<?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 Ekkalak Leelasornchai (FM) on Medium]]></title>
        <description><![CDATA[Stories by Ekkalak Leelasornchai (FM) on Medium]]></description>
        <link>https://medium.com/@ekkalakfm?source=rss-4b292b4c4eab------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/1*RKsWiHQWwUZlQQiaVuXwnw.jpeg</url>
            <title>Stories by Ekkalak Leelasornchai (FM) on Medium</title>
            <link>https://medium.com/@ekkalakfm?source=rss-4b292b4c4eab------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Tue, 17 Nov 2026 07:24:37 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@ekkalakfm/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[วิธีใช้ Dialogflow ให้แทบไม่ต้องเสียเงิน แม้จะ Scale ให้มีผู้ใช้หลักแสนคน]]></title>
            <link>https://medium.com/@ekkalakfm/%E0%B8%A7%E0%B8%B4%E0%B8%98%E0%B8%B5%E0%B9%81%E0%B8%AE%E0%B9%87%E0%B8%84-dialogflow-%E0%B9%83%E0%B8%AB%E0%B9%89%E0%B9%81%E0%B8%97%E0%B8%9A%E0%B9%84%E0%B8%A1%E0%B9%88%E0%B8%95%E0%B9%89%E0%B8%AD%E0%B8%87%E0%B9%80%E0%B8%AA%E0%B8%B5%E0%B8%A2%E0%B9%80%E0%B8%87%E0%B8%B4%E0%B8%99-%E0%B9%81%E0%B8%A1%E0%B9%89%E0%B8%88%E0%B8%B0-scale-%E0%B9%83%E0%B8%AB%E0%B9%89%E0%B8%A1%E0%B8%B5%E0%B8%9C%E0%B8%B9%E0%B9%89%E0%B9%83%E0%B8%8A%E0%B9%89%E0%B8%AB%E0%B8%A5%E0%B8%B1%E0%B8%81%E0%B9%81%E0%B8%AA%E0%B8%99%E0%B8%84%E0%B8%99-5105a1a5640e?source=rss-4b292b4c4eab------2</link>
            <guid isPermaLink="false">https://medium.com/p/5105a1a5640e</guid>
            <category><![CDATA[chatbots]]></category>
            <category><![CDATA[line]]></category>
            <category><![CDATA[dialogflow]]></category>
            <dc:creator><![CDATA[Ekkalak Leelasornchai (FM)]]></dc:creator>
            <pubDate>Mon, 15 Jul 2019 08:39:31 GMT</pubDate>
            <atom:updated>2019-07-16T04:53:35.894Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/proxy/1*50rG5q86I99_o1vGGTying.png" /></figure><h3>Dialogflow คืออะไร? เกี่ยวกับ Chatbot ยังไง</h3><p>สำหรับบางคนที่อาจจะยังไม่รู้จัก Dialogflow ในการสร้าง chatbot นั้น เราจำเป็นต้องสร้าง rule ในการโต้ตอบกับผู้ใช้ ซึ่ง Dialogflow จะเป็นเครื่องมือที่ช่วยในการวิเคราะห์หา Intent ว่าข้อความที่ผู้ใช้พิมพ์มานั้น มีเนื้อความแบบไหน เช่น สวัสดี, ดีจ้า, ฮัลโหล พวกนี้ Dialogflow จะวิเคราะห์ให้ว่าผู้ใช้ “ทักทาย​” เข้ามา โดยใช้วิธีด้าน Natural Language Processing (NLP) และนอกจากนี้ Dialogflow ยังช่วยในการจัดการส่วนต่างๆในระบบ Chatbot ด้วยเช่น Content ว่าถ้าผู้ใช้พิมพ์ข้อความใน Intent แบบนี้มา จะให้ตอบกลับไปว่าอะไร หรือยังคอยจัดการพวก Context, Event หรือ Parameter อีกด้วย (อ่านเพิ่มเติมได้ที่ Document ของ Dialogflow) เรียกได้ว่า แทบไม่ต้องเขียนโค้ดอะไรเลยก็สามารถสร้างแชทบอทได้แล้ว</p><p>ใครที่อยากลองสร้างดู สามารถทำตาม <a href="https://medium.com/altotech/%E0%B8%AA%E0%B8%A3%E0%B9%89%E0%B8%B2%E0%B8%87-line-chatbot-%E0%B8%82%E0%B8%AD%E0%B8%87%E0%B9%80%E0%B8%A3%E0%B8%B2%E0%B9%80%E0%B8%AD%E0%B8%87%E0%B8%87%E0%B9%88%E0%B8%B2%E0%B8%A2%E0%B9%86-%E0%B8%94%E0%B9%89%E0%B8%A7%E0%B8%A2-dialogflow-5f5551b6aeae"><strong>Blog สอนทำ Chatbot แบบง่ายๆด้วย Dialogflow </strong></a>ที่ผมเคยเขียนไว้ได้นะครับ แค่คลิกๆเสร็จเลย ไม่ต้องเขียนโค้ด</p><p>หลายๆคนก็น่าจะเคยใช้เจ้า Dialogflow นี้ ในการทำ chatbot กันบ้างแล้ว</p><h3>แต่เจ้า Dialogflow เนี่ย มันมีค่าใช้จ่ายนะ!</h3><p>ถ้าเราใช้ Dialogflow มาหัดทำ Chatbot เล่นๆ ไม่ได้มีคนอื่นมาใช้มากนัก มันก็ไม่ต้องเสียค่าอะไรหรอก แต่ถ้า Chatbot ของเราเนี่ย มีคนมาใช้เยอะๆเข้า มันก็จะมีค่าใช้จ่ายเกิดขึ้น โดยคิดง่ายๆว่า พอมีคนมาคุยกับ Chatbot เราที่ได้เชื่อมกับ Dialogflow ไว้ ในทุกๆข้อความนั้น จะถูกส่งมาวิเคราะห์ที่ Dialogflow และถ้าจำนวนข้อความที่ส่งมา มันเกินโควต้า ก็จะต้องเสียเงินเพิ่มตามนี้</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*T7mHhRtkRbWZzniZmMhGXQ.png" /></figure><p>โดยมีโควต้าลิมิตตามนี้</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*si1YomP6WXbdijgRwUA60A.png" /></figure><p>อธิบายให้เข้าใจง่ายๆก็คือ ถ้ามีคนใช้ Chatbot เรามากกว่า 180 ข้อความต่อนาที เราจะต้องเปลี่ยนเป็น Enterprise edition ซึ่งจะเสียเงิน 0.002 usd ต่อข้อความครับ</p><p>ซึ่งโดยถ้าเราจะ Chatbot ที่ scale สำหรับผู้ใช้จำนวนมาก ในช่วงพีคๆนั้นจะมีจำนวนข้อความต่อนาทีที่เกิน 180 แน่นอน โดย Chatbot ในองค์กรทั่วไปจะมีประมาณ 400-600 ข้อความ จะทำให้ไม่สามารถใช้ Edition ที่ไม่เสียเงินได้ จึงต้องมาใช้ Enterprise edition</p><p><strong>ยกตัวอย่างค่าใช้จ่าย</strong></p><p>Chatbot โดยทั่วไป ที่องค์กรใช้ จะมีจำนวนข้อความประมาน 30 ข้อความต่อ1นาที (ที่บอก 400–600 ข้อความต่อนาทีในด้านบนนั่นหมายถึงช่วงเวลาที่พีคๆ แต่ 30 ข้อความต่อนาทีนี่หมายถึงเฉลี่ยจากทั้งเดือน)</p><p>คิดเป็นเงิน 0.06 usd ต่อ1นาที</p><p>คิดเป็น 0.06* 60 * 24 = 86.4 usd ต่อวัน</p><p>ซึ่งจะเป็น 86.4 * 30 = 2,592 usd ต่อเดือน <strong>หรือก็คือ 79,781.77 บาทต่อเดือน </strong>นี่แค่ค่าใช้ Dialogflow อย่างเดียวเลย ยังไม่รวมค่าใช้ Line API นะเนี่ย</p><p>แน่นอนว่า ของฟรีไม่มีในโลก แต่เราสามารถเสียเวลาของเรานิดนึง มาปรับให้เราไม่ต้องเสียเจ้า <strong>79,781.77 </strong>บาท<strong> </strong>ได้นะรู้ป่าวววว</p><p><strong><em>หมายเหตุ: การคำนวนนี้เป็นเพียงการประมาณ ตัวเลขจริงๆของแต่ละทีมอาจจะไม่ใช่เลขนี้ก็ได้</em></strong></p><h4>คงจะเริ่มอยากรู้วิธีลดค่าใช้จ่ายมันบ้างแล้วใช่ไหมล่าา แต่อย่าลืมว่า</h4><blockquote>ค่าใช้จ่ายของแต่ละทีมมันไม่เท่ากัน ต้อง Trade-off ดูเองก่อน ว่าวิธีที่จะแชร์ต่อจากนี้ ใช้แล้วจะคุ้มค่าจริงหรือไม่</blockquote><h3>มาลองลดค่าใช้จ่ายพวกนี้กันเถอะ!