<?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 New Naveen on Medium]]></title>
        <description><![CDATA[Stories by New Naveen on Medium]]></description>
        <link>https://medium.com/@newnaveen?source=rss-7dae393998f6------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/1*TjdE7Z-EhG_V2JygbmTH_w.jpeg</url>
            <title>Stories by New Naveen on Medium</title>
            <link>https://medium.com/@newnaveen?source=rss-7dae393998f6------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Tue, 17 Nov 2026 10:01:21 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@newnaveen/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[เริ่มต้นเอา AI / data มาใช้ในองค์กรของเราอย่างไรดี]]></title>
            <link>https://medium.com/@newnaveen/%E0%B9%80%E0%B8%A3%E0%B8%B4%E0%B9%88%E0%B8%A1%E0%B8%95%E0%B9%89%E0%B8%99%E0%B9%80%E0%B8%AD%E0%B8%B2-ai-data-%E0%B8%A1%E0%B8%B2%E0%B9%83%E0%B8%8A%E0%B9%89%E0%B9%83%E0%B8%99%E0%B8%AD%E0%B8%87%E0%B8%84%E0%B9%8C%E0%B8%81%E0%B8%A3%E0%B8%82%E0%B8%AD%E0%B8%87%E0%B9%80%E0%B8%A3%E0%B8%B2%E0%B8%AD%E0%B8%A2%E0%B9%88%E0%B8%B2%E0%B8%87%E0%B9%84%E0%B8%A3%E0%B8%94%E0%B8%B5-4600cd387a11?source=rss-7dae393998f6------2</link>
            <guid isPermaLink="false">https://medium.com/p/4600cd387a11</guid>
            <category><![CDATA[data-science]]></category>
            <category><![CDATA[ai]]></category>
            <category><![CDATA[business]]></category>
            <dc:creator><![CDATA[New Naveen]]></dc:creator>
            <pubDate>Wed, 31 Aug 2022 16:18:10 GMT</pubDate>
            <atom:updated>2024-05-17T03:07:03.070Z</atom:updated>
            <content:encoded><![CDATA[<p>สรุปข้อคิดจากการเข้าร่วม workshop ในงาน Techsauce Global Summit 2022</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*bJiC79yxJjJq9XVh_79-0A.jpeg" /></figure><p>วันก่อนมีโอกาสได้เข้าร่วม tech event เบอร์ใหญ่ของบ้านเรา นั่นก็คือ Techsauce Global Summit 2022 นั่นเอง งานนี้เป็นงานที่เดินสวนกันไปสวนกันมากับคนหน้าคุ้นๆ แทบจะเรียกได้ว่าเป็นงานเลี้ยงรุ่นของคนในวงการ tech ก็ว่าได้ สำหรับตัวผมเองขอโฟกัสที่ฝั่ง AI / data มาเริ่มงานวันแรก ก็โดดเข้าไปร่วมเวิร์คช็อปเลย เนื้อหาค่อนข้างมีประโยชน์ทั้งกับคนจากฝั่งธุรกิจเอง และคนฝั่ง tech ด้วย จึงขอสรุปสาระสำคัญมาในบล็อกนี้ครับ</p><h3><strong>Thinking with AI: How to Turn Problems into AI Opportunities</strong></h3><p><strong>โดย </strong>Thammanit Pipatsrisawat (Co-Founder, Looloo Technology)</p><p>คุณ Thammanit ให้ framework ในการคิดว่าจะเอา AI มาใช้ในองค์กรของเราได้อย่างไร โดยแบ่งเป็น 4 หัวข้อหลักดังนี้</p><h4><strong>1. ตั้งคำถามให้ถูก</strong></h4><p>หลักการนี้คือการมองว่าเราจะแก้ปัญหาอะไรในธุรกิจของเรา โดยโฟกัสไปที่หนึ่งหน่วยของเหตุการณ์นั้น เช่น หนึ่งสาขา ลูกค้าหนึ่งคนหรือ เหตุการณ์ในหนึ่งวัน หลังจากนั้นให้ลองคิดว่า เราควรตั้งคำถามอะไร ที่พอได้คำตอบมาแล้วจะช่วยแก้ปัญหาของเราได้</p><p>คุณ Thammanit ยกตัวอย่างว่า สมมติว่าเราเป็นร้านเบเกอรี่แห่งหนึ่ง ปัจจุบันประสบปัญหาเค้กเหลือทิ้งจำนวนมาก แต่พอลองทำเค้กออกมาขายน้อยลง เค้กก็ไม่พอขาย คำถามของเราอาจจะเป็น</p><blockquote>ใน 1 วัน เราจะขายเค้กแต่ละประเภทได้กี่ชิ้น</blockquote><p>การโฟกัสกับปัญหาที่หน่วยย่อยๆ (ในที่นี้คือ 1 วัน) จะช่วยลดทอนความซับซ้อนของปัญหา และช่วยให้เราเห็นภาพชัดขึ้นว่าเราจะแก้ปัญหาอะไร</p><p>นอกจากนี้เรายังควรตอบให้ได้ว่าปัญหาที่เราจะแก้มันมีประโยชน์กับธุรกิจอย่างไร ขั้นตอนนี้จะช่วยให้เราคัดเลือกปัญหาที่สำคัญกับธุรกิจจริงๆ อย่างในกรณีของร้านเบเกอรี่ การรู้ว่าจะขายเค้กได้เท่าไหร่จะช่วยให้ธุรกิจของเรา</p><ul><li>ลดของเหลือทิ้ง</li><li>เพิ่มโอกาสในการขายได้มากขึ้น</li><li>วางแผนการขนส่งเค้ก และจัดสรรแรงงานได้ดีขึ้น</li></ul><p>สุดท้ายในขั้นตอนนี้คือการลองคิดว่า คำตอบของคำถามจะหน้าตาเป็นอย่างไร ขั้นตอนนี้จะช่วยให้เรารู้ว่า สิ่งที่เราต้องการคืออะไร และมันช่วยแก้ปัญหาได้จริงมั้ย ในกรณีของคำถามด้านบน คำตอบควรจะหน้าตาแบบนี้</p><pre>เค้กช็อคโกแลต: 200 ชิ้น<br>เค้กสตอเบอรี่: 50 ชิ้น<br>เค้กวานิลลา: 300 ชิ้น<br>...</pre><h3><strong>2. รู้ว่าต้องใช้ข้อมูลอะไร</strong></h3><p>ลองคิดต่อว่า การจะตอบคำถามที่ตั้งมาจากขั้นตอนแรก เราในฐานะมนุษย์คนนึง จำเป็นต้องรู้ข้อมูลอะไรบ้าง สำหรับกรณีของร้านเบเกอรี่ เราอาจจะอยากรู้</p><ul><li>ยอดขายในอดีตของเค้กแต่ละประเภท</li><li>เทศกาลต่างๆ ที่กำลังจะมาถึง เช่น วาเลนไทน์ วันพ่อ วันแม่ ปีใหม่</li><li>สภาพเศรษฐกิจในขณะนั้น</li><li>กระแส social</li><li>ฯลฯ</li></ul><h3>3. ระบุว่า AI จะไปอยู่ตรงไหนในธุรกิจของเรา</h3><p>ระบุให้ได้ว่าเมื่อมี AI ออกมาแล้ว AI จะไปอยู่ตรงไหนใน business workflow ของเรา มีทีมไหนที่เกี่ยวข้องบ้าง แต่ละทีมจะเอาผลลัพธ์จาก AI ไป execute ยังไงต่อ สำหรับตัวอย่างร้านเบเกอรี่ ทีมที่เกี่ยวข้องมีดังนี้</p><ul><li>ทีมจัดหาวัตถุดิบ นำจำนวนเค้กที่ได้ไปวางแผน และสั่งซื้อวัตถุดิบที่ต้องใช้</li><li>ห้องครัว ผลิตเค้กตามจำนวนที่ต้องการ</li><li>ทีมจัดส่ง จัดส่งเค้กตามจำนวนที่ต้องการไปแต่ละสาขา</li></ul><h3>4. หาแหล่ง data ที่ต้องการ</h3><p>ขั้นตอนนี้คือการระบุว่า ข้อมูลที่เราต้องการรู้ (จากข้อ 2) สามารถไปหาได้จากที่ไหนบ้าง สำหรับร้านเบเกอรี่ของเรา แหล่งข้อมูลของเรามีดังนี้</p><ul><li>ยอดขายในอดีตของเค้กแต่ละประเภท → มีอยู่ในฐานข้อมูลร้านค้า</li><li>เทศกาลต่างๆ ที่กำลังจะมาถึง เช่น วาเลนไทน์ วันพ่อ วันแม่ ปีใหม่ → เป็นข้อมูลสาธารณะ</li><li>สภาพเศรษฐกิจในขณะนั้น → เป็นข้อมูลสาธารณะ</li><li>กระแส social → เป็นข้อมูลสาธารณะ</li><li>ฯลฯ</li></ul><p>สุดท้ายคุณ Thammanit ฝากเอาไว้ว่าเวลาจะเริ่ม project AI อะไรก็แล้วแต่</p><ul><li>โฟกัสกับการเปลี่ยนแปลงที่ impact มากสุดก่อน</li><li>ระบุ specs ของสิ่งที่ต้องการให้ชัดเจน ไม่งั้นอาจจะเจอเคสที่ทำโปรเจ็กต์ไปครึ่งทาง แล้วก็ต้องมาแก้ requirement ใหม่หมด</li><li>คนที่เอาระบบ AI ไปใช้พร้อมที่จะปรับรูปแบบมาทำงานร่วมกับ AI ซึ่งจะเกิดขึ้นได้จาก คนทำงานเห็นประโยชน์ของ AI และมีเป้าหมายเดียวกัน</li><li>คำนึงถึงข้อมูลที่จะเอาไปใช้อยู่เสมอว่าเป็นข้อมูลที่ถูกต้องและมีคุณภาพ สามารถเอาไปใช้งานต่อได้</li></ul><p>แม้ขั้นตอนทั้งหมดนี้จะไม่ได้เกี่ยวข้องกับ การพัฒนา AI หรือ machine learning model โดยตรง แต่ถือเป็นจุดเริ่มต้นที่จะกำหนดทิศทางของการสร้าง AI หรือ data product เลยทีเดียว ขั้นตอนนี้จะช่วยให้ฝั่งธุรกิจตั้งคำถามที่ถูกต้อง มองเห็นภาพและ impact ของสิ่งที่ต้องการได้ชัดเจน และสื่อสารกับคนทำ AI หรือ คนทำ data ได้อย่างมีประสิทธิภาพ สรุปสั้นๆคือ เป็นวิธีการที่จะช่วยให้คนฝั่ง business กับคนฝั่ง tech คุยกันรู้เรื่องมากขึ้นนั่นเอง</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=4600cd387a11" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[SIR model คืออะไร? และใช้คาดคะเนการระบาดของโรคได้อย่างไร]]></title>
            <link>https://medium.com/data-%E0%B8%99%E0%B9%88%E0%B8%B2%E0%B8%9F%E0%B8%B2%E0%B8%94/sir-model-%E0%B8%84%E0%B8%B7%E0%B8%AD%E0%B8%AD%E0%B8%B0%E0%B9%84%E0%B8%A3-%E0%B9%81%E0%B8%A5%E0%B8%B0%E0%B9%83%E0%B8%8A%E0%B9%89%E0%B8%84%E0%B8%B2%E0%B8%94%E0%B8%84%E0%B8%B0%E0%B9%80%E0%B8%99%E0%B8%81%E0%B8%B2%E0%B8%A3%E0%B8%A3%E0%B8%B0%E0%B8%9A%E0%B8%B2%E0%B8%94%E0%B8%82%E0%B8%AD%E0%B8%87%E0%B9%82%E0%B8%A3%E0%B8%84%E0%B9%84%E0%B8%94%E0%B9%89%E0%B8%AD%E0%B8%A2%E0%B9%88%E0%B8%B2%E0%B8%87%E0%B9%84%E0%B8%A3-e79c487e26b9?source=rss-7dae393998f6------2</link>
            <guid isPermaLink="false">https://medium.com/p/e79c487e26b9</guid>
            <category><![CDATA[data-science]]></category>
            <category><![CDATA[covid19]]></category>
            <category><![CDATA[epidemic-modeling]]></category>
            <category><![CDATA[sir-model]]></category>
            <dc:creator><![CDATA[New Naveen]]></dc:creator>
            <pubDate>Mon, 27 Apr 2020 14:01:26 GMT</pubDate>
            <atom:updated>2020-04-29T08:40:10.154Z</atom:updated>
            <content:encoded><![CDATA[<h3>SIR model คืออะไร? และใช้อธิบายการระบาดของโรคได้อย่างไร</h3><p><a href="https://medium.com/data-%E0%B8%99%E0%B9%88%E0%B8%B2%E0%B8%9F%E0%B8%B2%E0%B8%94/%E0%B8%A3%E0%B8%B9%E0%B9%89%E0%B8%88%E0%B8%B1%E0%B8%81%E0%B8%81%E0%B8%B2%E0%B8%A3%E0%B9%80%E0%B8%95%E0%B8%B4%E0%B8%9A%E0%B9%82%E0%B8%95%E0%B9%81%E0%B8%9A%E0%B8%9A-exponential-%E0%B9%81%E0%B8%A5%E0%B8%B0-logistic-%E0%B8%88%E0%B8%B2%E0%B8%81-covid-19-c1c1d1c205ed">บล็อกที่แล้ว</a> เราเล่าไปแล้วว่าหากเราทำ curve fitting จากฟังก์ชันแบบตรงไปตรงมา เราอาจได้พารามิเตอร์ต่างๆ ที่ควบคุมลักษณะของเส้นโค้งเช่นการโค้งมากน้อย จุดสูงสุดอยู่ตรงไหน เติบโตเร็วแค่ไหน แต่ไม่สามารถเข้าใจธรรมชาติของโรคระบาดได้เลย ในบล็อกนี้จึงจะมาเล่าแบบจำลองอีกประเภทหนึ่งที่แบ่งประชากรออกเป็นกลุ่ม แล้วคิดว่าพารามิเตอร์ต่างๆ ที่กำหนดพฤติกรรมการระบาดของโรค เช่น อัตราการแพร่เชื้อ ระยะเวลาที่แสดงอาการ การเคลื่อนย้ายของประชากร ฯลฯ ว่าส่งผลต่อการเปลี่ยนแปลงของประชากรแต่ละกลุ่มอย่างไร</p><p>เราเรียกแบบจำลองประเภทนี้ว่า compartmental model และหนึ่งในโมเดลประเภทนี้ที่ใช้กันอย่างแพร่หลายคือ SIR model นั่นเอง</p><h3>Compartmental model</h3><p>ในบล็อกนี้ขอเล่าเฉพาะแบบจำลองที่ไม่ซับซ้อนมากนัก แบบจำลองลักษณะนี้จะแบ่งประชากรออกเป็นกลุ่มๆ และในแบบจำลองที่ซับซ้อนน้อยที่สุด เราจะกำหนดเงื่อนไขดังนี้<br>1. จำนวนประชากรในระบบที่เราพิจารณาจะคงที่เสมอ ประชากรไม่เกิด ไม่ตาย ไม่อพยพเคลื่อนย้ายไปไหน<br>2. ประชากรทุกคนมีโอกาสติดเชื้อเท่ากัน