดถึงการลดเวลาในการพัฒนา Software ด้วย Proces ต่างๆ เพื่อลด Reach Time ในการ Deliver Software</p><h3><a href="https://fsymbols.com/signs/tick/">✅</a> Technical Excellence</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Wq5NhfetjsOMtxpSdY-1pg.png" /><figcaption><a href="https://less.works/less/technical-excellence">https://less.works/less/technical-excellence</a></figcaption></figure><p>Technocal Excellence หรือความเป็นเลิศทางเทคนิคคอล เนี่ยเป็นหัวข้อที่ยังได้รับความสนใจไม่มากเท่าที่ควรในปัจจุบัน ก็คือถ้า Software Team ไม่เชี่ยวชาญทางด้านนี้แล้ว การทำ Software ก็อาจจะออกมาได้ดี ซึ่งเราก็หวังว่าจะมีผู้เชี่ยวชาญมา<br>สร้าง Software ที่ดีที่สุดเท่าที่จะทำได้ ซึ่งจากรูปภาพข้างบนก็จะเห็นว่ามีสกิลต่างๆ ดังนี้</p><ol><li>Specification by Example</li><li>Test Automation</li><li>Thinking about testing</li><li>Continuous Integration</li><li>Continuous Delivery</li><li>Architecture and Design</li><li>Acceptance Testing</li><li>Clean Code</li><li>Test-Driven Development</li><li>Unit Testing</li></ol><p>ซึ่งเป็น Skills ที่จำเป็นในการสร้าง Technical Excellent แต่ก็ไม่ได้หมายความทุกคนต้องเชี่ยวชาญแล้วมี Skills ทั้งหมดนี่กันทุกคน คนในทีมแต่ละคนเลยต้องมี Skills ที่เฉพาะทางตามแต่ละคน แล้วนำแต่ละคนนั้นมารวมกันเพื่อสร้าง Software แต่ Session นี้พี่ปุ๋ยจะพูดถึงหัวข้อ Clean Code เป็นหลัก</p><h3><a href="https://fsymbols.com/signs/tick/">✅</a> Clean Code</h3><p>Clean Code คำๆนี้เนี่ยมัน Abstacrion เกินไป มันจับต้องไม่ได้ เพราะถ้าเรายอมรับความจริงกันจริงๆเลยก็คือ Code ที่สะอาดสุดก็คือ Code ที่เราไม่ได้เขียนมันขึ้นมา นั่นก็คือไม่มี Code อยู่เลย แล้ว Clean Code คืออะไรกันแน่</p><p><strong>Clean Code หรือ Code ที่ดีเนี่ย ไม่จำเป็นต้องสวย แต่ต้องเป็นสิ่งที่จับต้องได้ หรือเป็น Code ที่ Team สามารถจัดการกับ Code ตัวนี้อยู่ Team อ่านแล้วรู้เรื่อง</strong></p><p>ไม่ใช่ Code ที่ทุกคนเห็นแล้วแบบว้าว มันเท่จังเลย ทำงานได้ดีมาก Performance ก็ดีมากๆ แต่ประเด็นคือ ทุกคนในทีมไม่มีใครรู้เรื่องกับ Code ชุดนี้เลย พอมองแล้วก็ได้แต่อ้าปากค้าง มีคนที่เขียนนั่นแหละรู้อยู่คนเดียว แล้วมันเป็น Code ที่ดีมั้ย ?</p><p><strong>เราตอบได้เป็นปากเลยว่ามันเป็น Code ที่ดี !!! แต่มันดีกับ Team มั้ย ?</strong></p><p>ยกตัวอย่างให้เห็นภาพง่ายๆ ว่าคนที่เขียน Code ชุดที่บอกมาเนี่ยเค้าดันลาพักร้อน 1 Sprint ในทีมมีความจำเป็นต้องเพิ่ม Feature เข้ามาใน Sprint นี้ คำถามก็คือใครต้องเพิ่ม Feature ส่วนนี้ คำตอบก็คงเป็นคนใน Team เนี่ยแหละ ที่ต้องเข้ามาจัดการ แต่ปัญหาคือกว่าเค้าจะทำความเข้าใจและแก้ Code ชุดนี้อาจจะหมด Sprint นั้นแล้วก็ได้ ทำไมไม่รอคนทำกลับมาละ ? แล้วงี้ Code ชุดนี้มันดีจริงๆใช่มั้ยนะ</p><p>ปัญหาที่พูดไปเนี่ยมันเกิดจาก Code มีความ Ownership เฉพาะบุคคลมากเกินไป Skills ของ Team ยังไม่สามารถเข้าถึงตรงนั้นได้ มันก็เลยกลายเป็น Code ที่ดี แต่ ไม่ได้ดีสำหรับ Team เนี่ยก็เลยทำให้ นักพัฒนาหรือ Developer เนี่ย กลายเป็น Debugger กันไปเสียหมด คำถามก็คือเจ้าสิ่งนี้เนี่ยมันสร้างปัญหาให้เรามั้ย ?