<?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 Gant Kulnirundorn on Medium]]></title>
        <description><![CDATA[Stories by Gant Kulnirundorn on Medium]]></description>
        <link>https://medium.com/@nattkuln?source=rss-508a56e15417------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/0*1W3h24c9IDiifCYF.</url>
            <title>Stories by Gant Kulnirundorn on Medium</title>
            <link>https://medium.com/@nattkuln?source=rss-508a56e15417------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Sat, 21 Nov 2026 22:12:21 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@nattkuln/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[“มีนา” เป็นผู้หญิงหรือผู้ชาย? บอกได้ด้วย Machine Learning]]></title>
            <link>https://medium.com/@nattkuln/%E0%B8%A1%E0%B8%B5%E0%B8%99%E0%B8%B2-%E0%B9%80%E0%B8%9B%E0%B9%87%E0%B8%99%E0%B8%9C%E0%B8%B9%E0%B9%89%E0%B8%AB%E0%B8%8D%E0%B8%B4%E0%B8%87%E0%B8%AB%E0%B8%A3%E0%B8%B7%E0%B8%AD%E0%B8%9C%E0%B8%B9%E0%B9%89%E0%B8%8A%E0%B8%B2%E0%B8%A2-%E0%B8%9A%E0%B8%AD%E0%B8%81%E0%B9%84%E0%B8%94%E0%B9%89%E0%B8%94%E0%B9%89%E0%B8%A7%E0%B8%A2-machine-learning-e8bcf1733086?source=rss-508a56e15417------2</link>
            <guid isPermaLink="false">https://medium.com/p/e8bcf1733086</guid>
            <category><![CDATA[thai]]></category>
            <category><![CDATA[lstm]]></category>
            <category><![CDATA[machine-learning]]></category>
            <category><![CDATA[tensorflow]]></category>
            <category><![CDATA[nlp]]></category>
            <dc:creator><![CDATA[Gant Kulnirundorn]]></dc:creator>
            <pubDate>Thu, 05 Jul 2018 07:36:46 GMT</pubDate>
            <atom:updated>2018-07-07T19:27:32.699Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*tEoL8Q0OUAC3Ny0gm8Lnpw.jpeg" /></figure><p>ช่วงนี้หลายคนกำลังตื่นตัวเรื่อง machine learning และ AI ผมก็เป็นหนึ่งในนั้นครับ</p><p>วันนี้จะเล่าถึงโปรเจคเล็กๆที่ลองทำเอาสนุก เพราะอยากทดลองทำโปรเจคที่ใช้ ML ตั้งแต่ต้นจนจบ เป็นโปรแกรมที่ทายเพศจากชื่อจริง ถ้าสนใจลองเล่นได้ที่ <a href="https://www.nkuln.com/lab/gender/">https://www.nkuln.com/lab/gender/</a></p><p><strong>Update (2018–07–07):</strong> โค้ดประกอบบทความ <a href="http://bit.ly/2m090GM">http://bit.ly/2m090GM</a></p><h4>เห็นชื่อแล้วรู้ได้ไง ว่าเป็นชื่อผู้ชายหรือผู้หญิง?</h4><p>ถ้าลองคิดดูเล่นๆ คนเราพอเห็นชื่อจริงภาษาไทย ก็พอจะเดาได้ว่าเป็นชื่อผู้ชายหรือผู้หญิง เนื่องจากเราเห็นตัวอย่างตลอดชีวิตมาจำนวนมาก</p><ul><li>ถ้ามีคำว่า “<strong>ศักดิ์</strong>” คงเป็นผู้ชาย?