ไม่ว่าจะมีโปรไฟล์เป็นแบบไหน (เพศ อายุ สถานะทางสังคม เชื้อชาติ ฯลฯ ไม่ส่งผลต่อโอกาสติดเชื้อ)<br>3. ประชากรทุกคนมีปฏิสัมพันธ์กับคนรอบตัวแบบสุ่ม ด้วยโอกาสและความถี่เท่าๆกัน</p><h4>SI model</h4><p>วิธีแบ่งกลุ่มประชากรที่เรียบง่ายที่สุดคือ แบ่งเป็น 2 กลุ่มได้แก่ กลุ่มคนที่ติดเชื้อได้ (Susceptible:S) และกลุ่มคนที่ติดเชื้อแล้ว (Infectious: I)</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*8BAO3i_Tv-Nqg8Y12dd4eg.png" /></figure><p>เมื่อประชากรกลุ่ม S ติดเชื้อจะย้ายข้ามไปกลุ่ม I แต่พออยู่กลุ่ม I แล้วจะย้อนกลับมากลุ่ม S ไม่ได้ นั่นหมายความว่าประชากรกลุ่ม S จะลดลงหรือคงที่ และประชากรกลุ่ม I จะเพิ่มขึ้นหรือคงที่เท่านั้น</p><p><strong>SI model จึงนำมาใช้กับโรคที่รักษาไม่หาย</strong></p><p>การสร้างแบบจำลองลักษณะนี้ เราเริ่มต้นด้วยพิจารณาเป็นความเปลี่ยนแปลงต่อหนึ่งหน่วยเวลา (ในกรณีนี้ขอสมมติเป็นหน่วยวัน) เช่นสมมติว่าในเมืองหนึ่งมีประชากร 101 คน มีผู้ติดเชื้อ 1 คน และทำให้เกิดผู้ติดเชื้อ 20 คนต่อวัน</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*V869k9YcUfvziDqsZuuvmw.png" /></figure><p>จากตารางนี้จะเห็นว่าเมื่อเวลาผ่านไป 5 วัน ประชากรฝั่ง S จะย้ายมาเป็นประชากรฝั่ง I ทั้งหมด อยากให้สังเกตด้วยว่าประชากรฝั่งที่ลดลงจาก S จะเท่ากับประชากรฝั่งที่เพิ่มขึ้นของ I (S ลดลง 20, I ก็จะเพิ่มขึ้น 20) เมื่ออัตราการเปลี่ยนแปลงเป็นตัวเลขคงที่ กราฟจำนวนสมาชิกของแต่ละกลุ่มก็จะเปลี่ยนแปลงแบบเส้นตรง</p><p>แต่อัตราการติดเชื้อไม่ได้เป็นตัวเลขคงที่แบบกราฟด้านบน แต่ขึ้นกับจำนวนประชากรของทั้ง S และ I</p><p>ถ้ากลุ่ม S มีเยอะ (คนที่ติดเชื้อได้มีมาก) เวลาติดเชื้อก็ติดได้หลายคน จำนวนผู้ติดเชื้อต่อวันยิ่งสูง</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*IGapOMkmHHQn2dfYyjdFrA.png" /></figure><p>และถ้ากลุ่ม I มีเยอะ(คนติดเชื้อมาก) กลุ่ม S ยิ่งมีโอกาสเจอคนติดเชื้อบ่อย โอกาสติดเชื้อยิ่งสูง จำนวนผู้ติดเชื้อต่อวันยิ่งมากตามไปด้วย</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*S59hu-llwKrUsoe-ER1daQ.png" /></figure><p>เราอาจกล่าวได้ว่า จำนวนคนติดเชื้อต่อวันแปรผันตรงกับจำนวนประชากร S และ I ที่มีอยู่ ณ วันนั้น</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*bYiZTItzYv5yrTE4ZQbiog.png" /></figure><p>ในความเป็นจริง เราไม่ได้คิดอัตราการเปลี่ยนแปลงเป็นรายวัน แต่จะคิดอัตราการเปลี่ยนแปลง ณ ขณะใดขณะหนึ่ง จากสมการด้านบน เราสามารถเขียนในรูปของสมการเชิงอนุพันธ์ได้ว่า</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*nwOf6EPPa9dFGxueqKIKKA.png" /></figure><p>สังเกตว่าการเปลี่ยนแปลงของกลุ่ม S จะติดลบ (เพราะ S ลดลง) และการเปลี่ยนแปลงของกลุ่ม I จะเป็นบวก (เพราะ I เพิ่มขึ้น) ด้วยจำนวนเท่ากัน</p><p><em>β </em>เป็นค่าคงที่บอกถึงอัตราการการแพร่เชื้อ (transmission rate) เป็นตัวกำหนดว่าประชากรจะติดเชื้อมากแค่ไหนเมื่อกลุ่ม S กับ I มาเจอกันจนเชื้อแพร่ได้ ขอยกตัวอย่างการหาค่า <em>β </em>ดังนี้</p><p>โดยปกติหากเรายังไม่ป่วยแล้วอาศัยอยู่ร่วมกับคนป่วยโดยไม่ป้องกันอะไร เราจะติดเชื้อแน่ๆ อยู่แล้ว แต่ละคนอาจมีระยะเวลาจนกว่าจะติดเชื้อแตกต่างกัน บางคน 1 วันก็ติดแล้ว บางคน อาจเป็น 2, 3 หรือ 10 วัน ฯลฯ เราจะเอาเวลาที่ทุกคนจะติดเชื้อมาหาค่าเฉลี่ย</p><p>หากเราหาค่าเฉลี่ยนี้ออกมาเป็น 5 วัน เราตีความได้ว่า <br>โดยเฉลี่ยแล้วในเวลา 5 วัน ผู้ป่วยเดิมจะทำให้มีผู้ป่วยใหม่เพิ่มขึ้น 1 คน <br>ดังนั้นใน 1 วัน จะมีผู้ป่วยใหม่เพิ่มขึ้นโดยเฉลี่ย 1/5 = 0.2 คน</p><p>ในกรณีนี้ เราจะให้ <em>β </em>= 0.2 ต่อวัน เราอาจกล่าวได้ว่า <em>β </em>เป็นค่าคาดหวัง (expected value) ว่าคนป่วยหนึ่งคน จะแพร่เชื้อให้กี่คนใน 1 วัน</p><p>ขอข้ามเรื่องวิธีการแก้สมการเชิงอนุพันธ์ไป จากสมการด้านบน หากเรารู้ว่าโดยเฉลี่ยแล้วผู้ป่วย 1 คนจะทำให้มีผู้ติดเชื้อรายใหม่ในเวลา 10 วัน ดังนั้นใน 1 วันจะมีคนติดเชื้อ 1/10 =0.1 คน นั่นคือ <em>β</em> = 0.1 นั่นเอง เราสามารถจำลองการติดเชื้อออกมาได้หน้าตาแบบนี้</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*EAJ2LmmhSIcJn0_1qAULMA.png" /><figcaption><em>ผลการแก้สมการ SI model จะได้ออกมาเป็นฟังก์ชัน sigmoid กรณีนี้กำหนดให้ β =</em>0.1 ต่อวัน และ I กับ S แสดงออกมาในรูปของสัดส่วน (สูงสุดที่ 1 ) S0 = 0.99 I0 =0.01</figcaption></figure><p>เพื่อตัดปัญหาว่าประชากรในพื้นที่มีกี่คน เรามักแทน S และ I ในรูปสัดส่วนของประชากรทั้งหมด (เช่น ณ ขณะนี้ S=60% I=40% ของประชากรทั้งหมด) โดยที่ S+I =100% หรือ 1 เสมอ</p><p>กราฟนี้บอกกับเราว่าเริ่มแรก ประชากรประชากรกลุ่ม S (สีน้ำเงิน) มี 99% ของประชากรทั้งหมด แล้วลดลงเรื่อยๆ ส่วนประชากรกลุ่ม I จะเริ่มต้นจาก 1% ของประชากร แล้วค่อยๆ เติบโตแบบฟังก์ชัน sigmoid จนเข้าใกล้ 100% ประมาณวันที่ 100 หากเราปล่อยไว้ไม่ทำอะไรเลย เมื่อเวลาผ่านไปนานมากพอ ประชากรทุกคนจะติดเชื้อ (แต่ในชีวิตจริง เรามีมาตรการควบคุมโรค และการระบาดอาจเกิดขึ้นได้ยาก ดังนั้น ช่วงเวลาที่จะระบาดจนถึง 100% ของประชากร อาจนานเกินอายุขัยของคนไปแล้ว)</p><h4>SIS model</h4><p>แบบจำลองนี้คล้ายกับแบบจำลองก่อนหน้า แต่จะเพิ่มโอกาสในการรักษาหายกลับมาด้วย แบบจำลองนี้มักใช้กับโรคที่หายแล้วกลับมาเป็นซ้ำได้อีก เช่นโรคหวัด</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*E7KYdX6CmjrYDFFXMAjf_Q.png" /></figure><p>เราจะเพิ่มอัตราการหายป่วย (<em>γ</em>) เข้ามา นั่นทำให้สมการเชิงอนุพันธ์ของเรามีอีกพจน์หนึ่งเพิ่มเข้ามาดังนี้</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*GPPj0GI_bFPZ-TqS2yKfYw.png" /></figure><p>สมการนี้บอกเราว่ากลุ่ม S ไม่ได้ลดลงอย่างเดียว แต่เพิ่มขึ้นได้ จากประชากรกลุ่ม I ที่หายดีแล้ว ในขณะเดียวกันกลุ่ม I ก็ไม่ได้เพิ่มขึ้นอย่างเดียวแต่ลดลงด้วย เพราะผู้ป่วยหายจากโรค ส่วนจะหายป่วยมากน้อยแค่ไหนก็ขึ้นอยู่กับประชากร I ณ ขณะนั้น ถ้ามีผู้ป่วยมาก เวลาหายก็หายพร้อมกันหลายคน แต่ถ้ามีผู้ป่วยน้อย เวลาหายก็หายไม่กี่คน อัตราการหายป่วยควบคุมด้วยค่าคงที่ <em>γ</em> (อัตราการหายป่วย)</p><p>หากเรารู้ว่าโดยเฉลี่ยแล้ว คนจะติดหวัดกันใน 4 วัน เราจะได้ <em>β</em> =1/4 = 0.25 และโดยเฉลี่ยแล้วคนเราจะหายป่วยในเวลา 10 วัน ดังนั้นใน 1 วันจะหายป่วย 1/10 = 0.1 คน เราจะได้ <em>γ</em> = 0.1 เมื่อเราแก้สมการออกมาจะพบว่า หน้าตาเป็นแบบนี้</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*l1e7Uz7AHMoC1_6saYKB8A.png" /><figcaption><em>ผลการแก้สมการ SI model ยังคงได้ออกมาเป็นฟังก์ชัน sigmoid กรณีนี้กำหนดให้ β =</em>0.25 ต่อวัน γ =0.1 ต่อวัน S0 = 0.99 I0 =0.01</figcaption></figure><p>กราฟนี้บอกกับเราว่า ประชากรกลุ่ม I จะเพิ่มขึ้นเรื่อยๆ ถึงจุดหนึ่งเท่านั้น (ไม่ถึง 100% แบบ SI model) และจะเข้าสู่จุดสมดุลที่ประมาณ 60% นั่นแสดงว่าเมื่อเวลาผ่านไปนานมากพอ จะมีคนป่วยอยู่ประมาณ 60% ของประชากรทั้งหมด</p><h4>SIR model</h4><p>แบบจำลองถัดมาจะเพิ่มกลุ่มคนที่หายดี (Recovered) เข้ามา กลุ่มคนที่หายดีแล้วจะมีภูมิคุ้มกันทำให้ไม่กลับมาเป็นโรคเดิมซ้ำอีก ซึ่งนำมาใช้กับโรคที่ร่างกายสร้างภูมิคุ้มกันได้เช่นอีสุกอีใส หรือ COVID-19 (แม้ว่าจะยังหาข้อสรุปไม่ได้แน่ชัดว่าป่วยเป็น COVID-19 แล้วจะกลับมาเป็นซ้ำได้หรือเปล่า แต่แบบจำลองส่วนใหญ่จะให้ COVID-19 ตกอยู่ในกรณีนี้)</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*IOptBwOSjFXo6EuSRyM9bg.png" /></figure><p>เราจะใช้อัตราการหายป่วย (<em>γ</em>) ตัวเดิม แต่จะส่งประชากรกลุ่ม I ไปยังกลุ่มหายป่วยและมีภูมิต้านทาน (Recovered: R)</p><p>สมการเชิงอนุพันธ์ก็จะต่างจาก SIS ออกไปเล็กน้อย ตรงที่ประชากรกลุ่มที่หายแล้ว (<em>γ</em>I) จะย้ายมาเข้ากลุ่ม R แทนที่จะกลับไปอยู่กลุ่ม S</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*4UgCSgTYf2ba4GTp3Na0fQ.png" /></figure><p>หากเราใช้ <em>β </em>= 0.25 และ <em>γ</em> = 0.1 เหมือนกรณี SIS model จำนวนประชากรในแต่ละกลุ่มสามารถแสดงออกมาได้ดังกราฟนี้</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*BeD7__EF3T1X8HhDIFMpCA.png" /><figcaption><em>จำนวนประชากรในแต่ละกลุ่มของ SIR model เมื่อกำหนดให้ β =</em>0.25 ต่อวัน γ =0.1 ต่อวัน S0 = 0.99 I0 =0.01</figcaption></figure><p>กราฟนี้บอกกับเราว่าจำนวนผู้ติดเชื้อ (I) จะค่อยๆ เพิ่มขึ้นถึงจุดสูงสุดประมาณ 35% ของประชากร แล้วจะค่อยๆลดลง สุดท้ายแล้วประชากรกลุ่ม S จะค่อยๆ ติดเชื้อกลายเป็นกลุ่ม I และทุกคนจะกลายเป็นกลุ่มหายป่วย (R) เมื่อเวลาผ่านไปนานมากพอ</p><p><strong>R₀ กับการระบาดของโรค<br></strong>เราจะเห็นว่าปัจจัยที่กำหนดว่าโรคจะระบาดได้แค่ไหนถูกควบคุมด้วยค่าคงที่ β และ γ เราสามารถพิสูจน์ได้ว่า ถ้า <em>β</em> &gt; <em>γ</em> แล้วจะทำให้เกิดโรคระบาด</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Ld4pvMEswG66ivz7AgaUEg.png" /><figcaption><strong>ในช่วงเริ่มต้นของการระบาด</strong> หาก β &gt; γ จำนวนผู้ป่วยจะเพิ่มเร็วกว่าคนที่หายป่วยทำให้เกิดโรคระบาด แต่ถ้า β &lt; γ จำนวนคนที่หายป่วยจะเพิ่มเร็วกว่าจำนวนคนป่วยทำให้โรคไม่ระบาด</figcaption></figure><p>เราเรียกอัตราส่วนระหว่าง β และ γ ว่า R₀ หรือ basic reproduction number ที่เล่าไปเมื่อบล็อกที่แล้วนี่เอง (อ่านคำอธิบายเพิ่มเติมได้ที่ส่วน <strong>ของแถม</strong> ท้ายบล็อกข้อ 1)</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*NOP--uizfrcVnNDQsxr9eA.png" /></figure><p>ค่า R₀ บอกกับเราว่าโดยเฉลี่ยแล้วคนคนหนึ่งจะแพร่เชื้อให้คนรอบตัวได้กี่คน (ในสังคมที่ไม่มีใครมีภูมิคุ้มกันเลย) หาก R₀&gt;1 จะทำให้เกิดโรคระบาด (อ่านบทพิสูจน์ได้ที่ส่วน <strong>ของแถม</strong> ท้ายบล็อกข้อ 2)</p><p>องค์การอนามัยโลกประเมินว่า R₀ ของ COVID-19 อยู่ที่ประมาณ 2–2.5 เป้าหมายของเราคือทำให้ R₀ ต่ำที่สุดเท่าที่จะเป็นไปได้ ซึ่งมาตรการต่างๆ เช่น การล้างมือบ่อยๆ ลดปฏิสัมพันธ์แบบใกล้ชิด สวมหน้ากากป้องกัน ก็จะช่วยลด R₀ ให้ต่ำลงได้</p><p>กราฟด้านล่างนี้ แสดงจำนวนสัดส่วนผู้ติดเชื้อที่ R₀ ต่างๆกัน</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*xubO1PgUZbQF4pqNFPry5A.png" /><figcaption><em>จำนวนประชากรกลุ่ม I จาก SIR model เมื่อกำหนดให้ </em>γ =0.1 ต่อวัน S0 = 0.99 I0 =0.01 และค่า R₀=2.5, 2 และ 1.5</figcaption></figure><p>จะเห็นได้ว่า ยิ่ง R₀ น้อย จำนวนผู้ติดเชื้อจะยิ่งเพิ่มขึ้นช้า และจำนวนผู้ป่วยก็ไม่พุ่งสูงมาก ซึ่งสอดคล้องกับกระบวนการ Flatten the curve ซึ่งควบคุมไม่ให้มีผู้ป่วยเพิ่มเร็วเกินไป จนเกิดขีดความสามารถของระบบสาธารณสุข</p><p>การเปลี่ยนแปลงของจำนวนผู้ป่วย ยังสามารถถูกแทรกแซง (intervene) จากมาตรการควบคุมโรคหรือปัจจัยอื่นๆ ได้ ยกตัวอย่างเช่น หากรัฐบาลประกาศเคอร์ฟิว สามารถลดค่า R₀ จาก 2.5 เหลือ 1.5 ได้ (ตัวเลขสมมติ) จำนวนผู้ติดเชื้อในแต่ละวันจะเปลี่ยนไปดังนี้</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*wNLSgTDyzeR6unxCPcEmkA.png" /><figcaption>กราฟสัดส่วนผู้ติดเชื้อ (I) เมื่อมีมาตรการควบคุมโรคในวันที่ 75 สามารถลดค่า R₀ จาก 2.5 (เส้นแดง) เหลือ 1.5 (เส้นน้ำเงิน) จะมีผู้ป่วยรายวันลดลง และมีจำนวนผู้ป่วยสูงสุดต่ำลงด้วย</figcaption></figure><p>ในทางกลับกัน หากมาตรการควบคุมโรคเราดีมากจนลดค่า R₀ ได้เหลือ 1.5 แต่พอกราฟผู้ป่วยเริ่มหักลงแล้วเราชะล่าใจ จนผ่อนปรนมาตรการควบคุมโรคต่างๆ จน R₀ เพิ่มขึ้นเป็น 2.5 (ตัวเลขสมมติ) จำนวนผู้ติดเชื้อในแต่ละวันจะเปลี่ยนไปดังนี้</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*ItV0UQUtE2QXHkNnbQSL6w.png" /><figcaption>กราฟสัดส่วนผู้ติดเชื้อ (I) เมื่อผ่อนปรนมาตรการควบคุมโรคในวันที่ 270 ค่า R₀ เพิ่มจาก 1.5 (เส้นประ) เป็น 2.5 (เส้นน้ำเงินทึบ) จำนวนผู้ติดเชื้อจะกลับมาเพิ่มขึ้นอีกครั้งและกลับมาระบาดรุนแรงกว่าเดิม</figcaption></figure><p>เพราะฉะนั้นเราไม่ควรชะล่าใจเมื่อเห็นจำนวนผู้ติดเชื้อน้อยลงจนดูเหมือนจะหมดไป เพราะเดิมทีมาตรการควบคุมโรคต่างๆ อาจกด R₀ ต่ำมาก หากเราปลดล็อคมาตรการต่างๆ แบบปุบปับ R₀ อาจพุ่งทะยานจนเกิดการระบาดที่รุนแรงกว่าเดิม</p><p>ในแบบจำลองที่ซับซ้อนเราสามารถใส่จุดแทรกแซงการระบาดได้หลายจุด ในแต่ละช่วงเวลา ทำให้แบบจำลองสมจริง สอดคล้องกับมาตรการต่างๆ ที่ออกมา</p><h3>โมเดลสำหรับ COVID-19</h3><p>COVID-19 เป็นโรคที่มีระยะฟักตัว (ติดเชื้อแต่ยังไม่แพร่เชื้อ) แบบจำลองที่นิยมใช้ จะเพิ่ม กลุ่ม E (Exposed) ก่อนเข้ากลุ่ม I กลายเป็น SEIR model แต่ระยะฟักตัวของ COVID-19 ยังเป็นที่ถกเถียงกันอยู่ว่ากินเวลานานแค่ไหน บ้างก็บอกว่ามีระยะฟักตัว บ้างก็บอกว่าพอเข้าระยะฟักตัวก็แพร่เชื้อได้ในบางกรณี สำหรับบล็อกนี้เราจะใช้แค่ SIR model ให้ดูเป็นตัวอย่าง นั่นแปลว่าเมื่อผู้ป่วยติดเชื้อ จะแพร่เชื้อได้ทันที</p><p>ขอยึด R₀ =2.5 ระยะแพร่เชื้อ =14 วัน (ตามจำนวนวันที่ต้องกักตัว) ดังนั้น γ = 1/14 = 0.071 และเราจะได ้ β =R₀ <em>×</em> γ =0.179 ถ้าให้ที่จุดเริ่มต้นมีผู้ป่วยแค่ 0.01% ของประชากร เราจะได้กราฟแสดงการเปลี่ยนแปลงของประชากรแต่ละกลุ่มเป็นดังนี้</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*J3rsFbUjWEfKFcku_ePzcA.png" /><figcaption><em>จำนวนประชากรในแต่ละกลุ่มของ SIR model เมื่อกำหนดให้ β =</em>0.179 ต่อวัน γ =0.071 ต่อวัน S0 = 1, I0 =0.0001 (เนื่องจาก I0 น้อยมาก เราจะให้ S0 ≈ 1)</figcaption></figure><p>นั่นหมายความว่าถ้าไม่มีการควบคุมโรคใดๆ การระบาดจะถึงจุดสูงสุดประมาณวันที่ 112 เมื่อมีผู้ติดเชื้อสะสม (กลุ่ม I + กลุ่ม R รวมกัน) เท่ากับ 0.2+0.4 = 0.6 หรือ 60% ของประชากรทั้งหมด จากนั้นจำนวนผู้ป่วยจะค่อยๆ ลดลง เราเรียกสภาวะนี้ว่า ประชากรมีภูมิคุ้มกันกลุ่ม (herd immunity) จะเกิดขึ้นเมื่อคนในสังคมมีภูมิต้านทานในสัดส่วน 1–1/R₀ ซึ่งในกรณีของ COVID-19 คือ 60% (อ่านบทพิสูจน์ได้ที่ส่วน <strong>ของแถม</strong> ท้ายบล็อกข้อ 3)</p><p><strong>ฟิตเส้นโค้งกับข้อมูลจริง</strong></p><p>วิธีหาค่า β, γ และ R₀ ของโรคระบาด ทำได้โดยสร้างแบบจำลองขึ้นมา (เช่น SI model, SIS model ฯลฯ) ด้วยสมการคณิตศาสตร์ แล้วหาพารามิเตอร์ที่ทำให้แบบจำลองฟิตกับข้อมูลจริงที่สุด</p><p>เราอาจนำ SIR model มาใช้กับข้อมูลผู้ติดเชื้อในประเทศไทยแบบตัวอย่างด้านล่างนี้ ซึ่งเป็นโมเดลที่เบสิกมาก จนละเลยธรรมชาติของโรคระบาดหลายประการ ทำให้พารามิเตอร์ β, γ ที่ประมาณออกมา ไม่สามารถเอาไปใช้อ้างอิงอะไรได้เลย วิธีการนี้ยังมีปัญหาเรื่องการกำหนดค่า N (จำนวนประชากรทั้งหมด) ว่าควรเป็นเท่าไหร่ดี จึงจะสอดคล้องกับเงื่อนไขของ SIR model</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*7SpPzf1q9CFetkkUCVNWUQ.png" /><figcaption>ผลการฟิตเส้นโค้ง I เข้ากับจำนวน active cases ระหว่างวันที่ 12 มกราคม — 20 เมษายน 2020 ด้วยวิธี maximum likelihood estimation โดยที่ I มีการแจกแจงแบบ poisson ได้ผลลัพธ์เป็น β = 0.204 , γ = 0.109, R₀ =1.863 (กำหนดให้ S0 = 10,000 I0 =1 และ R0=0)</figcaption></figure><p>ในชีวิตจริง R₀ ไม่ได้คงที่ตลอดเพราะมีมาตรการควบคุมโรค ประชากรในสังคมเดินทางตลอดเวลา มีพฤติกรรมแตกต่างกัน แต่ละช่วงอายุมีภูมิต้านทานไม่เท่ากัน และประชากรไม่ได้ติดต่อถึงกันหมด (คนบนเกาะห่างไกลย่อมเสี่ยงน้อยกว่าคนในเมือง)การประเมิน R₀ และพารามิเตอร์อื่นๆ ของโรคที่สมจริง จะสร้างแบบจำลองการระบาดที่ซับซ้อนกว่า SIR model ซึ่งจาก <a href="https://academic.oup.com/jtm/article/27/2/taaa021/5735319">survey</a> ฉบับนี้ ผู้เขียนประเมินว่า R₀ น่าจะมีค่าอยู่ระหว่าง 2–3 สอดคล้องกับที่องค์การอนามัยโลกประเมินไว้แต่แรก</p><h3>สู่แบบจำลองที่ซับซ้อนยิ่งขึ้น</h3><p>แบบจำลองที่เล่ามาทั้งหมดตั้งแต่ SI, SIS จนถึง SIR model เป็นแบบจำลองพื้นฐาน ที่ต่อยอดไปสู่แบบจำลองที่ซับซ้อนกว่านี้ เช่น เพิ่มกลุ่มที่ติดเชื้อแล้วแต่ยังอยู่ในระยะฟักตัว (SEIR) เพิ่มกลุ่มมีภูมิคุ้มกันโดยกำเนิด (MSEIR) แยกกลุ่มที่หายป่วยกับเสียชีวิตออกจากกัน แบ่งประชากรออกตามช่วงอายุ เพิ่มปัจจัยต่างๆ เช่นการเกิดหรือตายของประชากร การเคลื่อนย้ายประชากร มาตรการควบคุมโรค การใช้วัคซีน หรือจำลองการระบาดจากเครือข่าย (network) ของคนในสังคม หากใครอยากศึกษาเพิ่มเติม<a href="https://fivethirtyeight.com/features/why-its-so-freaking-hard-to-make-a-good-covid-19-model/?fbclid=IwAR0AXXu_Z8gWNrDT7c54lvhHJH3knqbk8KvccBpdFwc_aeH17EAXcbl87xw">บทความ</a>นี้ยกตัวอย่างปัจจัยต่างๆ ที่ส่งผลต่อการระบาดได้ครอบคลุมระดับนึง และชี้ให้เห็นว่าโมเดลโรคระบาดซับซ้อนและท้าทายแค่ไหน</p><p>นอกจากนี้ยังมีเรายังต่อยอด compartmental model ไปใช้สร้าง<a href="https://loe.org/images/content/091023/Zombie%20Publication.pdf">แบบจำลองการระบาดของซอมบี้</a>ได้ด้วย</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*R6n6Cm3T7Itbn7t7HxUlwA.png" /><figcaption>แบบจำลองการระบาดของซอมบี้ แบ่งเป็นกลุ่มคนเป็น (S) กลุ่มซอมบี้ (Z) และกลุ่มคนตายกับซอมบี้ที่ถูกฆ่า (R)</figcaption></figure><p>หวังว่าบล็อกนี้เป็นประโยชน์ในแง่ของการศึกษา สำหรับผู้สนใจหรือต้องการไปต่อยอด โค้ดทั้งหมดที่ใช้ในโปรเจ็กต์นี้อยู่ใน <a href="https://github.com/naveen-pit/covid-19/blob/master/03%20Compartmental%20model.ipynb">github </a>และ <a href="https://colab.research.google.com/drive/1W3vRPi2xbHgxF4r6c4UJa1MVwUe4C9X1">colab </a>สามารถเอามาศึกษาด้วยตัวเองได้เลย</p><p>สำหรับคนที่ไม่อยากเขียนโค้ด ขอเชิญชวนให้แวะไปชม <a href="https://gabgoh.github.io/COVID/index.html">Epidemic Calculator </a>หน้าเว็บที่จำลองการระบาดด้วย SEIR model โดยสามารถปรับค่าพารามิเตอร์ต่างๆ แล้วดูผลจำลองการระบาดได้เลย นอกจากนี้ยังสามารถแทรกแซงการระบาดของโรคโดยเปลี่ยนค่า R₀ ระหว่างทางด้วย</p><h3>ของแถม</h3><p>เนื้อหาหลัก ในบล็อกหมดแล้ว ส่วนนี้เป็นของแถมปิดท้าย เผื่อใครสนใจเรื่องการหาข้อสรุปต่างๆ ที่อ้างอิงในบล็อกนี้ด้วยสมการคณิตศาสตร์ ใครไหวไปก่อนเลย…</p><p><strong>1) ทำไม R₀ = β/γ</strong><br>R₀ ระบุว่าโดยเฉลี่ยแล้วคนหนึ่งคนจะแพร่เชื้อให้คนรอบตัวกี่คนในสังคมที่ไม่มีภูมิคุ้มกันเลย</p><p>สมมติว่าเรามีโรคหวัดสายพันธ์ุใหม่ ที่คนป่วยมีโอกาสแพร่เชื้อให้คนสุขภาพดี 20% และในหนึ่งวัน คนคนหนึ่งมีปฏิสัมพันธ์กับคนรอบตัวโดยเฉลี่ย 5 คน เราจะคาดหวัง (expected) ได้ว่า ใน 1 วันจะมีผู้ป่วยใหม่ 20% ⋅ 5=1 คน และนี่คือ ค่า <em>β </em>นั่นเอง</p><p><em>β </em>เป็นค่าคาดหวัง (expected value) ว่าคนป่วยหนึ่งคน จะแพร่เชื้อให้กี่คนใน 1 วัน <br>ดังนั้น ถ้าโดยเฉลี่ยแล้ว คนติดเชื้อจะป่วยและแพร่เชื้อนาน D วัน เราจะได้ว่า</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*jwLBJ5Oz4-CXWmLLJSAtRA.png" /></figure><p>สมมติว่า <em>β</em>=1 และ D = 14 วัน แปลว่าในหนึ่งวันคนป่วยจะแพร่เชื้อให้คนรอบตัว 1 คน และถ้าคนนี้ป่วยนาน 14 วัน จะแพร่เชื้อให้คนรอบตัว 1⋅14 = 14 คน จึงสรุปได้ว่า โรคนี้มี R₀=14 นั่นเอง</p><p>ถ้า D=14 แปลว่าผู้ติดเชื้อต้องป่วยอยู่ 14 วัน จึงจะหายป่วย เราอาจเปรียบเทียบการหายป่วยเหมือนกับเราเพิ่มขีดพลังจาก 0% ไปเต็มที่ 100% (โดยที่เมื่อขีดพลังเต็ม แปลว่าเราหายดีแล้ว) เราสามารถหาได้ว่าใน 1 วัน ขีดพลังนี้ฟื้นฟูขึ้นมาเท่าไหร่ โดยการเทียบบัญญัติไตรยางค์<br>ใน 14 วัน ขีดพลังจะฟื้นฟู 100% <br>ใน 1 วัน ขีดพลังจะฟื้นฟู 100%/14 =1/14<br>ซึ่ง 1/14 นี้คือค่า γ ซึ่งบอกถึงอัตราการหายป่วย เป็นค่าคาดหวัง (expected value) ว่าคนป่วยหนึ่งคน จะหายป่วยไปแล้วเป็นสัดส่วนเท่าไหร่ใน 1 วัน</p><p>เราอาจสรุปได้ว่า γ =1/D หรือจัดรูปใหม่เป็น D=1/γ นั่นเอง</p><p>จาก R₀=β ∙ D เราจะได้ว่า R₀=β/γ</p><p><strong>2) การระบาดเกิดขึ้นเมื่อ R₀ &gt; 1<br></strong>การระบาดจะเกิดขึ้นเมื่ออัตราการเปลี่ยนแปลงของประชากรกลุ่ม I &gt; 0</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*bivIVjPs6rZ2997Mbg7JUg.png" /></figure><p>ที่จุดเริ่มต้นของการระบาด S จะมีค่าสูงมาก และมีสัดส่วนสูงเกือบ 100% ดังนั้น S ≈ 1 เราจะได้</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*v4rLeMZmHQh3pdOOwzVc3w.png" /></figure><p>ดังนั้นจะเกิดการระบาดเมื่อ β/γ &gt; 1 หรือ R₀&gt; 1 นั่นเอง</p><p><strong>3) Herd immunity </strong>หรือภูมิคุ้มกันกลุ่มเกิดขึ้นเมื่อประชากรมีภูมิคุ้มกันอย่างน้อย 1–1/R₀<br>การระบาดจะถึงจุดสูงสุดเมื่อเมื่ออัตราการเปลี่ยนแปลงของประชากรกลุ่ม I = 0</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*7_K6gnmvv0B51CqxIDWFMw.png" /></figure><p>ดังนั้นการระบาดจะถึงจุดสูงสุดเมื่อ S=1/R₀<br>เนื่องจาก S,I,R เขียนในรูปสัดส่วน นั่นคือ S+I+R =100%=1<br>นั่นคือ I+R = 1-S = 1–1/R₀</p><p>ดังนั้นการระบาดจะถึงจุดสูงสุดเมื่อประชากรติดเชื้อหรือมีภูมิคุ้มกันในสัดส่วน 1–1/R₀</p><p>ใครมีคำถามหรือความคิดเห็นอะไร มาพูดคุยกันได้ที่หน้า facebook fanpage ของ <a href="https://www.facebook.com/striking.data">Data น่าฟาด</a> นะครับ</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=e79c487e26b9" width="1" height="1" alt=""><hr><p><a href="https://medium.com/data-%E0%B8%99%E0%B9%88%E0%B8%B2%E0%B8%9F%E0%B8%B2%E0%B8%94/sir-model-%E0%B8%84%E0%B8%B7%E0%B8%AD%E0%B8%AD%E0%B8%B0%E0%B9%84%E0%B8%A3-%E0%B9%81%E0%B8%A5%E0%B8%B0%E0%B9%83%E0%B8%8A%E0%B9%89%E0%B8%84%E0%B8%B2%E0%B8%94%E0%B8%84%E0%B8%B0%E0%B9%80%E0%B8%99%E0%B8%81%E0%B8%B2%E0%B8%A3%E0%B8%A3%E0%B8%B0%E0%B8%9A%E0%B8%B2%E0%B8%94%E0%B8%82%E0%B8%AD%E0%B8%87%E0%B9%82%E0%B8%A3%E0%B8%84%E0%B9%84%E0%B8%94%E0%B9%89%E0%B8%AD%E0%B8%A2%E0%B9%88%E0%B8%B2%E0%B8%87%E0%B9%84%E0%B8%A3-e79c487e26b9">SIR model คืออะไร? และใช้คาดคะเนการระบาดของโรคได้อย่างไร</a> was originally published in <a href="https://medium.com/data-%E0%B8%99%E0%B9%88%E0%B8%B2%E0%B8%9F%E0%B8%B2%E0%B8%94">data น่าฟาด</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[รู้จักการเติบโตแบบ exponential และ logistic จาก COVID-19]]></title>
            <link>https://medium.com/data-%E0%B8%99%E0%B9%88%E0%B8%B2%E0%B8%9F%E0%B8%B2%E0%B8%94/%E0%B8%A3%E0%B8%B9%E0%B9%89%E0%B8%88%E0%B8%B1%E0%B8%81%E0%B8%81%E0%B8%B2%E0%B8%A3%E0%B9%80%E0%B8%95%E0%B8%B4%E0%B8%9A%E0%B9%82%E0%B8%95%E0%B9%81%E0%B8%9A%E0%B8%9A-exponential-%E0%B9%81%E0%B8%A5%E0%B8%B0-logistic-%E0%B8%88%E0%B8%B2%E0%B8%81-covid-19-c1c1d1c205ed?source=rss-7dae393998f6------2</link>
            <guid isPermaLink="false">https://medium.com/p/c1c1d1c205ed</guid>
            <category><![CDATA[covid19]]></category>
            <category><![CDATA[logistic-growth]]></category>
            <category><![CDATA[data-science]]></category>
            <category><![CDATA[curve-fitting]]></category>
            <category><![CDATA[exponential-growth]]></category>
            <dc:creator><![CDATA[New Naveen]]></dc:creator>
            <pubDate>Wed, 15 Apr 2020 14:29:26 GMT</pubDate>
            <atom:updated>2020-04-15T14:29:26.488Z</atom:updated>
            <content:encoded><![CDATA[<p><a href="https://medium.com/%E2%80%A6/%E0%B8%A3%E0%B8%B9%E0%B9%89%E0%B8%88%E0%B8%B1%E0%B8%81-covid-19-%E0%B8%9C%E0%B9%88%E0%B8%B2%E0%B8%99%E0%B8%82%E0%B9%89%E0%B8%AD%E0%B8%A1%E0%B8%B9%E0%B8%A5-3bebb95d19d2">บล็อกที่แล้ว</a> เราเล่าเกี่ยวกับแนวโน้มของจำนวนผู้ติดเชื้อ COVID-19 ว่ายังคงเพิ่มขึ้นต่อเนื่องทั่วโลก และยังพูดถึงอัตราการเสียชีวิตและการแพร่กระจายของโรคเมื่อเทียบกับโรคอื่นๆ ไปแล้ว ในบล็อกนี้เราจะมารู้จักแบบจำลองทางคณิตศาสตร์ (โมเดล) อย่างง่ายสำหรับอธิบายการระบาดของโรค โดยใช้ <strong>exponential </strong>และ <strong>logistic function</strong></p><p>ออกตัวก่อนเลยว่าโมเดลในบล็อกนี้ <strong>เบสิก</strong> มากๆ ผลลัพธ์จากโมเดลประเภทนี้จะกากยิ่งนัก และไม่แนะนำให้เอาไปใช้อ้างอิงอะไรทั้งสิ้น</p><h3>Dataset &amp; source code</h3><p>ในโปรเจ็กต์นี้นำข้อมูลจำนวนผู้ติดเชื้อแยกตามประเทศระหว่างวันที่ 22 มกราคม 2020 จนถึงปัจจุบัน จาก <a href="https://github.com/datasets/covid-19">github </a>นี้ ซึ่งดึงข้อมูลผู้ติดเชื้อจาก <a href="https://github.com/CSSEGISandData/COVID-19">Johns Hopkins University Center for Systems Science and Engineering</a> มาจัดรูปแบบให้พร้อมใช้งาน</p><p>ในบล็อกนี้จะนำเสนอแนวคิดของแบบจำลองแต่ละแบบไม่ได้มาสอนเขียนโค้ดทีละขั้นตอน แต่โค้ดที่เขียนในบล็อกนี้ทั้งหมดรวมอยู่ใน <a href="https://github.com/naveen-pit/covid-19/blob/master/02%20Curve%20fitting.ipynb">github </a>ซึ่งสามารถเข้าไปโหลดมารันเองได้เลยครับ</p><h3>หาเส้นที่ฟิตที่สุด</h3><p>และนี่คือรายงานจำนวน<strong>ผู้ติดเชื้อรายใหม่ </strong>ของแต่ละวัน (ไม่ใช่จำนวนผู้ติดเชื้อสะสมนะ) ในประเทศไทย นับตั้งแต่วันที่ 22 มกราคม 2020 จนถึงวันที่ 21 มีนาคม 2020</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*k5WGYnl70ufLk3JuVC4fvw.png" /></figure><p>เราต้องการเรียนรู้แพตเทิร์นที่เกิดขึ้นในอดีตโดยการลากเส้นที่ฟิตกับข้อมูลผู้ติดเชื้อ (สีแดง) พอดี และหวังว่ามันจะสื่อถึงรูปแบบการเติบโตของโรคระบาดได้</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*s7wRJsNZ4Vdj-9IJSmKJEg.png" /></figure><p>แล้วเราจะลากเส้นอะไรดี?</p><p>ถ้าดูแนวโน้มจากรูปด้านบนเราคงบอกได้ว่าเส้นตรงสีน้ำเงิน คงไม่ใช่เส้นที่ดีนัก เพราะบอกแนวโน้มได้ใกล้เคียงกับความเป็นจริงแค่จุดเริ่มต้นกับจุดสุดท้าย เส้นสีเขียวก็ยังไม่ค่อยดี เพราะฟิตกับข้อมูลแค่ช่วงแรก แต่ช่วงท้ายก็แยกทางกันไป เส้นที่ดีน่าจะเป็นเส้นโค้งสีส้ม ที่ลากผ่านจุดสีแดงได้ใกล้เคียงกว่า หากเราพิจารณาธรรมชาติของโรคติดต่อดูแล้ว เราอาจเริ่มต้นจากสมมติฐานง่ายๆ ว่า ตอนแรกเรามีผู้ติดเชื้อคนเดียว จากนั้นก็แพร่ให้คนรอบตัว 2 คน เพราะฉะนั้นเมื่อเวลาผ่านไปผู้ติดเชื้อหนึ่งคน จะเพิ่มเป็น 2 จาก 2 เพิ่มเป็น 4 และจาก 4 เพิ่มเป็น 8 เราอาจกล่าวได้ว่า เมื่อมีการแพร่เชื้อ จะมีผู้ป่วยรายใหม่เพิ่มแบบทวีคูณ (exponential)</p><h4><strong>exponential growth</strong></h4><p>ดังนั้นเส้นที่เราลากขึ้นมาก็น่าจะเป็นฟังก์ชัน exponential ซึ่งฟังก์ชันที่เลือกใช้คือ y = <em>e</em>ˣ หน้าตาเป็นแบบในรูปด้านล่าง ในช่วงแรกๆ การเติบโตจะเกิดขึ้นช้าๆ และจะเติบโตเร็วขึ้นเรื่อยๆ เมื่อเวลาผ่านไป (เราสามารถเลือกฐานของฟังก์ชันเป็นเลขอะไรก็ได้ที่มากกว่า 1 แต่ขอเลือกเป็นค่า <em>e </em>เพื่อความสะดวกในการดิฟหรืออินทิเกรต)</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*IbeFDnECGq5TFherbRhL4w.png" /></figure><p>เราจะใส่พารามิเตอร์ a, b, c เข้าไปเพื่อปรับแต่งฟังก์ชันนี้ให้ฟิตกับข้อมูลของเราที่สุดดังนี้</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*3rcLAugVN2ItdtkOTaibHQ.png" /></figure><p>เป้าหมายของเราคือการหาค่า a, b, c ที่สอดคล้องกับจำนวนผู้ติดเชื้อของเราที่สุด การปรับค่า a, b, c จะส่งผลต่อรูปร่างของเส้นโค้งดังนี้</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*r0CSpGuapJOlcq7kBLctmQ.png" /><figcaption>ค่า a กำหนดว่าตัวคูณเป็นกี่เท่าของ a=1, b กำหนดอัตราการเติบโตของ y (b ยิ่งสูงยิ่งเติบโตเร็ว) ในขณะที่การเปลี่ยนค่า c จะสร้างเส้นโค้งที่หน้าตาเหมือนกันทุกประการ แต่เลื่อนไปทางซ้ายหรือขวาตามแกน x</figcaption></figure><p>การหาค่า a,b,c ที่ฟิตกับข้อมูลเราที่สุด อาจใช้วิธีที่เป็นที่นิยมกันอยู่แล้ว อย่าง least square estimation (LSE) ซึ่งทำได้โดยวัด error ระหว่างจุดจริงๆ กับค่าที่ทำนายได้ แล้วพยายามปรับ a,b,c ให้ได้ error น้อยที่สุด</p><p>แต่เนื่องจากค่า y (จำนวนผู้ติดเชื้อ) เป็นจำนวนนับ ในงานวิจัยเกี่ยวกับโรคระบาดส่วนใหญ่ จะหาค่าพารามิเตอร์ด้วยวิธี maximum likelihood estimation (MLE) บนการแจกแจงแบบ Poisson distribution หรือ negative binomial distribution มากกว่า</p><p>ในบล็อกนี้เราจะไม่ได้อฺธิบายหลักการของ MLE มีหลายบทความที่อธิบายเรื่องนี้ไว้แล้วเช่น <a href="https://medium.com/@rrfd/what-is-maximum-likelihood-estimation-examples-in-python-791153818030">What is Maximum Likelihood Estimation</a> และ <a href="https://medium.com/quick-code/maximum-likelihood-estimation-for-regression-65f9c99f815d">Maximum Likelihood Estimation For Regression</a> ถ้ามีโอกาสจะเขียนเล่าเรื่องนี้เป็นบล็อกแยกอีกที หากใครมีข้อสงสัย หลังไมค์มาคุยกันได้ครับ</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/855/0*_0FonXujAgiD8n7Z.png" /><figcaption>การทำ curve fitting ด้วยวิธี maximum likelihood estimation จะพิจารณาว่าค่า y ที่เราต้องการทราบมีการแจกแจงอย่างไร และพยายามหาพารามิเตอร์ที่สอดคล้องกับการแจกแจงนั้นที่สุด (<a href="https://medium.com/quick-code/maximum-likelihood-estimation-for-regression-65f9c99f815d">source</a>)</figcaption></figure><p>กลับมาที่ข้อมูลของเรากันต่อสำหรับข้อมูล 69 วันแรก เราสามารถหาเส้นโค้ง exponential ด้วยวิธี maximum likelihood estimation โดยถือว่าจำนวนผู้ติดเชื้อรายใหม่มีการแจกแจงแบบ Poisson เส้นโค้งที่ฟิตกับข้อมูลเราที่สุดออกมาเป็นดังนี้</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*oiAtqqwhyH0_N_WnOqmVRw.png" /><figcaption>จำนวนผู้ติดเชื้อรายวันค่าจริง (จุดเขียว) ค่าที่ทำนาย (เส้นฟ้า) พารามิเตอร์ a=0.025, b = 0.122, c= -3.467</figcaption></figure><p>กราฟนี้บอกกับเราว่าจำนวนผู้ติดเชื้อรายวันจะเพิ่มขึ้นเรื่อยๆ และถ้าลากเส้นนี้ต่อไปเรื่อยๆ จะพบว่าหากจำนวนผู้ติดเชื้อเติบโตตามเส้นโค้งนี้ จะมีผู้ติดเชื้อใหม่ต่อวันมากถึง 300 ราย ประมาณวันที่ 4 เมษายน และพุ่งทะยานสูงขึ้นเรื่อยๆ</p><p>นั่นทำให้กราฟจำนวน<strong>ผู้ติดเชื้อสะสม</strong>หน้าตาเป็นแบบกราฟด้านล่างนี้ กราฟนี้บอกกับเราว่าจะประเทศไทยจะมีผู้ติดเชื้อสะสมสูงถึง 2,500 คน ในวันที่ 3 เมษายน สังเกตว่าเมื่อ<strong>ผู้ติดเชื้อรายวัน </strong>เพิ่มขึ้นแบบ exponential จะทำให้จำนวน<strong>ผู้ติดเชื้อสะสม</strong>เพิ่มแบบ exponential ตามไปด้วย</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*J0sxKCpHOlwaeJg7K5v1-Q.png" /><figcaption>จำนวนผู้ติดเชื้อสะสมในไทย ค่าจริง (จุดเทา) ค่าที่ทำนายได้ (เส้นฟ้า)</figcaption></figure><p>และถ้าเราลากเส้นจำนวน <strong>ผู้ติดเชื้อสะสม</strong> ต่อไปถึงประมาณกลางเดือนสิงหาคม จะมีผู้ติดเชื้อสะสมทั้งหมดประมาณครึ่งหนึ่งของประชากรโลก!