</h3><p>ต้องออกตัวไว้ก่อนว่าในบทความนี้จะยังไม่ได้ทำเป็น Tutorial แบบ step by step ไว้ เนื่องจากมีอยู่หลายวิธีในการลดค่าใช้จ่าย ผมเลยเขียน Blog แนวๆแชร์เทคนิคซะมากกว่า แต่ถ้ามีใครอยากลองทำตาม แต่แบบ no idea อ่านเทคนิคแล้วไม่รู้จะทำตามยังไง มาบ่นกับผมได้เลย (<a href="https://www.facebook.com/frailgun">FB: Ekkalak Leelasornchai</a>) เดี๋ยวว่างๆจะเขียน Blog สอนทำตาม แบบ step by step เลยครับ (แต่ก็คงต้องแยกวิธีละ Blog ไม่งั้นเดี๋ยวใหญ่เกิน)</p><h4><strong>วิธีที่ 1 แยกร่าง Dialogflow Agents ซะ!</strong></h4><p>อันนี้หลายๆคนน่าจะไม่รู้ว่า จริงๆใน account หนึ่งของเรา เราสามารถสร้าง Agent ขึ้นมาได้หลายตัว <strong>โดยที่แต่ละตัวนั้น จะคิดจำนวนข้อความต่อนาทีแยกกัน</strong></p><blockquote><strong>ดังนั้นเราก็แค่สร้างหลายๆ Agent แล้วทำ Load balancer มาเลือกว่าจะใช้ Agent ตัวไหนดี แค่นั้นเอง!</strong></blockquote><p>ตัวอย่างนะครับ</p><p>เราอยากทำ Chatbot ที่รองรับจำนวนข้อความในช่วงพีคๆได้ 600 ข้อความต่อนาที โดยที่ไม่เสียเงินให้ Dialogflow เลย</p><p>วิธีการคือ</p><ol><li>สร้าง Agent มา 4 ตัวโดยให้ทุกตัวมี Intent เหมือนกันหมด สามารถตอบได้เหมือนกันหมด (โควต้าฟรีมีตัวละ 180 ข้อความ ดังนั้น 180 * 4 = 720 ข้อความ)</li><li>สร้าง Service account ที่ grant permission สำหรับ Agent 4 ตัวนั่นเอาไว้</li><li>สร้าง Project ที่เป็น Web service แล้ว implement webhook ไว้ (อาจจะต้องศึกษาวิธีใช้ ​Line API เพิ่ม)</li><li>ตรงส่วนของ Line messaging API สามารถทำตามวิธีปกติได้เลย ก็คือเอา Access token มาแปะใน project แล้วนำ webhook ไปแปะใน channel ของ Line</li><li>จากนั้นเราต้องติดตั้ง ​Dialogflow client มาใน project ของเรา เพื่อใช้ API ของ Dialogflow ผ่าน project ของเรา โดยต้องใส่ Certificate เป็น Service account ที่เรา grant permission ของทั้ง 4 agents ไว้แล้ว</li><li>Implement Load Balancer ที่จะเป็นตัวเลือกว่าจะ Agent ตัวไหนดี โดย​ Algorithm ของ Load Balancer โดยทั่วไป จะเลือกจากการดู Utilization ของแต่ละ Agent (ใช้เป็นจำนวน Request per minute ของแต่ละ ​Agent เป็นตัววัด) แต่จริงๆแล้วเราสามารถ Implement ได้ง่ายๆโดยใช้ Round Robin ก็คือ รอบแรกใช้ Agent ตัวแรก รอบสองใช้ตัวที่สอง รอบสามใช้ตัวที่สาม รอบสี่ใช้ตัวที่สี่ แล้ววนมาตัวที่ 1 ใหม่ โดยจะต้องทำการบันทึกว่ารอบที่แล้วใช้ตัวไหน ไว้เป็น state (ซึ่งอาจจะมีปัญหาคือมี 2 request ที่มาเห็น state เดียวกัน แต่โดยรวมแล้ว Load ของแต่ละ Agent ก็จะยังไม่ต่างกันมาก ดังนั้นแค่เพิ่มจำนวน Agent ให้ รับ Load ทั้งหมดมากขึ้นเหมือนเป็น Margin ก็ไม่น่ามีปัญหาแล้ว)</li><li>Implement handler ของ Webhook ที่จะ message จาก chatbot แล้วส่ง message นั้นไปให้ Dialogflow ผ่าน interface ของ Dialogflow client โดยที่ เราจะใช้ Load balancer ที่เรา Implement ไว้แล้วมาเลือกว่าจะส่ง message จาก Chatbot ไปให้ Dialogflow client ของ Agent ตัวไหน</li></ol><figure><img alt="" src="https://cdn-images-1.medium.com/max/633/1*gqvROiOoYoQzr0PCHzaPbg.png" /><figcaption>ถ้าเราใช้ Agent 3 ตัวแบบนี้ เราจะใช้ Load ของ Dialogflow ได้ฟรีถึง 540 ข้อความต่อนาทีเลย!</figcaption></figure><p>ด้วยวิธีนี้ จะเห็นว่าเราต้องทำการขึ้น Project ใหม่ แล้วต้องมา Deploy โค้ดขึ้นเซิฟเวอร์อีก</p><p>แต่ถ้าทีมที่ทำ Chatbot มีการทำ Adapter ไว้อยู่แล้ว สามารถ Implement ไว้บน Adapter ได้เลย ก็จะไม่ต้องขึ้น Project ใหม่ (โดยทั่วไป การทำ Chatbot จะมีการทำ Adapter เพื่อปรับหน้าตาชอง Message ก่อน)</p><p>ซึ่งจะต้องมีการเสีย cost เพิ่มเพื่อเป็นค่า Server แต่คำนวนดูแล้ว ก็ยังถูกกว่าการใช้ Dialogflow agent ตัวเดียวเยอะมาก สมมติเรา serve ไว้บน Cloud Function ของ Google Cloud ก็จะเสียแค่ 0.40 usd ต่อ 2,000,000 requests (แถมจริงๆแล้วมันฟรี 2ล้าน requests แรกด้วย)</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*s1KoDh5V5SiiTPRE3GERRA.png" /></figure><p><strong>ข้อดีของวิธีนี้</strong></p><ol><li>เราจะใช้โหลดของ Dialogflow ได้เท่าไรก็ได้ ไม่มีจำกัดเลย</li></ol><p><strong>ข้อเสียของวิธีนี้</strong></p><ol><li>ต้องเสียเวลามา Implement เจ้า Load balancer</li><li>อันนี้ไม่แน่ใจเท่าไร แต่เหมือนบางบริษัทจะติดเรื่อง Privacy ถ้าไม่ใช้ Enterprise Edition</li></ol><h4><strong>วิธีที่ 2 Cache มันซะ!</strong></h4><p>แน่นอนว่าในทุกๆข้อความที่เราส่งไปให้ Dialogflow เนี่ย มันต้องซ้ำกันบ้างอยู่ละ ถ้างั้นเราจะส่งไปให้ Dialogflow ทุกครั้งทำไมล่ะ Cache มันไว้ซะเลยสิ (เผื่อใครไม่รู้จักศัพท์นี้ การ cache โดยคร่าวๆจะหมายถึง เราจำข้อมูลที่เราจะใช้บ่อยๆเอาไว้ที่ memory ที่เข้าถึงได้ง่ายๆ และไม่จำเป็นต้องเก็บไว้ถาวร เพราะเป็นข้อมูลที่ถ้าหายก็ไม่เป็นไร แค่จำมันใหม่รอบหน้า)</p><p>หลักการก็คือ สร้าง Service นึง ที่มีหน้าที่ cache dialogflow request/response ไว้ แล้วถ้า request ไหนมีอยู่ใน cache อยู่แล้ว ก็เอาค่า response ที่เก็บไว้ มาตอบได้เลย</p><p>วิธีการ</p><ol><li>Implement ตัว Caching service โดยทำเป็น Webhook เหมือนทั่วๆไป</li><li>2. Setup ให้สามารถรับข้อความจาก Line มาแล้วส่งไปที่ Dialogflow ให้ได้ (อันนี้ต้องใช้ Line messaging API แล้วใช้ Dialogflow client)</li><li>สร้าง cache ขึ้นมา (จะใช้อะไรก็ได้ อย่างเช่น redis แต่ที่ผมทำ ปกติจะใช้ Memory Store ของ Google Cloud)</li><li>Implement logic ไว้ใน webhook handler ประมาณว่า ถ้า request ที่รับมา ยังไม่มีอยู่ใน cache ให้ส่ง request ไปที่ Dialogflow แล้วจำ Response ไว้ใน cache แต่ถ้ามี request อยู่ใน cache อยู่แล้ว ก็ส่ง response ที่ cache ไว้คู่กับ request ไปได้เลย</li></ol><figure><img alt="" src="https://cdn-images-1.medium.com/max/713/1*_qNIFbbZCL8a9qkquldopg.png" /><figcaption>กรณีที่ ยังไม่ได้ cache request ไว้ ต้องส่งไปให้ Dialogflow ก่อน</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/638/1*pqdBAFGB367VrClV0pMImw.png" /><figcaption>ถ้าเจอเจ้า request นี้ใน cache ก็ดึง response ออกมาได้เลย (ไม่ได้แตะ Dialogflow เลย)</figcaption></figure><p>ซึ่งวิธีนี้ ก็มีข้อจำกัดสุดใหญ่ๆอยู่ ก็คือ Dialogflow เนี่ย มีสิ่งที่เรียกว่า <strong>“Context”</strong></p><p>Context คืออะไร? มันคือบริบทในการสนทนานั่นเอง</p><p>สมมติเราตั้งคำถามไว้ว่า</p><p>“ผู้ใช้ต้องการจะซื้อสินค้านี้ใช่หรือไม่”</p><p>กับ</p><p>“ผู้ใช้ต้องการหยุดใช้บริการใช่หรือไม่”</p><p>ด้วย 2 คำถามนี้ สมมติผู้ใช้พิมพ์ตอบว่า “ใช่” เราจะรู้ได้ไงว่าเค้าตอบคำถามไหน?