</li><li>ถ้าเห็นชื่อลงท้ายด้วย “<strong>พร</strong>” น่าจะเป็นผู้หญิง?</li><li>“-<strong>พรรณ</strong>” “-<strong>วุฒิ</strong>” และอื่นๆอีกมากมาย</li></ul><p>ที่รู้สึกว่าน่าสนใจมาก คือ เราจะสามารถสอนคอมพิวเตอร์ให้ตัดสินได้ โดยโยนตัวอย่างให้ดูเยอะๆ แต่ไม่ต้องสอนกฏยุ่งยากพวกนี้เลยได้ไหม?</p><h4>เริ่มจากหาข้อมูลก่อน</h4><p>เราต้องการข้อมูลสำหรับสอน และสำหรับการประสิทธิภาพของโปรแกรมทำนายที่เราจะทำขึ้นมา (labeled data) โดยข้อมูลที่ว่าจะมีชื่อและคำตอบ</p><iframe src="" width="0" height="0" frameborder="0" scrolling="no"><a href="https://medium.com/media/c00741a22c35277853a03611193b78cb/href">https://medium.com/media/c00741a22c35277853a03611193b78cb/href</a></iframe><p>ขั้นตอนนี้มักจะลำบาก เพราะการหาข้อมูลสะอาดมีคุณภาพนั้นไม่ง่าย หลายครั้งต้องลงทุนใช้คนที่มีความรู้ช่วย label ข้อมูลโดยเฉพาะ ใช้เงินจำนวนไม่น้อย</p><p>ถ้าเราเป็นส่วนหนึ่งของทีมที่มี service บน production เราอาจนำ log data มาใช้ได้ (แน่นอนว่าขึ้นอยู่กับข้อตกลงกับ user ว่าเราสามารถเก็บ log และนำ log data มาปรับปรุง service ได้หรือเปล่า) <a href="https://life.wongnai.com/wongnai-search-improvement-using-machine-learning-part1-e0777b65979e">ขอยกตัวอย่างของ Wongnai</a> ที่ใช้ข้อมูลจาก log ชี้นำและแก้ไขให้ระบบ search ค้นหาข้อมูลได้ดีขึ้น</p><p>เนื่องจากตั้งใจทำเป็นโปรเจคขำๆ :-) ครั้งนี้เลยใช้วิธีการ scrape ข้อมูลจากเว็บไซต์ที่มีรายชื่อคนไทยจำนวนมาก และแปลงจากคำนำหน้า “นาย” “นาง” ”นางสาว” “ด.ช.” “เด็กหญิง” มาเป็นเพศ ทำได้ training data มาประมาณ 30,000 ชื่อ ที่คิดว่าสะอาดพอ</p><h4>ทำโมเดลสำหรับทำนาย</h4><p>ถ้าเราไม่ใช้ machine Learning มาช่วย เราอาจจะต้องพยายามไล่กฏทั้งหมดที่พอจะคิดได้ออกมา แล้วแปลงมาเป็นโค้ด</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/864/1*dWSuENRYNLqXxmfG_w7rsA.png" /><figcaption>ตัวอย่างง่ายมากๆ อย่า copy ไปใช้เลยนะของแบบนี้ :-)</figcaption></figure><p>แต่เนื่องจากชื่อไทยอาจจะไม่ได้มีมากมายขนาดนั้น? (โอเค อาจจะไม่จริง ต้องลองดูชื่อเด็กสมัยนี้/ดารา) ดังนั้นเราเอาชื่อทั้งหมดไปใส่ไว้ใน dictionary ก็ได้ เวลาหาจะได้เร็วๆ อันไหนหาไม่เจอก็เดาว่าเป็นผู้หญิง (หรือผู้ชาย)</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/865/1*nUXoNq_RRw8zXpbNHZDBWw.png" /><figcaption>ใช้ dictionary เก็บชื่อทั้งหมดที่รู้คำตอบ</figcaption></figure><p>ทั้งสองวิธีนี้ โดยเฉพาะวิธีที่สอง ถือว่าทำงานได้เร็ว และไม่ได้ใช้ memory เยอะมากมายอะไร แต่จะมีข้อจำกัดที่ต้องพยายามหากฏออกมาทั้งหมด (สำหรับวิธีแรก) และการที่ไม่สามารถให้คำตอบกับชื่อที่ไม่เคยเห็นมาก่อนเลยได้ (ในกรณีที่สอง) ชื่อ</p><h4>เครือข่ายประสาทเทียม — Neural Network</h4><p>Neural network เป็นแขนงนึงของ machine learning ที่ได้รับแรงบันดาลใจมาจากวิธีการที่สมองมนุษย์ทำงาน ก่อนหน้านี้ผู้คนเลิกสนใจแขนงนี้ไประยะนึง เพราะต้องใช้พลังประมวลผลเยอะมาก คอมพิวเตอร์ในสมัยก่อนไม่สามารถรองรับได้</p><p>ปัจจุบันพลังการประมวลเพิ่มขึ้นเยอะมากจนพอจะเห็นผลลัพธ์เจ๋งๆจากเทคนิคที่เคยเสนอไว้หลายปีก่อนได้แล้ว จึงได้กลับมาบูมอีกครั้ง</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/700/1*SIkg0R2XYNHviPhtRlUf8Q.gif" /><figcaption>ตัวอย่างการเรียนรู้ของ Neural Network ไปเล่นต่อได้ที่ <a href="https://playground.tensorflow.org/">https://playground.tensorflow.org/</a></figcaption></figure><p>ครั้งนี้ ผมใช้ neural network ประเภทหนึ่งที่เรียกว่า LSTM ซึ่ง LSTM เหมาะกับข้อมูลที่มีลักษณะเป็น sequence</p><p>LSTM สามารถเลือกจำคุณสมบัติบางอย่างของข้อมูลที่มันเคยเห็นมาก่อน ทำให้คิดว่า ถ้าเราสอนมันให้รู้ว่าถ้าเห็น sequence ที่เป็น “พ” ตามด้วย “ร” มันควรจะเดาได้ว่าเป็น ผู้หญิง จึงคิดว่าน่าจะเหมาะกับงานนี้ (จริงๆแล้วควรทดลองเทียบกับวิธีอื่นๆหลายๆวิธี)</p><h4>เลือกใช้ Tensorflow</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/200/1*J1Y9Qgyvm4eASeS506BMHA.png" /></figure><p>Tensorflow เป็น framework ตัวหนึ่งที่นำมาใช้ทำโมเดลที่เราต้องการได้ ผมเลือกใช้ Tensorflow ด้วยเหตุผลไม่มาก</p><ul><li>คอร์ส Deeplearning.ai ที่เรียนอยู่ใช้ Tensorflow ประกอบการสอนช่วงแรก</li><li>มีกลุ่มผู้ใช้ เอกสารประกอบ และตัวอย่างค่อนข้างเยอะ</li></ul><p>ตอนนี้พอมามองย้อนกลับไปก็คิดว่า <a href="https://keras.io/">Keras </a>ก็น่าสนใจเหมือนกัน</p><ul><li>เป็น framework ที่ high-level ทำให้เราเห็นผลลัพธ์ได้เร็วกว่า สนุกกว่า ตัวอย่างก็ไม่ได้มีน้อยกว่า</li><li>ถ้าเราไม่ได้ต้องการลงลึก หรือ implement อะไรใหม่ๆจาก paper ผมคิดว่า Keras น่าจะเป็นตัวเลือกที่ดีเช่นกัน</li></ul><p>ลักษณะการเขียนโค้ดใน Tensorflow จะเป็นการสร้าง computation graph คือเป็นการบรรยายว่ารูปแบบการคำนวณทำยังไง เอาผลลัพธ์ไปทำอะไรต่อ</p><p>ถ้าใครคุ้นเคยกับคอนเซ็ปต์ของ Promise ใน Javascript หรือ ListenableFuture&lt;&gt; หรือ dependency injection ใน Java คงจะพอนึกออก ส่วนตัวรู้สึกว่าเรื่องนี้ทำให้ debug ยากขึ้นอย่างมีนัยะสำคัญเหมือนกัน แต่เป็นสิ่งจำเป็นสำหรับ Tensorflow</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/909/1*_9itEy4INdlaUukPQL2r9A.png" /><figcaption>ตัวอย่างโค้ดสำหรับทำโมเดลด้วย LSTM ใน Tensorflow</figcaption></figure><h4>ฝึกโมเดล — Training</h4><p>ถือว่าเป็นขั้นตอนที่น่าตื่นเต้น