</p><p>ถ้าสร้างปัญหา แล้วจริงๆ Code ตัวนี้มัน Clean หรือป่าว ? มันเป็นสิ่งที่ Team ต้องคุยและปรับแก้กัน</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/795/1*1JZ1q2iMRps7KkMwZ6jg9A.png" /><figcaption>Clean Code vs Dirty and Fast Code</figcaption></figure><p>เพราะถ้าเราไม่ปรับแก้กัน ทุกๆครั้งที่มี Change เกิดขึ้น เราจะจ่าย Cost per change และ Time taken กับ Change มากขึ้นเสมอ เช่น จาก 1 อาทิตย์ กลายเป็น 2 อาทิตย์ เพราะเกิดจากสิ่งที่เราไม่ได้ Argreement Clean Code ของ Team ร่วมกัน แล้วถ้าหากเรายิ่ง Monitor เราก็จะพบว่าเราใช้ทุกอย่างมากขึ้นจริงๆนะ ตัวเลขมันไม่เคยโกหก</p><p>จากทำงานปกติก็จะเริ่มมี OT เกิดขึ้น จากที่มี OT ก็จะเริ่มเพิ่มคน ทั้งๆที่ Sizing ของงานมันเท่าเดิม กลายเป็นว่า Time เท่าเดิม แต่ Effort มากขึ้น เนี่ยแหละคือปัญหาที่คอยสะท้อนใน Software ที่เรากำลังสร้าง แล้วเราจะมาเริ่มแก้เจ้าพวกนี้กันยังไงดีนะ</p><h4>Code Review</h4><p>การ Review Code ก็เป็นทางนึงที่จะช่วยแก้ปัญหา และช่วยสร้าง Clean Code ให้เกิดขึ้นมาใน Team</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/747/1*QIdIMArFOs2Vc9uMQ8tpWw.png" /><figcaption>Code Review Room</figcaption></figure><p>Code Review ยังเป็นสิ่งที่น่ากลัวสำหรับหลาย Team อยู่ จนบาง Team คนใน Team ถึงกับมี Mindset ที่ว่าไม่ต้องรีบทำหรอก ทำเสร็จไวก็ Review บ่อย ทำเสร็จตรงเวลาทีเดียวเลยดีกว่า ซึ่งก็แน่นอนว่าเป็นแนวคิดที่ผิดพอสมควร แล้วเราจะทำยังไงให้การทำ Code Review เนี่ยมันไม่น่ากลัวกันนะ ?</p><p>เราต้องสร้าง Environment ในการ Review Code ว่าคนที่มาช่วยดูเนี่ย เค้ามาช่วยคุณนะ มีการ Share กันกันว่าอันนี้ดี ไม่ดี ไม่ใช่จ้องจะใส่ว่าไม่ดีอย่างเดียวอันนี้ก็ไม่ถูก <strong>เพราะการ Review ไม่ใช่การด่า แต่เป็นการแสดงความคิดเห็น</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/975/1*pjY9gW2VsybzXG9Hr05mkg.png" /><figcaption>Basic Code Reviewer</figcaption></figure><p>โดยหลักๆก็ควรจะมี 3 ข้อหลักๆ ตามนี้</p><p><strong>1.Easy to understnad<br></strong>ข้อนี้ก็ดูเป็นอะไรที่เข้าใจยากอีกแล้ว Easy to understand ก็ความเก่งของแต่ละคนไม่เท่ากัน บางคนเข้าใจง่าย บางคนเข้าใจยาก แล้วเราควรจะทำยังไง จริงๆแล้วเราควรจะ Tradeoff สิ่งนี้แล้วหาจุด Balance ระหว่างคน 2 ประเภทนี้ เพื่อให้ได้ Code ที่ดี</p><p><strong>2.Easy to