</p><p>Dialogflow เนี่ยมันรู้ได้ด้วย Context สมมติผู้ใช้คนนี้เพิ่งถูกถามว่า “ผู้ใช้ต้องการจะซื้อสินค้านี้ใช่หรือไม่” เจ้า Dialogflow ก็จะจำไว้ว่า ผู้ใช้คนนี้เนี่ย อยู๋ใน context “กำลังจะซื้อสินค้า” ทีนี้พอผู้ใช้พิมพ์ว่า “ใช่” มา ซึ่ง Dialogflow จำไว้แล้วว่าผู้ใช้คนนี้อยู่ใน context “กำลังจะซื้อสินค้า” มันก็จะรู้ได้ทันที ว่าควรเข้าใจเป็น intent ไหนแล้วตอบกลับว่ายังไงดี</p><p>โดยเจ้า Context เนี่ย มี Logic ที่ซับซ้อน ถ้าเราจะ Cache ทุกข้อความของ Dialogflow เราจะต้อง Implement ส่วนของ Logic ในการจัดการ context เอง ซึ่งจะมีความวุ่นวายอยู่ เพราะ <strong>Dialogflow ไม่ได้จำทีละ Context เดียว ยังไม่พอ แต่ละ Context ยังมี Lifespan ของมันด้วยอีกด้วย! 555555</strong> ยังไม่รวมเรื่อง Fulfillment ด้วยนะครับที่ต้องทำเพิ่มอีก (ผมเคย Implement ตัวจัดการ Context เลียนแบบ Dialogflow แล้ว รู้ถึงความเยอะของมันเลย ยังมีกรณีแปลกๆอีกเพียบ ดังนั้นใครอยากทำตรงนี้ ทักหลังไมค์มาได้ครับ)</p><p>แต่ก็ไม่ใช่ทุก Response ที่จะมี Context ครับ ดังนั้นเราสามารถเลือก cache เฉพาะบาง request ได้โดยแปะ flag ไว้ใน Action ครับ</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*MXnQhMReSI8PVPveqsJLDQ.png" /><figcaption>ตรงส่วนของ Action ผมจะใส่ flag ไว้ว่า cache=false ไม่ก็ cache=true</figcaption></figure><p>ก็คือ Intent ไหน ถ้าไม่มี Context เราก็สามารถ cache มันได้เลยซึ่งเราสามารถ Extract action ออกมาดูได้ ว่าควร cache เจ้า request นี้ดีไหม</p><p>จากการลอง cache ข้อความที่ไม่มี context ดูแล้ว <strong>ผมสามารถลดค่าใช้จ่ายไปได้เกือบๆ 50% เลย</strong></p><p>แต่อย่าลืมตั้งค่าให้มีการ clear cache ด้วยนะ เพราะถ้าเราแก้อะไรใน Intent ไป cache มันจะไม่รู้เรื่องเลย จนกว่า Key นั้นจะถูก clear ไป</p><p>ทั้งสองวิธีนี้ จะต้องทำ Web service มาเพิ่ม ดังนั้นก็จะมี cost ตรงส่วนนี้เพิ่มด้วย ทั้งการ effort ในการ implement และค่าเช่า server มา serve ตัว Web service ก็ต้องมา trade-off กันอีกทีครับ (ซึ่งถ้ามีทีมไหนทำ Adapter มา plug ไว้อยู่แล้ว สามารถเพิ่ม service ไปใน Adapter ได้อยู่แล้ว)</p><p>สุดท้ายแล้ว ทั้งหมดนี่ก็เป็นวิธีลดค่าใช้จ่ายของ Dialogflow แบบคร่าวๆนะครับ ไม่ได้เป็นวิธีแบบละเอียด ซึ่งยังมีอีกหลายส่วนที่ต้องรู้เช่น การใช้ Line messaging API กับการใช้ Dialogflow client อีก รวมไปถึงการ Implement ตัว Webhook handler สำหรับ chatbot อีก</p><p>ดังนั้นถ้าใครที่ปกติทำแค่ Chatbot ต่อกับ Dialogflow เนี่ย อ่านแค่บทความนี้ไป อาจจะยังทำตามไม่ได้ ติดข้อสงสัยอะไรก็ทักมาถามได้ตลอดครับ (<a href="https://www.facebook.com/frailgun">FB: Ekkalak Leelasornchai</a>) ถ้าว่างๆอาจจะทำ blog สอนละเอียดๆ แต่คงอีกนานเลยกว่าจะว่างครับ แหะๆ</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=5105a1a5640e" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Amazon Comprehend VS Azure Cognitive Service: Sentiment Analysis]]></title>
            <link>https://medium.com/@ekkalakfm/amazon-comprehend-vs-azure-cognitive-service-sentiment-analysis-6ac81044f509?source=rss-4b292b4c4eab------2</link>
            <guid isPermaLink="false">https://medium.com/p/6ac81044f509</guid>
            <category><![CDATA[cloud-computing]]></category>
            <dc:creator><![CDATA[Ekkalak Leelasornchai (FM)]]></dc:creator>
            <pubDate>Sun, 25 Nov 2018 07:54:20 GMT</pubDate>
            <atom:updated>2018-12-02T06:37:06.634Z</atom:updated>
            <content:encoded><![CDATA[<p>Hello everyone! I’d like to share my experiment in comparing the performance of two famous cloud services called Amazon Web Service and Microsoft Azure.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/800/0*GXmVA3qygBvNjepq" /></figure><p>In this experiment, I chose the Sentiment Analysis Service. Sentiment Analysis Service is the service that estimate how positive is of the text input using Machine Learning and Natural Language Processing approaches. For Amazon Web Service, I used Amazon Comprehend. For Azure, I used the Text Analytic, the one of Azure Cognitive Services.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/630/0*6BoOIouXZ-Fu35r4.png" /><figcaption>Amazon Comprehend</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/600/0*kmlBB8GesRiz230K" /><figcaption>Azure Text Analytics</figcaption></figure><h3><strong>Prepare for the experiment</strong></h3><p>First, I learned how to use each chosen services such as how to access the services, how to call API to use the services and the constrains of the services.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*I9k3G-0_02bFxJEyflNphA.png" /><figcaption>Try using Amazon Comprehend</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*7qsjvlFmtcb2mIvaaGNpVg.png" /><figcaption>Try using Azure Text Analytics</figcaption></figure><p>Second, I collected the public datasets from Kaggles.com and Google Datasets. I sample the 100 rows of the data from each datasets due to the limit of the services that will charge me if the usage is exceed the limit</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/990/1*tQEJurMXVSvvUbJL4DLOmA.png" /><figcaption>Example of my datasets</figcaption></figure><p>The datasets are <a href="https://drive.google.com/file/d/1k2hZZ9QdVvi-oMHjAuBvl_n20ue7mCER/view">here</a> !</p><p>After that, I wrote the script to automate the process of calling API of the services, preparing the input and output including the shell script to process all of prepared datasets to be the inputs</p><iframe src="" width="0" height="0" frameborder="0" scrolling="no"><a href="https://medium.com/media/9dc56ee3c5add6c59e8a9e415a843d45/href">https://medium.com/media/9dc56ee3c5add6c59e8a9e415a843d45/href</a></iframe><p>For Amazon Comprehend, It provides the SDK to access the services</p><iframe src="" width="0" height="0" frameborder="0" scrolling="no"><a href="https://medium.com/media/5b9ab5cd8349b239563f50e47f8dc98f/href">https://medium.com/media/5b9ab5cd8349b239563f50e47f8dc98f/href</a></iframe><p>For Azure Text Analytics, I called the API to access the services</p><iframe src="" width="0" height="0" frameborder="0" scrolling="no"><a href="https://medium.com/media/a44ed4fe06c29eec005b75f2153ff3c6/href">https://medium.com/media/a44ed4fe06c29eec005b75f2153ff3c6/href</a></iframe><h3><strong>Run the experiment</strong></h3><p>I decided to run the script on the VM Instances of each cloud services, Amazon Elastic Compute Cloud (EC2) and Azure Virtual Machine in order to make sure that the experiment of each cloud services are in the same environment.</p><p>For the evaluation, I used Root Mean Squared Error to evaluate the error between the label and the result from each services since the results are the real number 0 to 1 represent how positive of the text data (0 is absolutely negative and 1 is absolutely positive). I used 4 datasets to run experiment for more diversity of datasets and I decided to run the experiment for 4 times and use the mean of each result’s score.</p><p>First, I launched the VM Instance of each cloud services. Then, I sent the scripts and datasets to the VM Instance via ssh using ‘scp’ command. After setting the credentials, I executed the prepared scripts to run the experiment.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/790/1*tLp9z0HnSwewx_9vDh3XIA.png" /><figcaption>Execute run.sh</figcaption></figure><p>I collected the result from the services including the response time in order to compare how fast the services is.</p><p>After that, I download the results from VM Instance using ‘scp’ command</p><h3>The results</h3><p>For the Root Mean Square Error</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*1gaetSvqPGhgycRU6mQCSQ.png" /><figcaption>Root Mean Square Error of each services (Total is the mean of the results)</figcaption></figure><p>For the response time</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*V7ny-Mv1ICEtw1Zfm8zJyQ.png" /><figcaption>Response time of each services (Total is the mean of the results)</figcaption></figure><h4>Analysis</h4><p>As shown in the results, the Amazon Comprehend service is more precise since its Root Mean Square Error is less than the error of Azure Text Analytics if compare by the average of each error. However, if we compare for each datasets, we will find that the Amazon Comprehend service’s error are sometime less than the error of Azure Text Analytics. So, we can conclude that the precision of each services is depended on the datasets because the datasets are vary. If you want to use the sentiment analysis service, you should try every possible services in order to find the best suitable service for your data.</p><p>For the response time, the Amazon Comprehend service is faster than Azure Text Analytics. It might be caused by the propagation delay of the internal network. However, the local network does not affect the response time since I executed the service on each VM Instances.</p><p>For the price, if we assume that each row of texts has exactly 300 characters, Amazon will be the winner since its price are cheaper comparing to Azure. We pay 1 baht to Amazon for getting about 190 sentiments of the row of words but we can get only 125 sentiments of the row of words from Azure in the same price.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*G-zHQgciQElSMGLIUxxxWA.png" /></figure><h3>Conclusion</h3><p>The Amazon Comprehend is the winner when comparing with the speed. For the precision, it depends on the datasets but the Amazon Comprehend trend to be the winner.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=6ac81044f509" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[สร้าง Line Chatbot ของเราเองง่ายๆ ด้วย Dialogflow]]></title>
            <link>https://medium.com/altotech/%E0%B8%AA%E0%B8%A3%E0%B9%89%E0%B8%B2%E0%B8%87-line-chatbot-%E0%B8%82%E0%B8%AD%E0%B8%87%E0%B9%80%E0%B8%A3%E0%B8%B2%E0%B9%80%E0%B8%AD%E0%B8%87%E0%B8%87%E0%B9%88%E0%B8%B2%E0%B8%A2%E0%B9%86-%E0%B8%94%E0%B9%89%E0%B8%A7%E0%B8%A2-dialogflow-5f5551b6aeae?source=rss-4b292b4c4eab------2</link>
            <guid isPermaLink="false">https://medium.com/p/5f5551b6aeae</guid>
            <dc:creator><![CDATA[Ekkalak Leelasornchai (FM)]]></dc:creator>
            <pubDate>Fri, 24 Aug 2018 18:48:38 GMT</pubDate>
            <atom:updated>2018-08-24T18:49:25.754Z</atom:updated>