</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*TwQYPA-U9JbI9PAZHabPpA.png" /><figcaption>ผลการทำนายจำนวนผู้ติดเชื้อสะสมในไทยเมื่อยึดฟังก์ชัน exponential เป็นสรณะ</figcaption></figure><p>พักก่อน! การเติบโตแบบ exponential จะเกิดขึ้นแค่ช่วงแรกๆ ของการระบาดเท่านั้น และจะค่อยๆ ช้าลง เนื่องจากประชากรมีจำกัด ไม่ได้ติดต่อหรือมีปฏิสัมพันธ์กันทุกคน และมีมาตรการควบคุมโรค ทำให้การระบาดที่มาแรงในช่วงแรก จะแผ่วลงเมื่อเวลาผ่านไป สำหรับประเทศไทยเอง หากเราดูกราฟต่อจากวันที่ 69 มาอีกประมาณหนึ่งสัปดาห์ จะพบว่า<strong>จำนวนผู้ติดเชื้อรายวัน</strong> ไม่ได้เติบโตแบบ exponential อีกต่อไป</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*FcOoGV4hUHNLORtW962Q4g.png" /></figure><p>หากเรายังฝืนใช้ฟังก์ชัน exponential กับประเทศที่จำนวนผู้ติดเชื้อรายใหม่เริ่มลดลงแล้วเช่น จีน จะเห็นได้ชัดว่าค่าที่ทำนายผิดไปจากความจริงมาก เพราะ<strong>จำนวนผู้ติดเชื้อรายใหม่ </strong>จะเพิ่มถึงจุดสูงสุดค่าหนึ่ง แล้วค่อยลดลงเรื่อยๆ เหมือนโค้งรูประฆังคว่ำ</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*83L-ja5hVmmtS6uPsroMvA.png" /><figcaption>จำนวนผู้ติดเชื้อใหม่รายวันในจีน (จุดเขียว (training set) และแดง (test set)) ค่าที่โมเดลทำนาย (เส้นฟ้า) พารามิเตอร์ a=104.02 , b = 0.024, c= -116.601</figcaption></figure><p>เมื่อเราพิจารณากราฟ<strong>จำนวนผู้ติดเชื้อสะสม</strong> ของจีน เราจะพบว่ากราฟเริ่มคงที่และไม่ได้เติบโตแบบ exponential อีกต่อไป แต่เติบโตในลักษณะ s-curve</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*wpD_oLVsJZNR1Nv5tGWtIg.png" /><figcaption>การเติบโตของจำนวนผู้ติดเชื้อสะสมในจีน ตั้งแต่วันที่ 22 มกราคม — 13 เมษายน 2020 จำนวนผู้ติดเชื้อสะสมในจีนไม่ได้เติบโตแบบ exponential อีกต่อไป แต่เติบโตในลักษณะ s-curve</figcaption></figure><p>เราเรียกการเติบโตแบบรูปตัว S นี้ว่า logistic growth</p><h4>ฟังก์ชัน logistic</h4><p>แล้วถ้าเราลองฟังก์ชันที่หน้าตาคล้ายๆ s-curve มาใช้ดูล่ะ? มีฟังก์ชันหนึ่งที่ดูจะเข้ากับอัตราการเติบโตที่เร็วในช่วงแรกและเริ่มช้าลงเรื่อยๆ เมื่อเวลาผ่านไป นั่นคือฟังก์ชัน logistic หรืออีกชื่อหนึ่งว่าฟังก์ชัน sigmoid</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*E-QQNTdpbYD8PsiVfLtvAQ.png" /><figcaption>ฟังก์ชัน sigmoid เป็นฟังก์ชันที่ให้ค่าอยู่ระหว่าง 0 และ 1 มีการเติบโตแบบตัว S ช่วงที่ x &lt; 0 จะเติบโตในอัตราเร่ง แต่พอ x&gt;0 จะเติบโตช้าลง เรื่อยๆและลู่เข้าค่า 1</figcaption></figure><p>แต่โมเดลที่เราสร้างขึ้น ไม่ได้ทำนาย<strong>จำนวนผู้ติดเชื้อสะสม</strong> แต่เราพยายามทำนาย<strong>จำนวนผู้ติดเชื้อรายใหม่</strong>ในแต่ละวัน ดังนั้นเราต้องหาให้ได้ว่าในแต่ละวันการเปลี่ยนแปลงจำนวนของผู้ติดเชื้อควรมีหน้าตาเป็นอย่างไร</p><p>เราสามารถพิสูจน์ทางคณิตศาสตร์ได้ว่า ถ้าจำนวน<strong>ผู้ติดเชื้อสะสม</strong>มีรูปร่างแบบเส้นโค้ง sigmoid จำนวน<strong>ผู้ติดเชื้อรายใหม่</strong>ในแต่ละวัน จะเพิ่มขึ้นแบบระฆังคว่ำ (พิสูจน์ได้โดยเอาฟังก์ชัน sigmoid มาดิฟหนึ่งทีเพื่อดูอัตราการเปลี่ยนแปลงที่เวลาใดๆ) เราเรียกฟังก์ชันระฆังคว่ำนี้ว่า Logistic distribution function</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*uqMQyGlj2NEmuQtibKR5FQ.png" /><figcaption>ผลจากการดิฟ Logistic function หนึ่งครั้ง เราจะเห็นอัตราการเปลี่ยนแปลงในแต่ละช่วงเวลา Logistic distribution function จะฟอร์มตัวเป็นรูประฆังคว่ำ</figcaption></figure><p>กราฟนี้บอกกับเราว่า หากจำนวนผู้ติดเชื้อใหม่รายวันหน้าตาเพิ่มขึ้นด้วยแพตเทิร์นนี้ (แรกๆ เพิ่มช้า และเร็วขึ้นเรื่อยๆ จนถึงจุดสูงสุดค่าหนึ่ง แล้วค่อยๆ กลับมาช้าลง) จำนวนผู้ป่วยสะสมจะหน้าตาออกมาเป็น s-curve แบบฟังก์ชัน sigmoid ดังจะเห็นได้จากตัวอย่างที่จำลองขึ้นมานี้</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*BvIreZcD0lOvQsFwRk3M0g.png" /><figcaption>(ซ้าย) หากจำนวนผู้ติดเชื้อใหม่เพิ่มขึ้นแบบ logistic distribution จำนวนผู้ติดเชื้อสะสม (ขวา)จะกลายเป็น sigmoid</figcaption></figure><p>เราสามารถใส่พารามิเตอร์ต่างๆ เข้าไปเพื่อปรับแต่งฟังก์ชันได้ดังนี้</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*S3nIeC7-gC-2-N-HWA4zQQ.png" /></figure><p>ผลของการปรับค่าพารามิเตอร์ a, b, c ส่งผลต่อรูปร่างของเส้นโค้งดังนี้</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*DVNOchmNYBnoxScS9cjetA.png" /></figure><p>หากเราตีความพารามิเตอร์ a, b, c ให้เข้ากับข้อมูลผู้ติดเชื้อรายวันของเราจะพบว่า <br>a กำหนดจำนวนผู้ติดเชื้อต่อวันสูงสุด (ยิ่ง a มาก ค่าสูงสุดยิ่งมากตาม)<br>b บอกว่าจำนวนผู้ติดเชื้อจะเพิ่มขึ้นเร็วแค่ไหน (ยิ่ง b มาก ยิ่งโตเร็ว)<br>c ระบุว่าการระบาดจะถึงจุดสูงสุด ณ วันที่ x=c (เมื่อแกน x แทนจำนวนวัน)</p><p>ลองกับประเทศไทยก่อน ให้ training set มี 69 วันเหมือนเดิม ได้ผลดังนี้</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/962/1*VOkRVvQhJBq9kIBvaDbiVw.png" /><figcaption>จำนวนผู้ติดเชื้อรายวันค่าจริง (จุดเขียว(training set) และแดง (test set)) ค่าที่ทำนาย (เส้นฟ้า) พารามิเตอร์ a=ุ582.772, b = 0.168, c= 71.069</figcaption></figure><p>กราฟที่ได้บอกกับเราว่า จำนวนผู้ติดเชื้อใหม่ต่อวัน จะถึงจุดสูงสุดที่เกือบ 150 คนต่อวัน ในวันที่ 1 เมษายน 2020 หลังจากนั้น จำนวนผู้ติดเชื้อรายวันจะลดลงเรื่อยๆ แม้จะเห็นได้ชัดว่าไม่ค่อยตรงกับค่าจริงๆ ใน test set (สีแดง)เท่าไหร่ แต่ก็ใกล้เคียงความจริงมากกว่าการเติบโตแบบ exponential</p><p>หากเราพิจารณาจำนวนผู้ติดเชื้อสะสมจะพบว่า จำนวนผู้ติดเชื้อสะสมในไทยจะลู่เข้าที่จำนวนประมาณ 3,500 คน</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/970/1*m7R5nFoceTo2ac3Bc4aUYQ.png" /></figure><p>ถ้าดูจากแนวโน้มคร่าวๆ แล้ว จำนวนผู้ติดเชื้อสะสมน่าจะต่ำกว่าเส้นโค้งที่ทำนายได้เสียอีก</p><p>นี่เป็นนิมิตหมายอันดีว่าการระบาดจะยุติแล้วใช่มั้ย?</p><p>อาจจะใช่หรือไม่ใช่ก็ได้ เพราะรูปแบบการระบาดไม่จำเป็นต้องเติบโตแบบ ฟังก์ชัน sigmoid เสมอไป ดังเช่นกรณีของเกาหลีใต้</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*OE0NVmJ6a4edq2Vkdsw-DA.png" /><figcaption>จำนวนผู้ติดเชื้อใหม่รายวันในเกาหลีใต้ (บน) ไม่เป็นตามเส้นโค้ง logistic distribution ซึ่งกำหนดด้วยพารามิเตอร์ a= 2381.637, b=0.269, c=41.98 ทำให้จำนวนผู้ติดเชื้อสะสม (ล่าง) ยังคงเพิ่มขึ้นอย่างต่อเนื่อง</figcaption></figure><p>ประเทศที่ดูจะมีการเติบโตแบบ sigmoid มากที่สุดคือประเทศจีน ซึ่งกว่าเราจะรู้ว่ามันเติบโตแบบ sigmoid จริงๆ มันก็ปรากฏรูปร่างแบบ sigmoid ให้เห็นแล้ว และไม่ได้การันตีด้วยว่าการระบาดจะไม่กลับมาเกิดซ้ำอีก</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*RlqXZGj8G81IbqOuofijsA.png" /><figcaption>(บน) จำนวนผู้ติดเชื้อใหม่รายวันในจีน เส้นโค้งกำหนดด้วยพารามิเตอร์ a=16278.383,b=-0.193, c=19.1 (ล่าง) จำนวนผู้ติดเชื้อสะสมในจีน</figcaption></figure><p>การทำนายจะแม่นหรือไม่ยังขึ้นอยู่กับขนาดของ training set ด้วย หากเราทดลองแบ่งขนาด training set ออกเป็นช่วงไล่ตั้งแต่ 10,15,20,25,30 วัน ขอแสดงเฉพาะผลลัพธ์ของการทำนายจำนวน<strong>ผู้ติดเชื้อสะสม </strong>เพื่อให้เห็นข้อผิดพลาดชัดเจน</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*b182lNQIZ34wB7cFdTNkTw.png" /><figcaption>ผลลัพธ์ของการทำนายจำนวนผู้ติดเชื้อสะสมที่ขนาด training set ต่างๆ</figcaption></figure><p>จะเห็นว่ามองดูเส้นไหนก็ฟิตกับข้อมูลอย่างน้อยช่วงหนึ่งเสมอ ปัญหาคือเราไม่มีทางรู้อนาคตได้เลยว่าเส้นที่เราทำนายออกมาจะฟิต หรือไม่ฟิตกับสิ่งที่เกิดขึ้นจริง</p><p>เราอาจพอสรุปได้ว่าโมเดลอย่างง่ายที่เล่ามาทั้งหมดนี้ อาจไม่สามารถใช้คาดการณ์สิ่งที่เกิดขึ้นในอนาคตได้เลย!</p><p>แม้จะไม่เหมาะกับการทำนายอนาคต แต่งานวิจัยบางงานก็นำฟังก์ชัน exponential หรือ logistic (หรือโมเดลที่ซับซ้อนกว่านี้) มาฟิตกับเส้นโค้งเมื่อการระบาดผ่านมาแล้ว และมีข้อมูลทั้งหมดแล้ว เพื่อย้อนกลับมาดูลักษณะการระบาด และหาค่าอื่นๆที่เกี่ยวข้องกับโรคระบาด เช่นค่า R₀ ระยะฟักตัวของโรค หรือแม้แต่จำนวนผู้ติดเชื้อที่ไม่ได้รายงาน (unreported cases) เป็นเท่าไหร่ ถ้าใครอยากศึกษาต่อ แนะนำส่วน introduction ของ <a href="https://www.mdpi.com/2077-0383/9/2/571">paper ฉบับนี้</a></p><p>เราอาจทดลองฟังก์ชันนอกเหนือจากที่เล่ามานี้ เช่น ฟังก์ชันพหุนาม (polynomial) ซึ่งอธิบายการเติบโตของผู้ติดเชื้อที่โตช้ากว่าทวีคูณ (sub-exponential) หรือฟังก์ชันอื่นๆ ที่ใช้คาดคะเนการเติบโตของประชากร เช่น <a href="https://en.wikipedia.org/wiki/Von_Bertalanffy_function">Von Bertalanffy function</a> และ <a href="https://en.wikipedia.org/wiki/Gompertz_function">Gompertz function</a> อีกวิธีการหนึ่งคือใช้โมเดลสำหรับ time series เช่น ARIMA ไปเลย</p><p>แต่ไม่ว่าจะเลือกฟังก์ชันอะไรมาใช้ก็ตาม ข้อจำกัดหนึ่งของการทำนายการระบาดของโรคด้วยการเอาฟังก์ชันที่มีอยู่แล้วมาฟิตกับจำนวนผู้ติดเชื้อแบบทื่อๆ นี้ เราจะได้พารามิเตอร์ที่ควบคุมลักษณะของเส้นโค้งมาเช่น ลู่เข้าค่าไหน ตัวคูณเท่าไหร่ พุ่งขึ้นเร็วแค่ไหน หักลงเมื่อไหร่ แต่ค่า a,b,c ที่เราหามาได้เหล่านี้แทบไม่ได้ช่วยให้เรารู้จักธรรมชาติของโรคดีขึ้นเลย</p><p>แบบจำลองโรคระบาดที่ดี ควรสร้างขึ้นจากความเข้าใจในตัวโรคระบาด โดยมีพารามิเตอร์ที่สะท้อนสมบัติต่างๆ ของโรคและพฤติกรรมของประชากรเอง เช่น ปฏิสัมพันธ์ของผู้ป่วยกับคนที่ยังไม่ป่วย การเดินทางของประชากร อัตราการแพร่เชื้อ ระยะฟักตัว อัตราการหายป่วยจากโรค การเกิดและตายของคนในสังคม ฯลฯ เราจึงมีอีกวิธีการหนึ่งที่ใช้จำลองการระบาดของโรค โดยแบ่งประชากรออกเป็นกลุ่ม แล้วพิจารณาว่าพารามิเตอร์ที่ว่ามาส่งผลต่อการเปลี่ยนแปลงของประชากรแต่ละกลุ่มอย่างไร เราเรียกแบบจำลองประเภทนี้ว่า compartmental model ตัวอย่างของโมเดลประเภทนี้คือ SIR และ SEIR model</p><p>เล่าอย่างนี้อาจจะไม่เห็นภาพ เราจะมาต่อกันเรื่อง SIR model กันในบล็อกหน้า</p><p>โปรดติดตามตอนต่อไป และรักษาสุขภาพด้วยครับ…</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=c1c1d1c205ed" width="1" height="1" alt=""><hr><p><a href="https://medium.com/data-%E0%B8%99%E0%B9%88%E0%B8%B2%E0%B8%9F%E0%B8%B2%E0%B8%94/%E0%B8%A3%E0%B8%B9%E0%B9%89%E0%B8%88%E0%B8%B1%E0%B8%81%E0%B8%81%E0%B8%B2%E0%B8%A3%E0%B9%80%E0%B8%95%E0%B8%B4%E0%B8%9A%E0%B9%82%E0%B8%95%E0%B9%81%E0%B8%9A%E0%B8%9A-exponential-%E0%B9%81%E0%B8%A5%E0%B8%B0-logistic-%E0%B8%88%E0%B8%B2%E0%B8%81-covid-19-c1c1d1c205ed">รู้จักการเติบโตแบบ exponential และ logistic จาก COVID-19</a> was originally published in <a href="https://medium.com/data-%E0%B8%99%E0%B9%88%E0%B8%B2%E0%B8%9F%E0%B8%B2%E0%B8%94">data น่าฟาด</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[รู้จัก COVID-19 ผ่านข้อมูล]]></title>