change<br></strong>เวลามีการเปลี่ยนแปลงหรือการ Change เนี่ยมัน Chang ได้ง่ายมั้ย ? อันนี้สำคัญ เพราะเราจะต้องเจอกับ Business ที่ขอเปลี่ยนตรงนี้นิดเดียวนะ อยู่แล้ว แต่หลังบ้านเราต้อง Change 10 จุดเลยนะ คำถามคือ <strong>แล้วใครเป็นคนทำแบบนี้ตั้งแต่แรก ? <br>ทีม Business ไม่ได้เป็นคนเลือก Technical Solution นะ แต่ Delivery Team เป็นคำทำให้มัน Change ยากเองไม่ใช่หรอ ? </strong>แบบนี้ก็จะสะท้อนแล้วว่าเป็นปัญหาทาง Technical</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/854/1*kClVz68XxI3VZAgSCAUK1g.png" /><figcaption>ตัวอย่าง Code : Nested Problem ที่ยากต่อการ Change</figcaption></figure><p><strong>3.Make code testable and test it properly<br></strong>Testable คือการ Test ระบบได้โดยง่าย ไม่ยุ่งยาก ซับซ้อน คนละเรื่องกับการ Test เราต้องทำให้ระบบเรา Test ได้ง่ายนั่นเอง ซึ่งการทำ Software ส่วนมากยังทำก่อนแล้วค่อยคิดว่าเราจะ Test อะไร Test ยังไง ซึ่งเราควรจะเริ่มจากคิดก่อนว่าเราจะ Test ยังไง แล้วค่อยเริ่มทำ Software (คิดก่อนแล้วค่อยทำ)</p><h4>Avoid Surprise</h4><p>Bug นี้เคยเกิดแล้ว แล้วทำไมถึงเกิดขึ้นมาอีก นี่ก็คือตัวอย่างการ Surprise รูปแบบนึง ซึ่งเราควรจะหลีกเลี่ยง เช่นการใช้ Flag หรือการแทน Status ต่างๆด้วยตัวเลข 1,2,3,4 คนมาตามอ่านก็จะสงสัยว่า เอ๊ะ มันคืออะไร ใช้ทำไม อยากรู้ตัวไหนก็ต้องไป Query เอาจาก Database แล้วทำไมเราต้องทำ Code เราให้มันยากขนาดนั้นกันนะ ?</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Ss_CWeGOXTOaBUfLs4dIcg.png" /><figcaption>How to avoid surprise</figcaption></figure><p>หรือแม้กระทั่งมีการเขียน Service 1 เส้น แต่ด้านในไปเรียก services อื่นอีกเป็น 10 20 ตัว อันนี้ก็น่ากลัว วันดีคืนดี dependency service เหล่านั้นตายเราจะเอาอยู่มั้ย ?</p><p>หรือ<strong>คำถามสุด Classic เช่น System มี Feature ทั้งหมดเท่าไหร่ พอตอบได้ก็จะตามมาด้วยคำถามว่า ปัจจุบันมี Feature ที่ไม่ใช้ในช่วง n เดือน เยอะมั้ย ?</strong></p><p>คำถามต่อมาก็คือแล้วทำไมเราถึงไม่ลบ Feature ที่ไม่ถูกใช้กันนะ เราจะ Maintance ไปเพื่ออะไร ? <strong>คำตอบสุด Classic ก็คือ System มันดีอยู่แล้วอย่าไปยุ่งกับมัน เดี้ยวพังมาจะซวย</strong></p><p>คำถามพวกนี้เกิดจากการที่เราไม่ Maintance ของเก่า เราสร้างสิ่งใหม่ๆขึ้นมาเรื่อยๆ</p><h4>Make Code Hard to Misuse</h4><p>Code ที่ดีไม่ควรจะใช้แบบ X ก็ได้ แบบ Y ก็ได้ แบบ Z ก็ได้ คุณใช้แล้ว คุณไม่มีทางผิดพลาดหรอก ใช้แบบนี้เลย เช่นการออกแบบ Service ให้ยิงมาที่ 1 Endpoint แต่ใน Request ดันมีส่งมาว่า Call function อะไร แล้วก็จะมี Parameter ตามมาอีกของ Function นั้น แล้วถ้าเราส่งไม่ครบแน่นอน Classic สุดก็คือ Request Invalid</p><p>คำถามก็คือแล้วเราจะรู้ได้ยังไงว่า Invalid ตัวไหน Function