            <content:encoded><![CDATA[<p>Chatbot เริ่มเข้ามามีบทบาทในชีวิตของเรามากขึ้นเรื่อยๆ เพราะว่า Chatbot สามารถนำไปใช้ได้ในหลายๆด้าน ทั้งใช้เป็นตัวช่วยตอบลูกค้าของ Customer Service เป็นตัวช่วยดำเนินการแทน Call Center ต่างๆ แล้วยังไปใช้เพื่อเป็นช่องทางให้ลูกค้าเข้าถึงบริษัทของเราได้มากขึ้นด้วย</p><p>แต่เนื่องจากยังมีหลายๆคนที่ไม่รู้ว่า จริงๆแล้ว เราสามารถสร้าง Chatbot ของเราด้วยตัวเองได้ โดยที่ไม่จำเป็นต้องมี Programming skill หรือความรู้ทาง Math ที่โหดๆเลย ผมจึงทำ Blog นี้ขึ้นมา เพื่อให้ทุกคนได้ลองสร้าง Chatbot ของตัวเองกันครับ</p><p>ใน Blog นี้จะไม่บรรยายสรรพคุณของ Chatbot มากนะครับ เพราะน่าจะพอรู้จักกันอยู่แล้ว เดี๋ยวขอสอนการทำ Chatbot ด้วย Dialogflow เลยครับ (จริงๆแล้ว มีตัวช่วยทำ Chatbot อยู่หลายเจ้า แต่ผมจะขอใช้ Dialogflow ครับ)</p><h3>แนะนำ Dialogflow คร่าวๆ</h3><p>Dialogflow เป็น Service ของ Google ซึ่งจะไม่ใช่ Chatbot ที่ทำได้แค่ตั้ง If Else ธรรมดา เพราะว่ามันมี AI (ที่ใช้ Machine Learning) อยู่เบื้องหลัง ทำให้สามารถทำอะไรที่ฉลาดๆได้ เช่น หา Intent ของข้อความ หรือหา Name Entity ในข้อความ ซึ่ง Dialogflow นั้น“รองรับภาษาไทย”ครับ ก็คือ AI ของ Dialogflow สามารถทำงานบนภาษาไทยได้</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/801/1*50rG5q86I99_o1vGGTying.png" /></figure><p>ดังนั้นมาเริ่มกันเลยดีกว่า !</p><h4>สร้าง Channel ในฝั่งของ Line</h4><p>เนื่องจากเราจะเอา Dialogflow มา Integrate กับ Line ดังนั้น เราจึงจำเป็นต้องสร้าง Channel ใน Line ขึ้นมาก่อน</p><p>ให้เข้าไปที่ <a href="https://developers.line.me/console/">https://developers.line.me/console/</a> เลยครับ</p><p>จากนั้นก็ Log in เลยครับ โดยเราสามารถใช้ username และ password ปกติของ Line เราได้นะครับ ซึ่งถ้า Log in ใน Line Developer เป็นครั้งแรก จะต้องไปใส่ Developer Name กับ Email ต่อครับ</p><p>หลังจากนั้นให้กด Create New Provider นะครับ แล้วก็ใส่ข้อมูลต่างๆของ Provider ไปครับ และเมื่อเราสร้าง Provider เสร็จ เราจะเจอหน้าที่ให้กดเพิ่ม Channel ครับ</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/283/1*A9E_PzraN91EApm2lH-4eA.png" /><figcaption>กด Create new channel ครับ</figcaption></figure><p>จากนั้นเลือก Messaging API ครับ แล้วตั้งชื่อ Channel กับใส่ Detail ครับ ซึ่งเวลาคนอื่นแอด Line Chatbot ของเรา จะเห็นชื่อของมันเป็นชื่อ Channel เนี่ยแหละครับ</p><p>เมื่อสร้าง Channel เราจะอยู่ที่ Tab Channel Settings ครับ ซึ่งจะเป็นข้อมูลต่างๆ ของ Channel เราครับ ซึ่งถ้าเลื่อนไปด้านล่างสุด เราจะเจอ QR Code ครับ ซึ่งสามารถ Scan เพื่อแอด Chatbot เราได้ครับ ให้ทุกคนลองแอดดูเลยครับ แล้วจะเจอ Chatbot ของเรา ที่จะตอบตาม Default ของ Line ครับผม (แต่ยังตอบตามที่เราต้องการไม่ได้) ตอนนี้เราก็ได้ Chatbot ของเรามาแล้วครับ แต่ยังไม่ Cool พอครับ เราต้องไปทำให้มันตอบตามที่เรากำหนดได้ด้วยครับ</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/367/1*UbRohulJ3Nfvml8vG11wyQ.png" /><figcaption>ได้ Chatbot ง่ายๆของเราเองแล้วค้าบ</figcaption></figure><p>หมายเหตุ: ในขั้นตอนนี้จะไม่ได้อธิบายรายละเอียดของ Provider และ Channel ไว้ ซึ่งสามารถหาอ่านเพิ่มเติมได้ครับ เพราะใน Blog นี้ จะเน้นให้ลองทำออกมาก่อนครับ</p><h4>ถึงคิว Dialogflow แล้วครับ</h4><p>เมื่อเราได้ Line Chatbot แล้ว ต่อไปก็จะเป็นการนำ Dialogflow มารวมกับ Line ครับ</p><p>ให้เข้าไปที่ <a href="https://dialogflow.com/">https://dialogflow.com/</a> ครับ แล้วกด Go to console ครับ ซึ่งเว็บจะให้เรา Sign In ครับ สามารถ Sign in ด้วย Gmail ได้เลยครับ</p><p>จากนั้นให้เราทำการ Create Agent ครับ ซึ่ง Agent จะเหมือนกับตัวที่จะคอยมาตอบให้เรา อย่าลืมเลือกเป็นภาษาไทยนะครับ</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/825/1*eV3cmi4R7f8ER7MCwuXe-g.png" /><figcaption>ทำการสร้าง Agent เลยครับ</figcaption></figure><p><strong>สร้าง Intent กันก่อนดีกว่า</strong></p><p>Intent คือ กลุ่มประโยคที่มีความต้องการเหมือนกัน ซึ่งเราสามารถสอนให้ Agent ของเราเรียนรู้และกำหนดคำตอบสำหรับแต่ละ Intent ได้ เช่น สมมติเราตั้ง Intent ว่า Greeting ซึ่งเรา train ด้วยข้อความว่า “สวัสดี”, “ฮัลโหล”, “ดีครับ”, “โย่วๆ” ไป จากนั้นเมื่อ Chatbot ของเราได้รับข้อความที่มีความคล้ายกับข้อความข้างต้น เช่น “หวัดดี” หรือ “ฮัลโหลวค้าบ” Chatbot ก็ยังเข้าใจว่าได้รับข้อความเหมือนกับข้อความว่า “สวัสดี​” ซึ่งเราก็สามารถกำหนดได้ว่าจะให้ตอบไปว่าอะไร</p><p>สร้าง Intent ด้วยการกดเครื่องหมายบวกด้านหลังคำว่า Intent</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/718/1*NapfWYYackS20uzSuj6yPg.png" /></figure><p>ตั้งชื่อ Intent เลือก Add Training phrases แล้วพิมพ์ข้อความที่จะสอน Intent นี้แล้วกด Enter</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/811/1*L9b9Wt0bxGm-q1Ux0DOArQ.png" /></figure><p>Add Response แล้วเพิ่มข้อความที่จะตอบ เมื่อได้รับข้อความใน Intent นี้กด Enter เพื่อเพิ่มคำตอบใหม่ ถ้ามีหลาย Response Agent จะเลือกสุ่มตอบไป Response เดียว</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/814/1*7KiIv634PsyPKa8LGPgcYg.png" /></figure><p>ในตอนนี้คือ ถ้าผู้ใช้ส่งข้อความอะไรที่คล้ายๆกับ “ฮัลโหลวว”, “โย่วๆ”, “ทักทายครับ”, “สวัสดีจ้า” (มี intent เป็นการทักทาย) ทางบอทเราจะตอบกลับไปว่า “หวัดดีเราบอทเองงง”, “ดีจ้าาา” หรือไม่ก็ “ฮัลโหลค้าบบบบ”</p><p>เรียบร้อยแล้วก็กด Save เลย</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/844/1*3PgPDNMLJwY-H2Ol9yynUA.png" /><figcaption>เมื่อ save แล้วจะได้แบบนี้ (อย่าลืมตั้งชื่อ Intent นะครับ)</figcaption></figure><p>ตอนนี้เราได้บอทที่ตอบได้ตาม intent ที่ได้รับมาแล้ว แต่เรายังไม่ได้รวมกับไลน์เลย</p><h4>เชื่อม Dialogflow กับ Line</h4><p>ไปที่ Integration ที่เมนูทางด้านซ้ายมือ</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/263/1*bnLgOUyq063Wr_XCVaM9SQ.png" /></figure><p>เมื่อกดไปเราจะเจอ Platform สำหรับ Chat เต็มเลยครับ ซึ่งทั้งหมดนี่ถูกรองรับด้วย Dialogflow ทั้งหมดเลย</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*ro2Dm36VFngf1GnCNPG__w.png" /></figure><p>หาของ Line ให้เจอครับแล้วกด Switch เลยครับ แล้วเราจะเจอหน้าต่างแบบนี้</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*YQW1cBvg5mItTf8MdquWNw.png" /></figure><p>ตรงนี้ให้เรากลับไปดูที่ Line Developer ที่ผมให้เปิดเก็บไว้ครับ ตรงหน้า Channel Setting ครับ ให้เราหา Channel ID, Channel Secret เมื่อเจอก็ Copy ไปแปะที่หน้าต่างใน Dialogflow ได้เลยครับ ส่วน Channel Access Token จะอยู่อีกส่วนนึงครับ</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Xm4tOr-IMhTjOefR-6g1sA.png" /></figure><p>ในรูป เราจะเห็นว่ามันไม่มี Channel