            <link>https://medium.com/data-%E0%B8%99%E0%B9%88%E0%B8%B2%E0%B8%9F%E0%B8%B2%E0%B8%94/%E0%B8%A3%E0%B8%B9%E0%B9%89%E0%B8%88%E0%B8%B1%E0%B8%81-covid-19-%E0%B8%9C%E0%B9%88%E0%B8%B2%E0%B8%99%E0%B8%82%E0%B9%89%E0%B8%AD%E0%B8%A1%E0%B8%B9%E0%B8%A5-3bebb95d19d2?source=rss-7dae393998f6------2</link>
            <guid isPermaLink="false">https://medium.com/p/3bebb95d19d2</guid>
            <category><![CDATA[data-analysis]]></category>
            <category><![CDATA[covid19]]></category>
            <category><![CDATA[data-science]]></category>
            <dc:creator><![CDATA[New Naveen]]></dc:creator>
            <pubDate>Mon, 23 Mar 2020 15:32:14 GMT</pubDate>
            <atom:updated>2020-03-23T15:32:14.106Z</atom:updated>
            <content:encoded><![CDATA[<p>เรียนรู้สถิติที่น่าสนใจของ COVID-19</p><h3>Coronavirus คืออะไร</h3><p>โคโรนาไวรัส เป็นไวรัสจำพวกหนึ่งที่ค้นพบมานานแล้ว มันมีรูปร่างปรากฏเป็นแฉกเหมือนสวมมงกุฎอยู่ โคโรนาไวรัสเป็นสาเหตุของโรคติดเชื้อในระบบทางเดินหายใจตั้งแต่โรคธรรมดา เช่นหวัด ไปจนถึงโรคที่ร้ายแรงกว่านั้นเช่น โรคทางเดินหายใจตะวันออกกลาง (MERS) และ โรคระบบทางเดินหายใจเฉียบพลันร้ายแรง (SARS)</p><p>โคโรนาไวรัส สายพันธ์ุใหม่ชื่อ SARS-CoV-2 ทำให้เกิดโรค <strong>COVID-19</strong> ซึ่งเริ่มต้นระบาดในอู่ฮั่น ประเทศจีนเมื่อปลายปี 2019</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/800/0*NcFhM2D0N7WbuKwG.png" /></figure><h3>Dataset</h3><p>dataset ของ COVID-19 นำมาจาก <a href="https://www.kaggle.com/sudalairajkumar/novel-corona-virus-2019-dataset">kaggle</a> ซึ่งรวบรวมข้อมูลการติดเชื้อรายประเทศ ตั้งแต่วันที่ 22 มกราคม 2020 จนถึงปัจจุบัน (23 มีนาคม 2020) และยังมีโปรไฟล์ของผู้ติดเชื้อเช่น เพศ อายุ ประเทศที่อยู่ ฯลฯ แต่ไม่ได้มีข้อมูลของผู้ติดเชื้อทุกคน นั่นทำให้ตัวเลขจากการวิเคราะห์ข้อมูลชุดนี้ อาจไม่ได้สะท้อนประชากรทั้งหมด และไม่ใช่ตัวเลขอย่างเป็นทางการ</p><h3>จำนวนผู้ติดเชื้อ</h3><p>จนถึงขณะนี้จำนวนผู้ติดเชื้อทั่วโลกยังเพิ่มขึ้นต่อเนื่อง</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*bOFN8Z5QnGLQefpUzpwYcQ.png" /><figcaption>จำนวนผู้ติดเชื้อ COVID-19 รายวัน (ทั่วโลก)</figcaption></figure><p>เมื่อเหลียวกลับไปมองที่จีน ญี่ปุ่น และเกาหลีใต้ที่พบผู้ติดเชื้อเป็นประเทศแรกๆ จะเห็นว่าจำนวนผู้ติดเชื้อสะสมเริ่มคงที่ และในวันที่ 19 มีนาคม <a href="https://www.rte.ie/news/2020/0320/1124268-china-virus-no-new-cases/">ประเทศจีนไม่พบคนจีนรายใหม่ที่ติดเชื้อแล้ว</a> (แต่ยังคงพบผู้ติดเชื้อต่างชาติอยู่)</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*AGLwIC08ARRj9kzVOlZS9g.png" /><figcaption>จำนวนผู้ติดเชื้อ COVID-19 สะสมรายวันในจีน เกาหลีใต้ และญี่ปุ่น</figcaption></figure><p>สำหรับประเทศไทยและประเทศอื่นๆ สงครามเพิ่งเริ่มต้นเท่านั้น</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*AD4lVx6OVPJMyRKt9Hzw8w.png" /><figcaption>จำนวนผู้ติดเชื้อ COVID-19 สะสมรายวันในประเทศที่มีผู้ติดเชื้อสะสมสูงสุดในปัจจุบัน (ไม่รวมจีน เกาหลี และญี่ปุ่น)</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*J2DwprQdQOF9qu3JofD_Qg.png" /><figcaption>จำนวนผู้ติดเชื้อ COVID-19 สะสมรายวันในไทย</figcaption></figure><p>จะเห็นว่า ในกรณีของประเทศไทยเมื่อจำนวนผู้ติดเชื้อผ่าน 100 คน จำนวนผู้ติดเชื้อรายใหม่ก็เติบโตขึ้นอย่างรวดเร็ว เราจะกลับมาคุยกันเรื่องจำนวนผู้ติดเชื้อ และการคาดการณ์จำนวนผู้ติดเชื้ออีกครั้งในตอนต่อไป…</p><h3>อัตราการเสียชีวิต</h3><p>แต่ติดเชื้อไม่ได้แปลว่าจะตาย เพราะเมื่อมาดูอัตราการเสียชีวิต (crude fatality rate) ของโรคนี้มีค่า <strong>4.36%</strong> ซึ่งขยับสูงขึ้นจาก 3.4% ที่ <a href="https://www.who.int/dg/speeches/detail/who-director-general-s-opening-remarks-at-the-media-briefing-on-covid-19---3-march-2020">WHO แถลง</a>ไว้เมื่อ 3 มีนาคมที่ผ่านมา อัตราการเสียชีวิตยังคงเปลี่ยนแปลงตามเวลา ซึ่งส่วนใหญ่จะสูงในช่วงเริ่มต้นและจะมีค่าลดลงเมื่อเวลาผ่านไป เนื่องจากพบผู้ติดเชื้อที่อาการไม่รุนแรงมากขึ้น (จากก่อนหน้าที่จะโฟกัสไปที่ผู้ป่วยอาการรุนแรง ซึ่งมีโอกาสตายสูง) และเรารู้จักวิธีรับมือกับโรคได้ดีขึ้น</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*fJxtpDYh5v77l43uXz5NsA.png" /><figcaption>อัตราการเสียชีวิตรายวัน จากในและนอกประเทศจีน เมื่อกลางเดือนมีนาคม อัตราการเสียชีวิตนอกประเทศจีนสูงกว่าอัตราในประเทศจีนแล้ว</figcaption></figure><p>เนื่องจากเรายังอยู่ในช่วงต้นของการระบาดทั่วโลก จึงยังเร็วเกินไปที่จะสรุปตัวเลขอัตราการเสียชีวิตที่แน่นอน ณ เวลานี้ แต่นี่ก็เป็นตัวเลขที่ดีที่สุดเท่าที่เราจะหาได้ การคำนวณอัตราการเสียชีวิตในกรณีนี้ขอใช้วิธีที่ซับซ้อนน้อยที่สุดคือ crude fatality rate (CFR) คำนวณจากจำนวนผู้เสียชีวิตสะสม/จำนวนผู้ติดเชื้อสะสม ณ วันนั้นๆ</p><p>เมื่อนำอัตราการเสียชีวิตมาเทียบกับโรคระบาดที่เป็นข่าวในช่วงหลายปีที่ผ่านมา จะพบว่าค่านี้ไม่ได้สูงมากนัก</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*dVYsqthuZDMa2_d624SoOA.png" /><figcaption>อัตราการเสียชีวิตของ COVID-19 เทียบกับโรคต่างๆ (อัตราการเสียชีวิตเป็นค่าโดยประมาณ ซึ่งอาจแตกต่างกันไปในแต่ละช่วงเวลาและพื้นที่)</figcaption></figure><p>แต่เมื่อเทียบกับไข้หวัดธรรมดาแล้ว ก็สูงกว่า 40 เท่าตัว</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*r2Ieg7FVbljF6CWORFMBYQ.png" /><figcaption>อัตราการเสียชีวิตของ COVID-19 เทียบกับโรคต่างๆ (*อัตราการเสียชีวิตของโรคไข้เลือดออกชนิดร้ายแรงอาจสูงถึง 5% และอาจเพิ่มขึ้นถึง 20% หากไม่ได้พบแพทย์ทันเวลา)</figcaption></figure><p>ข้อมูลจาก kaggle ยังบอกอีกว่าอัตราการเสียชีวิตยังขึ้นกับอายุด้วย ยิ่งอายุมากโอกาสเสียชีวิตยิ่งสูง (ขอไม่โชว์กราฟข้อมูลให้ดู เพราะมีข้อมูลผู้ป่วยที่ไม่ระบุอายุมากเกินไป) จึงไปหารายงานที่บอกสถิตินี้อย่างเป็นทางการมาแทน</p><p>แนวโน้มไปในทางเดียวกับ<a href="https://jamanetwork.com/journals/jama/fullarticle/2762130?guestAccessKey=bdcca6fa-a48c-4028-8406-7f3d04a3e932&amp;utm_source=For_The_Media&amp;utm_medium=referral&amp;utm_campaign=ftm_links&amp;utm_content=tfl&amp;utm_term=022420&amp;mod=article_inline">รายงาน</a>ของประเทศจีนที่เก็บรวบรวมข้อมูลจากผู้ติดเชื้อ 44 ,672 คนเมื่อวันที่ 11 กุมภาพันธ์ 2020 นั่นคือยิ่งสูงอายุ ยิ่งมีโอกาสเสียชีวิตมาก</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*woMF0JIFm3PrEbqqeaf6SA.png" /><figcaption>อัตราการเสียชีวิตแบ่งตามช่วงอายุ (ข้อมูลจาก <a href="https://jamanetwork.com/journals/jama/fullarticle/2762130?guestAccessKey=bdcca6fa-a48c-4028-8406-7f3d04a3e932&amp;utm_source=For_The_Media&amp;utm_medium=referral&amp;utm_campaign=ftm_links&amp;utm_content=tfl&amp;utm_term=022420&amp;mod=article_inline">China CDC</a>)</figcaption></figure><p>ข้อมูลจาก kaggle ซึ่งไม่ได้ระบุเพศผู้ป่วยครบทุกคนบอกกับเราว่าอัตราการเสียชีวิตของเพศชายอยู่ที่ (8.46%) เพศหญิง (3.66%) ซึ่งดูสูงทะแม่งๆ อย่างไรก็ตามแนวโน้มนี้ก็สอดคล้องกับ<a href="https://www.who.int/docs/default-source/coronaviruse/who-china-joint-mission-on-covid-19-final-report.pdf">รายงาน</a>ของประเทศจีนที่เก็บข้อมูลจากผุ้ติดเชื้อในจีน 55,924 ราย ณ วันที่ 20 กุมภาพันธ์ 2020 นั่นคือเพศชายมีอัตราการเสียชีวิตสูงกว่าเพศหญิง</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*KtRoCTJjXxzEcRii6Ku1TQ.png" /><figcaption>อัตราการเสียชีวิตแบ่งตามเพศ (ข้อมูลจาก <a href="https://www.who.int/docs/default-source/coronaviruse/who-china-joint-mission-on-covid-19-final-report.pdf">Report of the WHO-China Joint Mission on Coronavirus Disease 2019 (COVID-19)</a>)</figcaption></figure><blockquote>สรุปคือถ้าใครจะใช้ข้อมูลโปรไฟล์ผู้ป่วยจาก kaggle มาวิเคราะห์ ให้ระมัดระวังเรื่องข้อมูลที่หายไป แม้แนวโน้มจะออกมาในทางเดียวกัน แต่ตัวเลขก็คลาดเคลื่อนจากรายงานอย่างเป็นทางการพอสมควร และไม่สามารถสรุปได้ว่าตัวเลขจริงเปลี่ยนไปแล้วหรือข้อมูลของเราไม่สมบูรณ์</blockquote><p>นอกจากนี้อัตราการเสียชีวิตยังขึ้นอยู่กับว่าประเทศที่คุณอยู่มีมาตรการรองรับผู้ป่วยที่มีประสิทธิภาพแค่ไหน</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*IPGpKtzV1ombJjiBT2hpPQ.png" /><figcaption>อัตราการเสียชีวิตรายประเทศ 10 อันดับแรก (สำหรับประเทศที่ผู้ติดเชื้อเกิน 100 คน)</figcaption></figure><p>สำหรับประเทศไทยมีผู้เสียชีวิตแค่รายเดียวจาก 721 คน ซึ่งถือเป็นสัดส่วนน้อยมากๆ แต่ไม่ได้แปลว่าเมืองไทยอันตรายน้อยกว่าประเทศอื่นนะ</p><h3>แล้วมันติดง่ายมั้ย</h3><p>อีกหนึ่งความน่ากลัวของเชื้อโรคคือความสามารถในการแพร่กระจาย ตัวชี้วัดหนึ่งที่ใช้กันคือค่า R₀ (มักเรียกกันว่า R-naught) ค่า R₀ หรือ Basic reproduction number บอกกับเราว่าโดยเฉลี่ยแล้ว คนหนึ่งคนสามารถแพร่เชื้อให้คนที่ยังไม่ติดเชื้อได้กี่คน</p><p>ถ้า R₀ &gt; 1 จะทำให้เกิดโรคระบาด คนติดเชื้อใหม่จะเพิ่มขึ้นเรื่อย<br>แต่ถ้า R₀ &lt; 1 จะไม่เกิดโรคระบาด คนติดเชื้อใหม่จะลดลงเรื่อยๆ</p><p>R₀ จะมากหรือน้อยขึ้นอยู่กับ</p><ol><li>ระยะเวลาแพร่เชื้อ ยิ่งนาน โอกาสแพร่เชื้อยิ่งสูงทำให้ค่า R₀ สูงขึ้น</li><li>วิธีการแพร่ระบาด ถ้าแพร่ระบาดทางอากาศ R₀ ยิ่งสูง แต่ถ้าแพร่ผ่านทางเลือดซึ่งยากกว่า ก็จะดึง R₀ ให้ต่ำลง</li><li>ปฏิสัมพันธ์ของผู้ป่วย ยิ่งผู้ป่วยพบปะผู้คนจำนวนมาก R₀ ยิ่งสูงขึ้น นี่เป็นวิธีเดียวที่เราสามารถควบคุมได้ เพื่อลดค่า R₀ โดยหลีกเลี่ยงการไปอยู่ในที่มีคนเยอะ หรือกักตัวอยู่บ้าน</li></ol><p>สำหรับ Covid-19 องค์การอนามัยโลก<a href="https://www.who.int/docs/default-source/coronaviruse/who-china-joint-mission-on-covid-19-final-report.pdf">ประเมิน</a>ว่ามีค่า R₀ อยู่ระหว่าง 2 -2.5 นั่น ซึ่งขอตีเป็นกรณีที่เลวร้ายสุดคือ 2.5 ไปเลย นั่นหมายความว่า โดยเฉลี่ยแล้วผู้ป่วยหนึ่งคนสามารถแพร่เชื้อไปให้คนอื่นได้ 2.5 คน</p><p>เมื่อเทียบ R₀ ของ Covid-19 กับโรคอื่นๆแล้วพบว่าใกล้เคียงกับไข้หวัดนก และ SARS ซึ่งเป็นโรคทางเดินหายใจเหมือนกัน และสูงกว่าไข้หวัดธรรมดา นั่นหมายความว่าถ้าไม่มีการควบคุมอะไรเลย Covid-19 จะระบาดหนักกว่าโรคหวัดเสียอีก และยิ่งอัตราการเสียชีวิตสูงกว่าหวัดถึง 40 เท่า จะทำให้มีผู้เสียชีวิตเพิ่มขึ้นถึง 40 เท่าตัว!</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Bj7x0pXcIORx02dguBn0KQ.png" /><figcaption>R₀ ของ Covid-19 เทียบกับโรคต่างๆ</figcaption></figure><p>เรามักจะนำค่า R₀ มาพล็อตกราฟคู่กับอัตราการเสียชีวิต จะทำให้เราพอเห็นความร้ายกาจของโรคได้</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*PhbiXoAKs_l4fom2iPBJ7A.png" /></figure><p>จะเห็นได้ว่า โรคหัด (Measles) ซึ่งแพร่เชื้อได้ทางอากาศมีค่า R₀ สูงมาก แต่อัตราการเสียชีวิตค่อนข้างต่ำ เพราะอาการของโรคไม่รุนแรงถึงตาย ในขณะเดียวกันไข้หวัดนกหรืออีโบลาที่มีอัตราการเสียชีวิตสูง จะมีความสามารถในการแพร่เชื้อต่ำเทียบกับ ไข้ทรพิษ (smallpox) หรือโรคหัด เพราะส่วนใหญ่ผู้ติดเชื้อจะตายก่อนได้เดินทางไปแพร่เชื้อในวงกว้าง</p><p>เราจะพบว่า SARS มีอัตราการเสียชีวิตและ R₀ สูงกว่า Covid-19 แต่ทำไมจึงไม่เกิดการระบาดใหญ่เช่นนี้ นั่นเป็นเพราะโรค SARS จะเข้า<a href="https://www.who.int/ith/diseases/sars/en/">ระยะแพร่เชื้อ</a>ในสัปดาห์ที่สองหลังแสดงอาการ แต่ Covid-19 อาจแพร่เชื้อได้ทันทีเมื่อแสดงอาการ การควบคุมโรคจึงทำได้ยากกว่า</p><h3>การระบาดจะไปจบที่ตรงไหน</h3><p>หากควบคุมสถานการณ์ได้ จำนวนผู้ติดเชื้อรายใหม่จะค่อยๆ ลดลงแบบประเทศจีน และเมื่อผู้ป่วยรักษาหายจำนวนผู้ติดเชื้อก็จะค่อยๆ หมดไป เมื่อการระบาดหยุดแล้วก็จำเป็นต้องเฝ้าระวัง ไม่ให้การระบาดเกิดขึ้นซ้ำอีก</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*lp1dPwb0MqYnRf-1EKvlKw.png" /><figcaption>จำนวนผู้ติดเชื้อรายใหม่ และจำนวนผู้ติดเชื้อสะสมรายวันในประเทศจีน</figcaption></figure><p>อย่างไรก็ตาม เหตุที่เราต้องชะลอการระบาดให้เกิดขึ้นช้าที่สุดมีเหตุผลหลักๆ สองประการ</p><p>1.เพื่อให้มีบริการทางการแพทย์ที่เพียงพอต่อผู้ป่วย หากผู้ป่วยเพิ่มขึ้นเร็วจนเกินขีดความสามารถของระบบสาธารณสุข จะมีผู้เสียชีวิตมากกว่าที่ควรจะเป็นเพราะทรัพยากรทางด้านการแพทย์ไม่เพียงพอ</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Xnc3tH7CO8GmDfpx1wLPYQ.png" /><figcaption>Flattening the curve คือการชะลอจำนวนผู้ป่วยใหม่ ให้เพียงพอกับขีดความสามารถทางการแพทย์ (source: <a href="https://www.vox.com/2020/3/10/21171481/coronavirus-us-cases-quarantine-cancellation">Vox</a>)</figcaption></figure><p>2. เพื่อประวิงเวลา จนกว่าจะคิดค้นยารักษาหรือวัคซีนได้</p><p>หากโรคระบาดลุกลามจนควบคุมไม่ได้หนทางสุดท้ายคือการทำให้เกิด <strong>ภูมิคุ้มกันกลุ่ม (herd immunity)</strong></p><h3>ภูมิคุ้มกันกลุ่ม (Herd immunity)</h3><p>เราสามารถพิสูจน์ทางคณิตศาสตร์ได้ว่า เมื่อประชากรในสังคมมีภูมิคุ้มกัน จนถึงสัดส่วน 1–1/R₀ การะบาดของโรคจะยุติลง ยกตัวอย่างเช่นโรคหัดมี R₀ = 15 ซึ่งระบาดในวงกว้างมาก คนในสังคมต้องมีภูมิคุ้มกันอย่างน้อย 93% ของประชากรทั้งหมด จึงจะหยุดการระบาดไว้ได้ นี่เป็นเหตุผลที่เราต้องรับวัคซีนโรคหัดตั้งแต่ยังเด็ก แม้มันจะไม่มีอันตรายร้ายแรง แต่การระบาดจะไปไวมาก หากไม่มีภูมิต้านทาน</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/800/0*SXKwjQg4jA08R03O.png" /><figcaption>การเกิด herd immunity จะยับยั้งการระบาดของโรคได้เมื่อประชากรมีภูมิคุ้มกันอย่างน้อย 1–1/R0 หากประชากรกลุ่มสีเหลือง (มีภูมิคุ้มกัน) มีจำนวนมากพอ จะช่วยกักผู้ติดเชื้อไม่ให้แพร่กระจายโรคได้ (source: <a href="https://en.wikipedia.org/wiki/Herd_immunity#/media/File:Herd_immunity.svg">wikipedia</a>)</figcaption></figure><p>หาก Covid-19 มี R₀ = 2.5 หมายความว่า ประชากรในประเทศต้องมีภูมิคุ้มกันอย่างน้อย 60% หากประชากรในไทยมี 70 ล้านคน นั่นหมายความว่า คนไทยจะต้องมีภูมิคุ้มกันอย่างน้อย 42 ล้านคน การแพร่ระบาดจึงจะยุติ ซึ่งจะเกิดขึ้นได้จากการฉีดวัคซีน หรือหายจากการติดเชื้อ</p><p>อีกวิธีหนึ่งคือการควบคุม R₀ ให้ต่ำที่สุดเท่าที่จะเป็นไปได้ หากเราลด R₀ ให้เหลือต่ำกว่า 1 การระบาดจะยุติลงไปเอง และหากเราลด R₀ ให้เหลือ 1.5 (ตัวเลขสมมติ) สัดส่วนประชากรที่ต้องมีภูมิคุ้มกันจะลดเหลือเพียง 33% หรือประมาณ 23 ล้านคนเท่านั้น</p><h3>มึงว่ากูติดยังวะ?</h3><p>รายงาน <a href="https://www.who.int/docs/default-source/coronaviruse/who-china-joint-mission-on-covid-19-final-report.pdf">Report of the WHO-China Joint Mission on Coronavirus Disease 2019 (COVID-19)</a> บอกกับเราว่าอาการส่วนใหญ่ของผู้ติดเชื้อจะมีไข้ และไอแห้งๆ และมักแสดงอาการในช่วง 5–6 วันหลังติดเชื้อ บางคนอาจไม่แสดงอาการเลย</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*roLdXFf1jzZQ-Pm-9Dt0FQ.png" /><figcaption>อาการของโรค COVID-19(ข้อมูลจาก <a href="https://www.who.int/docs/default-source/coronaviruse/who-china-joint-mission-on-covid-19-final-report.pdf">Report of the WHO-China Joint Mission on Coronavirus Disease 2019 (COVID-19)</a>)</figcaption></figure><p>กรมควบคุมโรค<a href="https://ddc.moph.go.th/viralpneumonia/img/infographic/info_02_16032020.jpg">ระบุ</a>ว่าหากกลับจากพื้นที่เสี่ยงแล้วมีไข้ 37.5 องศาเซลเซียสขึ้นไป มีอาการไอ มีน้ำมูก หายใจเหนื่อยหอบ อย่างใดอย่างหนึ่งควรพบแพทย์ทันที</p><h3>ระหว่างนี้เราจะดูแลตัวเองอย่างไร</h3><p>องค์การอนามัยโลก<a href="https://www.who.int/emergencies/diseases/novel-coronavirus-2019/advice-for-public">แนะนำ</a>ว่า สำหรับผู้ที่ไม่เคยเดินทางไปอยู่ในพื้นที่เสี่ยงควรจะ</p><ul><li><strong>ล้างมือบ่อยๆ</strong> การล้างมือด้วยน้ำสบู่ และแอลกอฮอล์ช่วยฆ่าเชื้อที่ติดอยู่บนมือของเราได้</li><li><strong>รักษาระยะห่างกับคนรอบข้าง </strong>ควรอยู่ห่างจากคนรอบข้างที่มีอาการไอ หรือจามอย่างน้อย 1 เมตร</li><li><strong>หลีกเลี่ยงการสัมผัสตา จมูก หรือปาก</strong> หากมือเราไม่สะอาด ไวรัสสามารถเข้าสู่ร่างกายเราได้ผ่านช่องทางเหล่านี้</li><li><strong>ปิดปากเวลาไอหรือจาม </strong>ด้วยการพับข้อศอก หรือใช้ผ้าและทิชชู่ปิด</li><li><strong>หากมีอาการไข้ ไอ หรือหายใจติดขัด ให้ไปพบแพทย์</strong></li><li><strong>ติดตามข่าวสารจากทางการ</strong></li></ul><p>สำหรับผู้ที่เดินทางไปในพื้นที่เสี่ยงในช่วง 14 วันที่ผ่านมา ควรปฏิบัติตัวเพิ่มเติมดังนี้</p><ul><li>กักตัวอยู่บ้านจนกว่าจะหาย หากมีอาการไม่สบาย แม้เพียงเล็กน้อย เช่นปวดหัว คัดจมูก</li><li>หากมีอาการไข้ ไอ หรือหายใจติดขัด ให้ไปพบแพทย์ทันที</li></ul><p>สำหรับในไทย สามารถติดตามข่าวสารและมาตราการต่างๆได้จาก<a href="https://ddc.moph.go.th/viralpneumonia/">กรมควบคุมโรค</a></p><p>ในตอนต่อไป เราจะมาสร้างโมเดลทางคณิตศาสตร์เพื่อทำนายจำนวนผู้ติดเชื้อกัน ในระหว่างนี้หลีกเลี่ยงเลี่ยงการเดินทางที่ไม่จำเป็น ระมัดระวังเรื่องการแชร์ข่าวเท็จ ทั้งเรื่องพื้นที่เสี่ยงที่ไม่ได้รับการยืนยัน วิธีรักษาโรคแบบแปลกๆ มาตรการรัฐที่ยังไม่ได้ประกาศ ทั้งหมดทั้งมวลนี้เพื่อตัวเราเองและคนที่เรารัก</p><p>รักษาสุขภาพกันด้วยนะครับ Stay healthy, stay hygienic.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=3bebb95d19d2" width="1" height="1" alt=""><hr><p><a href="https://medium.com/data-%E0%B8%99%E0%B9%88%E0%B8%B2%E0%B8%9F%E0%B8%B2%E0%B8%94/%E0%B8%A3%E0%B8%B9%E0%B9%89%E0%B8%88%E0%B8%B1%E0%B8%81-covid-19-%E0%B8%9C%E0%B9%88%E0%B8%B2%E0%B8%99%E0%B8%82%E0%B9%89%E0%B8%AD%E0%B8%A1%E0%B8%B9%E0%B8%A5-3bebb95d19d2">รู้จัก COVID-19 ผ่านข้อมูล</a> was originally published in <a href="https://medium.com/data-%E0%B8%99%E0%B9%88%E0%B8%B2%E0%B8%9F%E0%B8%B2%E0%B8%94">data น่าฟาด</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[ผนงรจตกม? ถอดตัวย่อภาษาไทย ด้วยสถิติ]]></title>
            <link>https://medium.com/data-%E0%B8%99%E0%B9%88%E0%B8%B2%E0%B8%9F%E0%B8%B2%E0%B8%94/%E0%B8%9C%E0%B8%99%E0%B8%87%E0%B8%A3%E0%B8%88%E0%B8%95%E0%B8%81%E0%B8%A1-%E0%B8%96%E0%B8%AD%E0%B8%94%E0%B8%95%E0%B8%B1%E0%B8%A7%E0%B8%A2%E0%B9%88%E0%B8%AD%E0%B8%A0%E0%B8%B2%E0%B8%A9%E0%B8%B2%E0%B9%84%E0%B8%97%E0%B8%A2-%E0%B8%94%E0%B9%89%E0%B8%A7%E0%B8%A2%E0%B8%AA%E0%B8%96%E0%B8%B4%E0%B8%95%E0%B8%B4-b601ec303f33?source=rss-7dae393998f6------2</link>
            <guid isPermaLink="false">https://medium.com/p/b601ec303f33</guid>
            <category><![CDATA[bigram-model]]></category>
            <category><![CDATA[nlp]]></category>