ไหน แล้วทุกคนที่ต้องการจะใช้ Service นี้ก็ต่างคนต่างยิงเข้ามาจากหลายๆที่ วันดีคืนนี้จากคนใช้ Service กลายมาเป็นคน Maintance service นี้แทน เราก็จะสัมผัสได้ถึงการเขียน Code แบบ Single point ประเด็นก็คือ มันพร้อมที่จะผิดได้ง่าย คนใช้งานก็ยาก</p><p>จริงๆแล้ว Session นี้ยังมียาวไปอีกมากมายหลายเลยแต่ผู้เขียนสรุปมาให้แค่ส่วนที่พูดถึง Clean Code เท่านั้น หากอยากได้เข้าฟัง Live Session คูลๆ แบบนี้ เชิญพบกับช่วงขายของงงงง !!!</p><p>SCB TechX มองหาผู้ร่วมงานจำนวนมาก หากใครสนใจอยากจะร่วมงานกับ Tech Company ที่มี Culture คูลๆ แบบนี้ ก็สามารถตามไปดูก็ได้ที่ด้านล่างนี้เลยยยย</p><p><a href="https://www.scbtechx.io/?page_id=1244">Jobs</a></p><h3>👉 Contact Us</h3><ul><li><a href="https://www.scbtechx.io/">Home</a></li><li><a href="https://www.linkedin.com/company/scb-tech-x/mycompany/">SCB TechX | LinkedIn</a></li><li><a href="https://www.facebook.com/scbtechx?_rdc=1&amp;_rdr">Log in or sign up to view</a></li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=93947f1a614f" width="1" height="1" alt=""><hr><p><a href="https://medium.com/scb-techx/%E0%B8%AA%E0%B8%A3%E0%B8%B8%E0%B8%9B-knowledge-sharing-maintainable-code-and-manage-bad-code-%E0%B8%97%E0%B8%B5%E0%B9%88-scb-techx-93947f1a614f">TechX Sharing : Maintainable Code and Manage Bad Code</a> was originally published in <a href="https://medium.com/scb-techx">SCB TechX</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Technology Advocacy เค้าคือใคร]]></title>
            <link>https://medium.com/scb-techx/technology-advocacy-%E0%B9%80%E0%B8%84%E0%B9%89%E0%B8%B2%E0%B8%84%E0%B8%B7%E0%B8%AD%E0%B9%83%E0%B8%84%E0%B8%A3-eaa7c35eb5c5?source=rss-4c9371a078ed------2</link>
            <guid isPermaLink="false">https://medium.com/p/eaa7c35eb5c5</guid>
            <category><![CDATA[developer-relations]]></category>
            <category><![CDATA[careers]]></category>
            <category><![CDATA[scbtechx]]></category>
            <category><![CDATA[developer-advocacy]]></category>
            <category><![CDATA[software-engineering]]></category>
            <dc:creator><![CDATA[Chalach Monkhontirapat]]></dc:creator>
            <pubDate>Fri, 23 Jul 2021 08:01:14 GMT</pubDate>
            <atom:updated>2022-05-31T11:29:43.133Z</atom:updated>