Access Token ครับ ซึ่งเราต้องไปกด Issue ครับ ซึ่งเราจะต้องกำหนดอายุของ Token เราไปครับ ก็ใส่ไปแล้วกด Issue อีกทีก็จะได้ Channel Access Token มาครับ</p><p>หลังจากนำทั้งหมดไปใส่ใน Dialogflow แล้ว เราจะเห็นว่าในหน้าต่างจะมีส่วนของ Webhook URL ด้วย ให้ Copy ไว้ครับ</p><p>หมายเหตุ: Webhook URL จะเป็น URL ที่ให้ Line ใช้ส่งข้อความจาก Line เข้ามาที่ Dialogflow ของเราได้</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/820/1*dtBdJ3Tj8K98NRkvCQsB4A.png" /></figure><p>จากนั้น กลับไปที่ Line Developer ครับ ตรงข้างล่าง Channel Access Token เราจะเจอ Use webhooks ซึ่งเป็น Disable อยู่ ให้เรากด Edit แล้วเลือกเป็น Enable แล้ว Update เลยครับ</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*YyfsIEULsRF_F4s-9aipAg.png" /><figcaption>หลังจากแก้ไขแล้ว จะได้เป็น Enable แบบนี้</figcaption></figure><p>จากนั้นดูข้างล่าง Use webhooks มาอีก จะเจอ Webhook URL ที่เขียนต่อไว้ว่า Require SSL ให้เรากด Edit แล้วนำ Webhook URL จากใน Dialogflow มาแปะ หลังจากนั้น ไปกด Start ที่หน้าต่างของ Dialogflow ครับ</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/792/1*ILbP44DQDDCFaYpTK5G-XQ.png" /><figcaption>ตรง Button จะกลายเป็นคำว่า Stop แปลว่าตอนนี้ Dialogflow พร้อมตอบข้อความให้เราแล้วครับ</figcaption></figure><p>แต่ว่าใน Line ยังตอบข้อความอัติโนมัติอยู่ ซึ่งเราสามารถไปปิดได้ หาคำว่า Auto-reply messages แล้ว Disable มันครับ จะทำให้ Chatbot ของเรา ตอบแค่สิ่งที่กำหนดไว้ใน Dialogflow ครับ จากนั้นลองไปคุยกับบอทเราอีกทีเลย</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/405/1*Z78YaQUQO4eo52SyRD1Otw.png" /></figure><p>จะเห็นว่า ถ้าเราส่งคำที่คล้ายๆกับสิ่งที่ใส่ไว้ใน Traning Phase ของ Greeting ตัวบอทจะ Random ตอบตาม Response ที่เราตั้งไว้ แต่จะเห็นว่าตอนที่พิมพ์ไปว่า “อิอิ” มันไม่ตรงกับ Intent Greeting ที่เราตั้งไว้ ทำให้บอทถามกลับไปว่าฉันไม่เข้าใจค่ะ ซึ่งเป็น Default ของ Dialogflow นั่นเองครับ</p><p>ตอนนี้เราก็มี Chatbot ของเราเองแล้ว เราจะเอามาตอบคนนู้นคนนี้อแทนเราก็ทำได้ครับ ซึ่งจริงๆแล้ว Dialogflow นั้นมีอะไรให้เล่นอีกเยอะเลย เช่น เอาข้อความที่ได้รับมา Train เพิ่ม หรือทำ Name Entity หรือพวก Context หรืออื่นๆก็ตาม ทุกคนสามารถไปศึกษาเพิ่มเติมได้ครับ อ่านใน Document ของ Dialogflow เองได้เลยครับ</p><p>จริงๆแล้ว ทางทีม Altotech ของเราก็ได้นำเรื่องการสร้าง Line Chatbot ที่มี AI ด้วย Dialogflow ไปสอนที่คอร์ส Basic AI ที่ มทส. (มหาวิทยาลัยเทคโนโลยีสุรนารี) มาครับ ซึ่งได้รับ Feedback มาว่าเรื่องนี้น่าสนใจ น่าสนุกครับ จึงได้เขียน Blog นี้ขึ้นมา และหวังว่าบทความนี้จะมีประโยชน์กับหลายๆคนนะครับ</p><p>ติดตาม Blog สาระๆ ทั้งด้าน Software Development, AI, Machine Learning ได้ที่ medium.com/altotech นะคร้าบบ</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=5f5551b6aeae" width="1" height="1" alt=""><hr><p><a href="https://medium.com/altotech/%E0%B8%AA%E0%B8%A3%E0%B9%89%E0%B8%B2%E0%B8%87-line-chatbot-%E0%B8%82%E0%B8%AD%E0%B8%87%E0%B9%80%E0%B8%A3%E0%B8%B2%E0%B9%80%E0%B8%AD%E0%B8%87%E0%B8%87%E0%B9%88%E0%B8%B2%E0%B8%A2%E0%B9%86-%E0%B8%94%E0%B9%89%E0%B8%A7%E0%B8%A2-dialogflow-5f5551b6aeae">สร้าง Line Chatbot ของเราเองง่ายๆ ด้วย Dialogflow</a> was originally published in <a href="https://medium.com/altotech">AltoTech</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[สร้าง Mobile App ง่ายๆ ทั้ง iOS และ Android แค่ลากวางด้วย Thunkable Part 3]]></title>
            <link>https://medium.com/altotech/%E0%B8%AA%E0%B8%A3%E0%B9%89%E0%B8%B2%E0%B8%87-mobile-app-%E0%B8%87%E0%B9%88%E0%B8%B2%E0%B8%A2%E0%B9%86-%E0%B8%97%E0%B8%B1%E0%B9%89%E0%B8%87-ios-%E0%B9%81%E0%B8%A5%E0%B8%B0-android-%E0%B9%81%E0%B8%84%E0%B9%88%E0%B8%A5%E0%B8%B2%E0%B8%81%E0%B8%A7%E0%B8%B2%E0%B8%87%E0%B8%94%E0%B9%89%E0%B8%A7%E0%B8%A2-thunkable-part-3-df5295946eeb?source=rss-4b292b4c4eab------2</link>
            <guid isPermaLink="false">https://medium.com/p/df5295946eeb</guid>
            <dc:creator><![CDATA[Ekkalak Leelasornchai (FM)]]></dc:creator>
            <pubDate>Wed, 08 Aug 2018 15:53:11 GMT</pubDate>
            <atom:updated>2018-08-24T10:34:03.427Z</atom:updated>
            <content:encoded><![CDATA[<p>จากใน Part 2 ที่เราสร้าง UI ของ App เรากันแล้ว ในส่วนของ Part นี้จะเป็นการใส่ Logic บ้างครับ</p><h3>ใส่ Logic ให้ App ของเราโดยที่ไม่ต้องเขียน Code สักตัวอักษรเดียว</h3><p>ขั้นแรกไปที่หน้า block นะครับ เราจะเจอหน้าแบบนี้</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Lzw5b6x8Did0OGzaNAjKMw.png" /></figure><p>ซึ่ง Logic ของ App TodoList ของเราก็คือ เมื่อเรากด Add ข้อความที่เราพิมพ์ใส่ TextInput จะไปขึ้นมาอยู่ใน List ของเรา</p><p>ดังนั้นเราจะมีขั้นตอนดังนี้</p><ol><li>สร้างตัวแปร List ขึ้นมา ชื่อ todos</li><li>Set ค่าเริ่มต้นของตัวแปร todos ให้เป็น list ว่าง</li><li>เมื่อ button1 ถูก click ให้ทำเพิ่ม สิ่งที่อยู่ใน TextInput เข้าไปในตัวแปร todos และ set ให้ ListView ของเรามีค่าเป็นตัวแปร todos และจากนั้นก็ทำให้ ข้อความใน TextInput ของเราหายไป</li></ol><h4>มาเริ่มขั้นแรกกันเลย สร้างตัวแปร List ขึ้นมาชื่อ todos</h4><p>เลือกตรงแถบ Variable ด้านข้างแล้วกด Create variable ใส่ชื่อ todos ไปจะได้เป็นแบบนี้</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/427/1*Ckg9l9QkD2eR6vRbVTavDQ.png" /></figure><h4>ขั้นถัดมา Set ค่าเริ่มต้นของตัวแปร todos ให้เป็น list ว่าง</h4><p>เลือก Screen1 แล้วลาก When Screen1 Opens มาแปะ</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/560/1*qUzwOn2p-vptQKtfZ3laxQ.png" /></figure><p>จากนั้นเลือก Variable อีกครั้ง ลาก set todos to มาแปะตรงช่อง do</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/588/1*YMOoa6EaipXm8UQt0JPBqA.png" /></figure><p>ตรงนี้หมายความว่า เมื่อ Screen1 ถูกเปิด เราจะ Set ตัวแปร todos