ขั้นตอนนี้เราจะเอาข้อมูลที่เตรียมไว้ส่งเข้าไปให้โมเดลดูแล้วพยายามตอบ ถ้าตอบผิด ผลลัพธ์ที่ได้จะถูกนำไปใช้ในการปรับพฤติกรรม ทำให้ครั้งต่อไปมีโอกาสจะตอบถูกมากขึ้น</p><p>เราแบ่งข้อมูลออกเป็น 2 ส่วน คือ training set กับ development set (dev set) สำหรับ training set มองง่ายๆคล้ายๆเป็นข้อสอบเก่าพร้อมเฉลย ส่วน dev set เป็นข้อสอบที่โมเดลไม่เคยเห็นมาก่อน เอาไว้สอบวัดคะแนนปลายเทอมเท่านั้น</p><p>หลังจากฝึกจนได้ผลลัพธ์เป็นที่พอใจ ก็ข้ามไปขั้นตอนถัดไป</p><blockquote>Epoch: 0 Train acc: 0.77 Test acc: 0.7912266<br>Epoch: 1 Train acc: 0.81 Test acc: 0.8269699<br>Epoch: 2 Train acc: 0.83 Test acc: 0.84240454<br>Epoch: 3 Train acc: 0.84 Test acc: 0.848091<br>Epoch: 4 Train acc: 0.87 Test acc: 0.8610886<br>Epoch: 5 Train acc: 0.9 Test acc: 0.8659626<br>Epoch: 6 Train acc: 0.9 Test acc: 0.8683997<br>Epoch: 7 Train acc: 0.91 Test acc: 0.8700244<br>Epoch: 8 Train acc: 0.91 Test acc: 0.8740861<br>Epoch: 9 Train acc: 0.91 Test acc: 0.8716491<br>Epoch: 10 Train acc: 0.92 Test acc: 0.8740861<br>Epoch: 11 Train acc: 0.92 Test acc: 0.8732738<br>…</blockquote><h4>โอเค ได้โมเดลมาแล้ว จะเอาไปใช้ได้ยังไง?</h4><p>เราสามารถ export โมเดลที่ทำจาก Tensorflow ออกมาในรูปบแบบที่เรียกว่า SavedModel ได้ หลังจากนั้นถ้าเราอยากใช้ model ในการทำนายแบบ interactive/online (เช่น user ที่ใช้งานผ่าน web application) มีตัวเลือกค่อนข้างเยอะ</p><ul><li>ใช้ <a href="https://www.tensorflow.org/serving/">Tensorflow Serving</a> ที่ทีม TF เตรียมไว้ให้แล้ว โปรมแกรมจะทำตัวเป็น server ที่มี API ให้ใช้ทั้งแบบ REST และ gRPC (ที่ใช้ยากกว่า แต่ประสิทธิภาพดีกว่า)</li><li>โฮสต์บน <a href="https://cloud.google.com/ml-engine/docs/tensorflow/technical-overview">Google Cloud ML Engine </a>อันนี้ไปดูมาแล้วแอบแพงเหมือนกัน ชั่วโมงละ 0.03 USD</li><li>ใช้ <a href="https://js.tensorflow.org/">Tensorflow.js</a> แปลงไปเป็นเวอร์ชันที่ทำงานบน Javascript ได้! อันนี้ลองเล่นแล้วแต่ปรากฎว่าหลายๆอย่างยังไม่พร้อมทำให้แปลง model ไม่สำเร็จ</li><li>แปลงไปเป็นรูปแบบอื่นเช่น Core ML เพื่อไปใช้บน iOS สำหรับสาวก :-)</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*jUqLuFWQXEuxDRxLqC2-lg.png" /><figcaption>รูปตัดปะจาก <a href="https://www.tensorflow.org/serving/">https://www.tensorflow.org/serving/</a></figcaption></figure><h4>ผลลัพธ์</h4><p>วัดตาม development set ซึ่งเป็นส่วนหนึ่งของข้อมูลที่กันเอาไว้ก่อนและ model ไม่เคยได้เห็นข้อมูลส่วนนี้ ได้ผลถูกต้อง 86–87% ถือว่ายังไม่ดี หลังจากดูผลลัพธ์และทดลองให้เพื่อนๆเล่น