            <content:encoded><![CDATA[<h3>Technology Advocacy คือใครกันนะ</h3><p>SCB TechX หรือ บริษัท เอสซีบี เทคเอกซ์ จํากัด (<strong>SCB TechX</strong>) เป็นบริษัททางด้านเทคโนโลยีในกลุ่ม ธนาคารไทยพาณิชย์ ซึ่งให้บริการด้านเทคโนโลยีแบบครบวงจร เน้นให้คําปรึกษา ตลอดจนพัฒนา <strong>Platforms</strong> และ <strong>Solutions</strong> ทางด้านดิจิทัล หากใครอยากรู้จักเราเพิ่มเติมตามไปอ่านกันได้เลยที่นี่ <a href="https://medium.com/scb-techx/scb-techx-%E0%B8%84%E0%B8%B7%E0%B8%AD%E0%B9%83%E0%B8%84%E0%B8%A3-e4eb4d2ff6f2"><strong>👉</strong> SCB TechX คือใคร</a></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*OiY-2VNwa737l7dWSAcftQ.png" /><figcaption>Technology Advocacy</figcaption></figure><h3>Software Development</h3><p>โดยทั่วไปแล้วในสายงานของ Software Development นั้น มักเกี่ยวข้องกับการพัฒนา Product ขึ้นมา ไม่ว่าจะเป็น Internal product หรือ External product ก็แล้วแต่ โดยแต่ละ Product ก็อาจจะมี Objective ต่างกันออกไปว่าเพื่อสร้าง Profit เพื่อ Reduce costs แต่การจะสร้าง Product ขึ้นมาก็ต้องข้องเกี่ยวกับ Technology ในหลายด้านไม่ว่าจะ Programming , Infrastructure หรือแม้แต่ Marketing เพื่อให้ Product นั้นมี Impact และมี User engagement ที่ดี<br>อ่านเพิ่มเติมได้ที่นี่เลย <a href="https://www.indeed.com/career-advice/career-development/what-is-software-development">👉 What is Software Development ?</a></p><h3>Technology Advocacy</h3><p>เป็นน้องใหม่ที่พึ่งเกิดขึ้นภายใน SCB TechX เป็นอีก Team ที่ต้องใช้ Software Development Skills ในการทำงาน แต่จะแตกต่างกันตรงที่</p><blockquote>เราไม่ได้สร้าง Product แต่เราสร้าง Community</blockquote><p>Technology Advocacy Team จะสร้าง Community ผ่านการสร้าง Developer Network ด้วยช่องทางต่างๆ เช่น Facebook , Blog , Meetups, Hackathon</p><p>ซึ่งตอนนี้ก็มีทาง Blog ของ SCB TechX Publications ที่ได้เริ่มไปแล้ว ส่วนทาง Meeting หรือ Hackathon ก็ต้องอดใจรอกันก่อนนะ และแน่นอน หากใครอ่านแล้วอยากจะจัดบ้างแต่ไม่รู้จะทำยังไงหรือขาดกำลังทรัพย์ เราก็พร้อมจะสนับสนุนด้วยนะ</p><p>Team Members ของทีมนี้นั้นควรจะต้องเป็นคนที่มี Technical Skills และ Soft Skills ที่ดี อีกทั้งยังต้องใช้ Communication Skills สูงมาก เพราะต้องอธิบายเรื่องยาก ให้กลายเป็นเรื่องง่ายๆ ให้คนทั่วไปเข้าใจ ไม่ว่าจะด้วยการพูด หรือแม้กระทั่ง<strong>ต้องเขียน Sample Code หรือทำ Documents ด้วยนะ</strong> อีกทั้งยังต้องเป็นคนชอบพูดคุยกับคนไม่ว่าจะ Face to Face หรือว่าทาง Social เพื่อสร้าง Community ขึ้นมา อีกทั้งยังต้องเป็นคนชอบเรียนรู้ New Technology พอสมควรอีกด้วย</p><p>Roles ที่เรากำลังมองหามีตามนี้เลยยยย</p><h3>1️⃣ Developer Advocate</h3><blockquote>builds a critical mass of support for a given technology</blockquote><p>น่าจะเป็นคำนิยามที่เหมาะกับคนที่จะทำตำแหน่งนี้พอสมควร ซึ่งคนที่จะทำตำแหน่งนี้นั้นก็จะได้ประสานงานกับ External