ให้เป็นอะไรบางอย่าง ซึ่งเราต้องการจะให้เป็น List ว่าง ดังนั้น เราต้องไปกดที่แถบ Lists เพื่อนำ empty list มาแปะ</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/568/1*PqZtnwLEopVcrckzaiPPFQ.png" /></figure><p>ในส่วนตรงนี้คือ เมื่อ Screen1 ถูกเปิด เราจะ Set ตัวแปร todos ให้กลายเป็น list ว่าง</p><h4>ในขั้นสุดท้าย สร้าง logic ที่จะเพิ่ม todo ไปใน list และลบข้อความใน textinput เมื่อคลิก Button</h4><p>เลือก Button1 แล้วลาก When Button1 Click มาแปะ</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/616/1*abigxAodPzqdAZYLTbC3EQ.png" /></figure><p>และลาก in list insert at last as มาแปะ ในส่วนนี้คือเมื่อ Button1 ถูกคลิก จะ insert บางอย่างไปในตำแหน่งสุดท้ายของ list</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/686/1*0zIAZaLbprOGbaMSjnfGww.png" /></figure><p>จากนั้นตรง in list เราจะใส่ list ของเราซึ่งก็คือตัวแปร todos ซึ่งลากจากแถบ Variable</p><p>ส่วนหลัง as เราต้องใส่สิ่งที่จะเพิ่มไปใน todos ซึ่งก็คือ ข้อความใน TextInput ซึ่งต้องไปลาก From TextInput1 get Text จากในแถบ TextInput1 ซึ่งหมายถึงการนำข้อความที่อยู่ใน TextInput1 ออกมา เอามาแปะหลังคำว่า as</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/853/1*7fcDfqUdXgJU_PfAWSWU7Q.png" /></figure><p>จากตรงนี้ จะทำให้เมื่อ Button1 ถูก Click จะมีการ insert ข้อความใน TextInput1 เข้าไปในตำแหน่งสุดท้ายของตัวแปร todos ซึ่งทำให้ todos ของเรามีการอัพเดท</p><p>แต่ยังไม่จบครับ ตัวแปร todos ของเรา มีหน้าที่แค่เก็บข้อความ todo ของเราเฉยๆ เราต้องทำการ set ให้ ListView ของเรา มีค่าตามตัวแปร todos ด้วย เพื่อให้ข้อความใน todos ถูกแสดงผลออกมา</p><p>โดยเราจะไปลาก from List_Viewer1 set TexItems to จากแถบ List_Viewer1 ออกมาแปะต่อจากคำสั่งอันเก่า และนำตัวแปร todos จากแถบ Variable มาแปะต่อจากคำว่า to เพื่อบอกว่าจะ set ให้ List_Viewer1 มีค่าเป็นข้อความในตัวแปร todos</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/838/1*1Do-T3EgbcskX9I_Usr0mQ.png" /></figure><p>ในตอนนี้เมื่อกด Button1 ข้อความใน TextInput1 จะเข้ามาอยู่ใน List_Viewer1 แล้ว ตอนนี้ก็เหลือแค่ เคลียร์ค่าที่อยู่ใน TextInput1</p><p>ทำโดยการลาก From TextInput1 set Text to “ ” มาแปะต่อจากคำสั่งก่อนหน้า</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/829/1*fFcZR6xiK7FyNHRaFVYRLQ.png" /></figure><p>ก็เป็นอันเสร็จนะครับ สำหรับส่วนของ Logic</p><h4>มาลองเล่น App ของเรากันดู</h4><p>เข้าแอพ Thunkable ใหม่อีกครั้งครับแล้วลองเล่นเลย</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/406/1*YfikQzKFwHLst5ERGpn6LA.png" /><figcaption>เล่นได้แล้ว !!</figcaption></figure><p>เป็นไงบ้างครับทุกท่าน ตอนนี้เราสร้าง App ของเราเองได้แล้ว โดยที่ไม่ต้องเขียนโค้ดเลย มี Logic สามารถกดได้ ประมวลผลได้เหมือนแอพทั่วไปครับ</p><p>ก็สิ้นสุด Part 3 นะครับ เดี๋ยวติดตามเรื่อง การโหลดแอพมาใส่เครื่องเรา การเชื่อมกับ Database และการ Deploy ขึ้น Store ได้ที่ Part อื่นๆหลังจากนี้นะครับ</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=df5295946eeb" width="1" height="1" alt=""><hr><p><a href="https://medium.com/altotech/%E0%B8%AA%E0%B8%A3%E0%B9%89%E0%B8%B2%E0%B8%87-mobile-app-%E0%B8%87%E0%B9%88%E0%B8%B2%E0%B8%A2%E0%B9%86-%E0%B8%97%E0%B8%B1%E0%B9%89%E0%B8%87-ios-%E0%B9%81%E0%B8%A5%E0%B8%B0-android-%E0%B9%81%E0%B8%84%E0%B9%88%E0%B8%A5%E0%B8%B2%E0%B8%81%E0%B8%A7%E0%B8%B2%E0%B8%87%E0%B8%94%E0%B9%89%E0%B8%A7%E0%B8%A2-thunkable-part-3-df5295946eeb">สร้าง Mobile App ง่ายๆ ทั้ง iOS และ Android แค่ลากวางด้วย Thunkable Part 3</a> was originally published in <a href="https://medium.com/altotech">AltoTech</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[สร้าง Mobile App ง่ายๆ ทั้ง iOS และ Android แค่ลากวางด้วย Thunkable Part 2]]></title>
            <link>https://medium.com/altotech/%E0%B8%AA%E0%B8%A3%E0%B9%89%E0%B8%B2%E0%B8%87-mobile-app-%E0%B8%87%E0%B9%88%E0%B8%B2%E0%B8%A2%E0%B9%86-%E0%B8%97%E0%B8%B1%E0%B9%89%E0%B8%87-ios-%E0%B9%81%E0%B8%A5%E0%B8%B0-android-%E0%B9%81%E0%B8%84%E0%B9%88%E0%B8%A5%E0%B8%B2%E0%B8%81%E0%B8%A7%E0%B8%B2%E0%B8%87%E0%B8%94%E0%B9%89%E0%B8%A7%E0%B8%A2-thunkable-part-2-76962cefa9ab?source=rss-4b292b4c4eab------2</link>
            <guid isPermaLink="false">https://medium.com/p/76962cefa9ab</guid>
            <dc:creator><![CDATA[Ekkalak Leelasornchai (FM)]]></dc:creator>
            <pubDate>Wed, 08 Aug 2018 15:37:39 GMT</pubDate>
            <atom:updated>2018-08-21T10:43:26.430Z</atom:updated>
            <content:encoded><![CDATA[<p>หลังจากที่เราได้รู้จัก Thunkable กันใน part ที่แล้ว ใน part นี้ เราจะมาลองสร้าง App ง่ายๆด้วย Thunkable กันนะครับ</p><p>ขั้นแรกให้ Login ไปใน <a href="https://thunkable.com/#/">thunkable.com</a> กันเลยครับ จะเข้ามาเจอหน้าตาแบบนี้</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*5RnIFnAHTyWwembgXsQxew.png" /></figure><p>ก็ทำการ Create New App เลยครับ แล้วก็ตั้งชื่อ App เลยครับ ซึ่งใน Blog นี้ผมจะสร้าง App ชื่อ Todolist นะครับ</p><p>ซึ่งเราก็จะเจอหน้าที่คล้ายๆกับ Editor ที่เอาไว้สร้าง App ของเราครับ</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Rd2OwchzkEgQsmBtzTfPhQ.png" /></figure><h3>มาเริ่มกันในส่วนของการสร้าง UI ก่อนนะครับ</h3><p>เราสามารถลาก Component ต่างๆมาแปะใน screen ของเราเพื่อเป็นส่วนต่างๆใน App ของเรานะครับ</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/315/1*A79qW3X-24n_sEAaBOIo4Q.png" /><figcaption>เลือก Component ได้ตามสะดวกครับผม</figcaption></figure><p>ซึ่งเมื่อเราลาก Component ไปแปะใน screen แล้ว เราจะสามารถกำหนดลักษณะต่างๆ ของ Component นั้นๆได้ที่หน้าต่างทางขวามือของหน้าเว็บครับ</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/708/1*G2e5bbYdAcC3doSvApNoVg.png" /><figcaption>ในแถบด้านขวาจะแสดงลักษณะต่างๆของ Label