รู้สึกว่ายังน่าจะทำได้ดีกว่านี้</p><ul><li>“สมรัตน์” ตอบ ผู้ชาย (มั่นใจ 58%) จริงๆแล้วเป็น ผู้หญิง</li><li>“สมพงษ์” ตอบ ผู้ชาย (มั่นใจ 94%) จริงๆแล้วเป็น ผู้หญิง (ในข้อมูลจริง)</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*KFm1gAMoRYsIHtMX4E9X0Q.png" /><figcaption>เล่นต่อได้ที่ <a href="https://www.nkuln.com/lab/gender/">https://www.nkuln.com/lab/gender/</a></figcaption></figure><h4>ปัญหาอื่นๆ</h4><p>Machine learning สามารถเอามาใช้แก้ปัญหาได้หลายอย่าง ปัจจุบันนี้เข้าถึงง่ายกว่าเดิมมาก แต่ก็ยังต้องลงทุนเยอะ เช่น ถ้ามองเฉพาะเรื่อง performance อาจจะมี algorithm ที่ทำงานเร็วกว่า ถูกกว่า และได้ผลลัพธ์ถูกต้องเพียงพอก็ได้</p><p>เรื่อง <a href="https://developers.google.com/machine-learning/fairness-overview/">Fairness </a>ก็กำลังเป็นสิ่งที่เป็นประเด็น ถ้าเราเอา machine learning มาใช้กับการตัดสินใจสำคัญๆ จะรู้ได้ยังไงว่ามันยุติธรรมกับทุกคน</p><iframe src="https://cdn.embedly.com/widgets/media.html?src=https%3A%2F%2Fwww.youtube.com%2Fembed%2F59bMh59JQDo%3Ffeature%3Doembed&amp;url=http%3A%2F%2Fwww.youtube.com%2Fwatch%3Fv%3D59bMh59JQDo&amp;image=https%3A%2F%2Fi.ytimg.com%2Fvi%2F59bMh59JQDo%2Fhqdefault.jpg&amp;key=a19fcc184b9711e1b4764040d3dc5c07&amp;type=text%2Fhtml&amp;schema=youtube" width="854" height="480" frameborder="0" scrolling="no"><a href="https://medium.com/media/3e4fc50ebe589eaf01030ab820a9fa9e/href">https://medium.com/media/3e4fc50ebe589eaf01030ab820a9fa9e/href</a></iframe><h4>อยากเรียนรู้ด้านนี้เพิ่ม เริ่มยังไงดี?</h4><p>ออกตัวก่อนว่าตอนนี้ก็ยังเรียนรู้เรื่องนี้เพิ่มอยู่ แต่ resource ที่ใช้มี</p><ul><li>เอกสารของ <a href="http://scikit-learn.org/stable/index.html">library scikit-learn</a> มีตัวอย่างและคำแนะนำให้ทดลองเล่นตามได้ง่ายๆ</li><li>คอร์สของ <a href="https://www.deeplearning.ai/">Deeplearning.ai</a> ถ้าไม่อยากลงทะเบียนเรียน (เดือนละ 50 USD) สามารถดูวิดีโอบน <a href="https://www.youtube.com/watch?v=CS4cs9xVecg&amp;list=PLkDaE6sCZn6Ec-XTbcX1uRg2_u4xOEky0">YouTube</a> ได้</li><li>อ่าน<a href="https://www.amazon.com/Hands-Machine-Learning-Scikit-Learn-TensorFlow/dp/1491962291">เล่มนี้</a>ยังไม่จบ (และอาจจะไม่จบ) เลยยังไม่อยากแนะนำ แต่ส่วนของ RNN ที่อ่านมาถือว่าดี ตัวอย่างใช้งานได้จริง</li></ul><p>ขอบคุณที่อ่านจนจบ :-) หวังว่าจะได้รับอะไรกลับไปบ้าง และยินดีรับคำแนะนำติชมเต็มที่ครับ</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=e8bcf1733086" width="1" height="1" alt="">]]></content:encoded>
        </item>
    </channel>
</rss>