เป็นหลักในการสร้าง Mass ต่างๆ ดังนั้นคนที่ทำแหน่งนี้เนี่ย ควรจะเป็นคนที่ได้รับการยอมรับและน่าเชื่อถือใน Industry อยู่แล้ว หรือสามารถ Build มันขึ้นมาได้นั่นเอง</p><h4>Responsibilities</h4><ul><li>Speaker ที่ SCB TechX , Meetups , Hackathons</li><li>สร้าง Compelling tutorials ร่วมไปถึง White paper และ Blog postes</li><li>Develop และ Present Compelling demos หรือ Sample projects และ Recorded videos เพื่อ Drive awareness และ Adoption ของ SCB TechX</li><li>Maintain Strong และ Credible ใน Developer Communities และ Social Media</li></ul><p>และอื่นๆ อีกเยอะเลยยยยยยยยย ลองไปอ่านเพิ่มเติมดูนะ</p><p><a href="https://www.scbtechx.io/?p=1443">Developer Advocate</a></p><h3>2️⃣ Developer Relations</h3><p>ตำแหน่งนี้ก็จะทำงานคล้ายๆกับ Dev Adovocacy แต่จะข้องเกี่ยวทั้ง Internal และ External จะเป็นคนคอยช่วย Support งานต่างๆของ Dev Adovocacy อีกส่วนนึง รับ Feedback จาก Products ต่างๆ และพัฒนาให้ดีขึ้นทั้ง Products , Services และ Documentation</p><h4>Responsibilities</h4><ul><li>สร้าง Supports และ Inspire จาก Community และ Tranforming members ให้เป็น Fans และ Advocate products ที่เราสร้างขึ้น</li><li>สร้าง Trusted ทางด้าน Technical และ Advocate community โดนการสร้าง Content ต่างๆ เช่น Blog posts , videos , หรือ sample code เป็นต้น</li><li>สร้าง Workshop หรือ Lead Demos , Hackathons และ Meetups ช่วยให้ Developer เข้าใจ</li></ul><p>และอื่นๆ อีกเยอะเลยยยยยยยยย ลองไปอ่านเพิ่มเติมดูนะ</p><p><a href="https://www.scbtechx.io/?p=1387">Developer Relations</a></p><p>จริงๆ เรายังมีอีกหลาย Roles เลยนะ ที่ไม่ได้พูดถึง ถ้าสนใจร่วมงานบริษัทน้องใหม่ไฟแรงด้าน Technology เราก็ยังมองหาผู้ร่วมงานอีกจำนวนมาก หลากหลายตำแหน่งเลย ตามกันไปดู Roles ที่เปิดรับกันอยู่ได้เลย</p><p><a href="https://www.scbtechx.io/?page_id=1244">Jobs</a></p><h3>Contact Us</h3><ul><li><a href="https://www.scbtechx.io/">Home</a></li><li><a href="https://www.linkedin.com/company/scb-tech-x/">SCB TechX | LinkedIn</a></li><li><a href="https://www.facebook.com/scbtechx?_rdc=1&amp;_rdr">Log in or sign up to view</a></li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=eaa7c35eb5c5" width="1" height="1" alt=""><hr><p><a href="https://medium.com/scb-techx/technology-advocacy-%E0%B9%80%E0%B8%84%E0%B9%89%E0%B8%B2%E0%B8%84%E0%B8%B7%E0%B8%AD%E0%B9%83%E0%B8%84%E0%B8%A3-eaa7c35eb5c5">Technology Advocacy เค้าคือใคร</a> was originally published in <a href="https://medium.com/scb-techx">SCB TechX</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
    </channel>
</rss>