ที่ผมลากไปแปะใน screen นะครับ เช่น ข้อความในLabel (Text) สีของตัวอักษร (Color) และ สีของพื้นหลัง (BackgroundColor) ก็ทำการแก้ไขตกแต่งได้เลยครับ</figcaption></figure><p>โดยที่หลักการของการวาง Component ต่างๆ จะคล้ายๆกับการเขียน CSS ให้เว็บทั่วๆไป เช่นการเลือกตำแหน่งจะใช้ flex-start, center, flex-end หรือ space ก็จะมี margin, padding ส่วน position ก็จะมี relative, absolute ซึ่งจะเหมือนกับการใช้ CSS ซึ่งด้วยหลักการพวกนี้ จะทำให้ App ที่สร้างออกมา มีความ Responsive ได้</p><p>สมมติผมต้องการจะให้ Label ที่เขียนว่า Todolist ของผมขึ้นไปอยู่ตำแหน่งบนๆ ผมจะต้องเปลี่ยน justification ของ screen จากเดิมที่เป็น “center” ให้เป็น “flex-start” (flex-start หมายถึงให้การเรียงของ Component ต่างๆใน screen เรียงโดยไปแปะที่ด้านบนก่อน ซึ่งจะเป็นหลักการของ Flexbox ซึ่งจะมีความ Responsive) ซึ่งจะได้ออกมาเป็นแบบนี้</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/275/1*k309gbb4Wmi7QbCbZ3oVuQ.png" /></figure><p>และเราจะเห็นว่ามันก็ยังติดกับขอบมากเกินไปครับ เราเลยจะมาเติมระยะให้มันหน่อย ซึ่งทำโดยการคลิกที่ Label และดู Section ที่ชื่อว่า spacing ซึ่งอยู่ในแท็บของ Advance นะครับ</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/293/1*KzjVYNf08OhKU_dhM3Pm9A.png" /></figure><p>โดยจะมีให้เราเลือกเติม Margin และ Padding นะครับ ซึ่ง Margin จะหมายถึงระยะห่างในรอบนอกของ Component ที่เราเลือกครับ เราสามารถเติม Margin เพื่อไม่ให้ Component ที่เลือก ไปอยู่ติดกับ Component อื่น ส่วน Padding จะเป็นระยะห่างของขอบของ Component กับเนื้อหาที่อยู่ภายใน Component ครับ จะทำให้เนื้อหาข้างในไม่มาชิดกับขอบของ Component มากเกินไปครับ โดยส่วนนี้เราไม่อยากให้ Component ของเราไปติดกับ screen เราจึงเติม Margin ไปครับ ซึ่งผมเลือกเติมไป 15% ครับ จะทำให้ Label อยู่ห่างจากด้านบนของ screen ประมาน 15% ของความสูง screen นะครับ ซึ่งแม้ขนาดจอของ App จะใหญ่ขึ้น ระยะห่างก็ยังมองดูเท่าๆเดิมครับ</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/726/1*ySuN8UZEjDk0Q-KuzwG5QQ.png" /></figure><p>จากนั้นผมจะนำ TextInput (ช่องให้ใส่ข้อความ) กับ Button มาแปะครับ แต่ผมอยากจะให้สอง Component นี้อยู่ในแถวเดียวกัน ซึ่งถ้าเราลากมาแปะทั้ง 2 อันเลย มันจะอยู่คนละแถวกันครับ ดังนั้น เราจะต้องใช้ Layout มาช่วยครับ</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/320/1*DUYbJgs2RU-nglE5JDpwLA.png" /><figcaption>Layout จะอยู่ด้านล่างของ Component</figcaption></figure><p>และในส่วนนี้เราจะใช้ Row มาแปะ เพื่อจะนำ Button และ TextInput มาไว้ใน Row ครับ จะทำให้ Button และ TextInput มาอยู่ในแถวเดียวกันได้</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/387/1*rVdekFmtMFIgX-DA_zrUFQ.png" /><figcaption>จะได้หน้าตาแบบนี้ครับ คือ TextInput1 และ Button1 ไปอยู่ใน Row1</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/694/1*cMWG-rQgHccjS45j311KQg.png" /><figcaption>ได้เป็นแบบนี้ครับ ส่วนความสูงความยาวของ row ก็กำหนดไปได้เลยครับ ในส่วนนี้ผมใช้ Relative Size เป็น 10% จะมีผลทำให้ row นี้มีความสูงเป็น 10% ของ screen เสมอ ซึ่งทำให้มีความ responsive ครับ</figcaption></figure><p>จากนั้นเราก็จัดหน้าตาให้ดูดีครับ TextInput มันสั้นๆไปก็เพิ่ม Width ให้มันยาวขึ้น ลดขนาด Button แล้วเพิ่มระยะห่างให้มันหน่อย ก็จะได้หน้าตาแบบนี้ครับ</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/308/1*3NJinEzmdXMJ3x286aMOaw.png" /><figcaption>ระยะห่างใช้ margin left ของ TextInput ส่วนความยาวผมใช้เป็น relative 70%</figcaption></figure><p>จากนั้นเราจะทำการเพิ่ม List ขึ้นมา เพื่อแสดง Todo ทั้งหมดของเรานะครับ ซึ่งเราจะใช้ List Viewer นะครับ ลากมาจากกล่อง Component ได้เลย แล้วปรับขนาดกับระยะตามสะดวกครับ</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/320/1*jSCPY6N_rlM8nqHQrkI6vg.png" /><figcaption>ได้หน้าตาแบบนี้ครับ มี List_Viewer1 ขึ้นมาครับ</figcaption></figure><p>และในตอนนี้ เรามี UI ของ App เราแล้ว เราจะมาลองเปิดผ่านโทรศัพท์ของเรากันเลยครับ</p><h3>ทดลองเปิด App ผ่านโทรศัพท์</h3><p>ขั้นแรกเราต้องโหลดแอพ Thunkable มาก่อนครับ สามารถโหลดผ่าน App Store และ Play Store ได้เลย</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/404/1*LVLPv82MlpVZ1no8jXhJeQ.png" /></figure><p>จากนั้นก็เปิด App Thunkable แล้ว Login ด้วย User เดียวกับในเว็บ ตัวแอพจะขึ้นมาให้เลือก Project ของเรา จากนั้นจะเป็นหน้า App ที่เราสร้างเลย</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/405/1*qJQUBvXtjiigdg02Nl76HQ.png" /></figure><p>เป็นไงกันบ้างครับ ตอนนี้เราก็ได้ App ของเราขึ้นมาแล้ว ซึ่งไม่ต้องเขียน Code เลยสักตัวเดียว ใน part นี้จะสิ้นสุดตรงนี้ครับ</p><p>ซึ่งเราจะมาเพิ่ม Logic ให้ App ของเรากันใน <a href="https://medium.com/altotech/%E0%B8%AA%E0%B8%A3%E0%B9%89%E0%B8%B2%E0%B8%87-mobile-app-%E0%B8%87%E0%B9%88%E0%B8%B2%E0%B8%A2%E0%B9%86-%E0%B8%97%E0%B8%B1%E0%B9%89%E0%B8%87-ios-%E0%B9%81%E0%B8%A5%E0%B8%B0-android-%E0%B9%81%E0%B8%84%E0%B9%88%E0%B8%A5%E0%B8%B2%E0%B8%81%E0%B8%A7%E0%B8%B2%E0%B8%87%E0%B8%94%E0%B9%89%E0%B8%A7%E0%B8%A2-thunkable-part-3-df5295946eeb"><strong>Part 3</strong></a> นะครับ ติดตามกันได้เลยครับ</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=76962cefa9ab" width="1" height="1" alt=""><hr><p><a href="https://medium.com/altotech/%E0%B8%AA%E0%B8%A3%E0%B9%89%E0%B8%B2%E0%B8%87-mobile-app-%E0%B8%87%E0%B9%88%E0%B8%B2%E0%B8%A2%E0%B9%86-%E0%B8%97%E0%B8%B1%E0%B9%89%E0%B8%87-ios-%E0%B9%81%E0%B8%A5%E0%B8%B0-android-%E0%B9%81%E0%B8%84%E0%B9%88%E0%B8%A5%E0%B8%B2%E0%B8%81%E0%B8%A7%E0%B8%B2%E0%B8%87%E0%B8%94%E0%B9%89%E0%B8%A7%E0%B8%A2-thunkable-part-2-76962cefa9ab">สร้าง Mobile App ง่ายๆ ทั้ง iOS และ Android แค่ลากวางด้วย Thunkable Part 2</a> was originally published in <a href="https://medium.com/altotech">AltoTech</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
    </channel>
</rss>