            <category><![CDATA[data-science]]></category>
            <category><![CDATA[machine-learning]]></category>
            <dc:creator><![CDATA[New Naveen]]></dc:creator>
            <pubDate>Thu, 12 Mar 2020 14:11:17 GMT</pubDate>
            <atom:updated>2020-03-12T14:11:17.632Z</atom:updated>
            <content:encoded><![CDATA[<p>วัน​ก่อน​ได้​เห็น​อักษรย่อชุดหนึ่ง​จากงานฟุตบอลประเพณีจุฬาฯธรรมศาสตร์ ที่ร้อนแรงจนโลกโซเชียลลุกเป็นไฟ</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/728/0*tfwY3ruYLW7sMwGY.jpg" /><figcaption>ภาพจาก <a href="https://www.matichon.co.th/politics/news_1956174">มติชน</a></figcaption></figure><p>ตอนเห็นครั้งแรกก็ไม่เก็ต แต่พอดูไปดูมาก็เหมือนจะเก็ต แต่เอ๊ะความจริงแล้วมันก็อาจจะมีความหมายอื่นหรือเปล่านะ ข้อดีของอักษรย่อคือมันใช้กลบเกลื่อนความหมายตรงๆ ให้ดูกำกวม และเลี่ยงบาลีไปประเด็นอื่นเวลาเป็นเรื่องเป็นราวขึ้นมา ผมเลยเกิดไอเดียว่าการ​วิ่ง​วุ่น​หา​คำอธิบายว่าอักษรย่อชุดนี้มันหมายความว่าอะไรคงเหนื่อยน่าดู ถ้าอย่างนั้นก็เขียนโปรแกรมขึ้นมาช่วยคิดดีกว่า</p><h3>ธรรมชาติ​ของ​อักษรย่อ</h3><p>โ​ด​ย​ป​กติแล้วอักษรย่อจะคัดตัวอักษรบางตัวในคำหรือชื่อเฉพาะยาวๆ มาใช้แทนคำนั้น เช่น ร.พ. (โรงพยาบาล), ครม. (คณะรัฐมนตรี) หรือ กสทช. (คณะกรรมการกิจการกระจายเสียง กิจการโทรทัศน์ และกิจการโทรคมนาคมแห่งชาติ)</p><p>แต่ในกรณีของโลกโซเชียล ส่วนใหญ่แล้วเราจะย่อกันทุกพยางค์​ของคำไปเลยเช่น พน (พรุ่งนี้), จขกท (เจ้าของกระทู้), คหสต (ความเห็น​ส่วนตัว)​, อสกข, ปสด, อห (ไปหาความหมายเอาเองนะครับ)</p><p>เนื่องจากวาทะนี้เริ่มต้นมาจากโลกโซเชียล ในโปร​เจ็กต์นี้​จึงยึดวิธีการย่อตามแต่ละพยางค์​เป็นหลัก ลองมาดูกันว่า ‘ผนงรจตกม’ นั้นย่อมาจากอะไรกันแน่</p><h3>คลังของตัวย่อ</h3><p>ขั้นตอนแรกเราจะหาก่อนว่าจากคำที่เรามีทั้งหมด เอามาย่อเป็นอะไรได้บ้าง อย่างที่เกริ่นไปก่อนหน้านี้ว่าเราจะย่อตามจำนวนพยางค์ เพราะฉะนั้นในแต่ละคำเราต้องตัดแบ่งพยางค์ออกมา หลังจากนั้น เราจะดึงพยัญชนะต้นของแต่ละพยางค์ให้ออกมาเป็นตัวย่อของคำนั้นๆ ยกตัวอย่างเช่น</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*3N5rMLfhTzDKR_ByRm20iw.png" /><figcaption>ตัวอย่างการตัดแบ่งคำให้เป็นพยางค์ และดึงพยัญชนะต้นออกมาเป็นอักษรย่อ</figcaption></figure><p>คลังคำที่เลือกใช้ดึงมาจาก corpus ของ <a href="https://thainlp.org/pythainlp/docs/2.0/api/corpus.html">PyThaiNLP</a> ซึ่งมีคำไทยที่พบบ่อยในชีวิตประจำวัน ชื่อประเทศทั่วโลก และชื่อจังหวัดต่างๆ ในประเทศไทย จากนั้นเราจะตัดคำออกเป็นพยางค์ด้วย <a href="https://github.com/ponrawee/ssg">CRF syllable segmenter for Thai</a> แล้วดึงอักษรตัวแรกออกมา ในกรณีที่คำนั้นมีพยัญชนะต้นเป็นอักษรนำ เราจะตัดพยัญชนะ​แรกทิ้งไปเช่น</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*vd7NM39wPeqxXVfFMyD9RA.png" /><figcaption>ตัวอย่างการหาอักษรย่อกรณีที่คำมีอักษรนำ</figcaption></figure><p>การตัดตัวอักษรนำนั้นซับซ้อนกว่าที่เห็น เพราะบางคำดูเหมือนเป็นอักษรนำ แต่ในบางบริบทก็ไม่ใช่อักษรนำ เช่น ‘แหน’ จะอ่านต่างกันในคำว่า จอกแหน กับหวงแหน หรือ ‘เหย’ ในคำว่า เหยเก กับ เหยแกร หรือ ‘แห่ง’ กับ ‘แหง่’ ที่ออกเสียงต่างกันตามตำแหน่งของวรรณยุกต์ ในโปรเจ็กต์นี้เราเขียนกฎเกณฑ์แบบง่ายๆ ขึ้นมาตัดอักษรนำเหล่านี้ ซึ่งจะไม่ถูกต้อง 100% เมื่อเจอกรณีที่นำเสนอให้ดู หากใครมีวิธีดีๆ สำหรับจัดการอักษรนำเหล่านี้ ยินดีรับข้อเสนอแนะครับ</p><p>เมื่อจบขั้นตอนนี้เราจะได้พจนานุกรมคำย่อของทุกคำที่เรามี หน้าตาประมาณนี้</p><pre>ก → กก,กด,กรอก,กราฟ,กลิ้ง,กุด,...<br>กก → กงการ,กดกริ่ง,กรรไกร,กลไก,...<br>ข → ขด,ขบ,ข่วน,ขุด,เขิน,ไข่,...<br>ขน → ขนนก,ขวดนม,ของนอก,ขาวนวล,...<br>...</pre><h3>เอาตัวย่อมาสับ</h3><p>วิธีหาว่า ‘ผนงรจตกม’ ย่อมาจากอะไร แบบง่ายที่สุดคือการให้ตัวอักษรแต่ละตัวแทนหนึ่งคำไปเลย นั่นคือเราจะตัดแบ่ง ‘ผนงรจตกม’ เป็น ‘ผ|น|ง|ร|จ|ต|ก|ม’ แล้วเราก็ไปเปิดพจนานุกรมคำย่อที่เราหามาเมื่อครู่นี้ว่ามีคำอะไรที่เป็นไปได้บ้าง</p><p>แต่คำบางคำมีหลายพยางค์ ขอบเขตของคำจึงครอบคลุมมากกว่าหนึ่งตัวอักษร ยกตัวอย่างเช่นหากตัวย่อของเราคือ ‘กกต’ มันอาจจะประกอบขึ้นมาจาก<br><strong>สามคำ (ก|ก|ต)</strong> เช่น ‘เกร็ง|กลาง|ตัว’ <br><strong>สองคำและคำแรกมีสองพยางค์ (กก|ต)</strong> เช่น ‘กวัดแกว่ง|ตีน’ <br><strong>สองคำและคำแรกมีพยางค์เดียว(ก|กต)</strong> เช่น ‘กิน|ก๋วยเตี๋ยว​’<br><strong>คำเดียว (กกต) </strong>เช่น กัลกัตตา (ชื่อเมืองในอินเดีย)</p><p>ปัญหาของการตัดแบ่งอักษรย่อ จึงเป็นการเลือกว่าขอบเขตของแต่ละคำจะสิ้นสุดลงที่ใด นั่นคือในช่องว่างระหว่างอักษรย่อเราจะ <strong>ตัด</strong> เพื่อบอกว่าคำสิ้นสุดลงตรงนี้ หรือ<strong>ไม่ตัด </strong>เพื่อบอกว่าคำนี้ยังดำเนินต่อไป</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*_fGj2br3bTDOgJzJ4q-uGg.png" /></figure><p>จะเห็นว่ามีวิธีตัดแบ่งอักษรย่อที่เป็นไปได้มากมาย สำหรับอักษรย่อ n ตัว จะมีวิธีตัดแบ่งอักษรย่อที่เป็นไปได้ทั้งหมด 2 ⁿ ⁻ ¹ แบบ แต่การตัดที่ใช้ได้ เราต้องได้อักษรย่อที่ปรากฏในพจนานุกรมคำย่อของเราด้วย เช่นหากเราตัดออกมาเป็น ผน|ง|รจตกม เมื่อเปิดพจนานุกรมคำย่อของเราดู เราอาจพบคำย่อของ ‘ผน’ หรือ ‘ง’ แต่เราจะไม่พบคำเดี่ยวๆ ที่ย่อว่า ‘รจตกม’ เลย เพราะฉะนั้นผลของการตัดบางกรณีจะถูกคัดออกไป</p><p>ยกตัวอย่างเช่น การตัด ‘ผนงรจตกม’ ได้ผลลัพธ์ที่ใช้ได้เพียง 54 แบบ จากผลลัพธ์ที่เป็นไปได้ทั้งหมด 128 แบบดังนี้</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*m1KRyPKvzT_XlRKrL3P_gg.png" /><figcaption>ผลลัพธ์การตัด ‘ผนงรจตกม’ 54 รูปแบบที่ทุกอักษรย่อปรากฏอยู่ในพจนานุกรม</figcaption></figure><p>หลังจากตัดแบ่งตัวย่อเรียบร้อย เราจะเอาคำมาใส่ลงไปในตัวย่อ แต่ปัญหาคือ มีคำที่เป็นไปได้เต็มไปหมด เราจะมีหลักการเลือกคำที่เหมาะสมอย่างไรดี?</p><h3>สถิติของคำที่ติดกัน</h3><p>วิธีการหนึ่งคือพิจารณาคำที่อยู่ติดกันเป็นคู่ เรียกว่า <strong>bigram</strong> เราจะสั่งให้คอมพิวเตอร์ไปอ่านบทความ นิยาย ข่าว จากหนังสือหรือเว็บไซต์จำนวนมาก แล้วลองหาว่าคำคู่ใดที่มักปรากฏติดกันบ่อยๆ สมมติว่าเราให้คอมพิวเตอร์อ่านประโยคไปทั้งหมด 5 ประโยคได้แก่</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*XT93zzLVaUC0PPUmLXXKyQ.png" /></figure><p>เราจะสั่งให้คอมพิวเตอร์แยกคำออกมาทีละคู่ และนับว่าเกิดขึ้นทั้งหมดกี่ครั้ง (กำหนดให้ &lt;s/&gt; แทนการขึ้นต้นหรือจบประโยค)</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*K7JEadLHqrW6VPWjhkjjWg.png" /></figure><p>c(&lt;s/&gt;,ข้า) = 4 แปลว่าพบคำว่า <strong>ข้า</strong> ขึ้นต้นประโยค 4 ครั้ง<br>c(ชอบ,เจ้า) = 2 แปลว่าพบคำว่า <strong>เจ้า</strong> ต่อจากคำว่า <strong>ชอบ</strong> 2 ครั้ง<br>c(เจ้า,&lt;s/&gt;) = 2 แปลว่าพบคำว่า <strong>เจ้า</strong> ลงท้ายประโยค 2 ครั้ง</p><p>ข้อมูลพวกนี้บอกอะไรเรา?</p><p>มันบอกกับเราว่า ถ้าเรารู้คำก่อนหน้าว่าคืออะไร คำถัดไปจะมีโอกาสเป็นอะไรได้บ้าง เช่นถ้าเรารู้ว่าคำแรกเป็นคำว่า ‘<strong>ข้า</strong>’ คำถัดไปที่เป็นไปได้มีดังนี้</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*gi1o-MpU9nxQbUcSZ0tp6Q.png" /><figcaption>คำที่อยู่ต่อจาก ‘ข้า’ แสดงตามความถี่ (ซ้าย) และแสดงตามความน่าจะเป็น (ขวา)</figcaption></figure><p>จากเอกสารที่เราอ่านมา มีคำว่า ‘<strong>ข้า</strong>’ ปรากฏอยู่ 4 ครั้ง <br>จะมีคำว่า ‘<strong>ไม่</strong>’ ตามมา 2 ครั้ง คิดเป็นโอกาส P(ข้า →ไม่) = 2/4 = 50%<br>จะมีคำว่า ‘<strong>ชอบ</strong>’ ตามมา 1 ครั้ง คิดเป็นโอกาส P(ข้า →ชอบ) =1/4 = 25%<br>จะมีคำว่า ‘<strong>เกลียด</strong>’ ตามมา 1 ครั้ง คิดเป็นโอกาส P(ข้า →เกลียด) = 1/4 = 25%</p><p>เราจะสรุปได้ว่า ถ้าคำแรกเป็น ‘<strong>ข้า</strong>’ คำถัดไปที่เป็นไปได้มากที่สุดคือ ‘<strong>ไม่</strong>’</p><p>เราสามารถสรุปวิธีการคำนวณความน่าจะเป็นที่คำหนึ่งจะอยู่ต่อจากอีกคำหนึ่งได้ว่า</p><pre>P(word1→word2) = count(word1,word2)/count(word1)</pre><p>เมื่อมีคำมากขึ้น การคำนวณจะยาวขึ้น แต่หลักการยังเหมือนเดิมคือ พิจารณาความน่าจะเป็นของคำทีละคู่ เราสามารถคำนวณได้ว่าประโยคหรือวลีนี้มีโอกาสเกิดขึ้นมากน้อยแค่ไหน เช่นความน่าจะเป็นของ ‘<strong>เราชอบเจ้า</strong>’ กับ ‘<strong>เราชอบทราย</strong>’ สามารถคำนวณได้ดังนี้</p><pre>P(เราชอบเจ้า) = P(&lt;s/&gt; → เรา)×P(เรา → ชอบ)×P(ชอบ → เจ้า)×P(เจ้า → &lt;s/&gt;)<br>P(เราชอบทราย) = P(&lt;s/&gt; → เรา)×P(เรา→ ชอบ)×P(ชอบ → ทราย)×P(ทราย → &lt;s/&gt;)</pre><p>จาก bigram ที่กำหนดให้ด้านบน เราคำนวณออกมาแล้วพบว่า</p><pre>P(เราชอบเจ้า) = 0.1<br>P(เราชอบทราย) = 0.05</pre><p>ดังนั้นประโยค ‘<strong>เราชอบเจ้า’ </strong>เป็นประโยคที่น่าจะเกิดขึ้นมากกว่า ‘<strong>เราชอบทราย</strong>’</p><p>การพิจารณาคำที่ติดกันสองตัวในลักษณะนี้ รู้จักกันทั่วไปในชื่อ bigram เราอาจพิจารณาคำที่อยู่ติดกันที่ยาวกว่านี้ได้เช่นดูคำที่ติดกัน 3 ตัว (trigram) หรือ 4 ตัว (4-gram) ไปจนถึง n ตัว (n-gram)</p><p>สัญลักษณ์ที่ใช้ในบล็อกนี้ อาจไม่ได้ตรงกับที่ใช้ในตำราเรียนหรืองานวิจัยเป๊ะๆ แต่เขียนให้เข้าใจง่าย ในโอกาสหน้าเราจะแวะกลับมาลงรายละเอียดเรื่อง n-gram อีกครั้งครับ</p><p>bigram ที่ใช้ในโปรเจ็กต์นี้นำมาจาก <a href="http://www.arts.chula.ac.th/ling/tnc/searchtnc/">คลังข้อมูลภาษาไทยแห่งชาติ (Thai National Corpus)</a> ซึ่งนับ bigram จากบทความวิชาการ นิยาย เรื่องสั้น ข่าว ฯลฯ มีคำที่ไม่ซ้ำกันมากกว่า 50,000 คำ และ bigram มากกว่า 1 ล้านคู่ ซึ่งขอคัดออกมาให้ดูเป็นตัวอย่าง 10 คู่ ดังนี้</p><pre>...<br>ความ เคารพ 799<br>เซนติเมตร &lt;s/&gt; 798<br>เป็น ได้ 798<br>ด้าน เศรษฐกิจ 798<br>ตื่น ขึ้น 798<br>วัน รุ่ง 798<br>มี แรง 797<br>ไม่ ปรากฏ 797<br>ทำให้ เป็น 797<br>&lt;s/&gt; คำถาม 797<br>...</pre><h3>ผนงรจตกม?</h3><p>กลับมาที่ตัวย่อของเรากันต่อ สำหรับการตัดแบ่งอักษรย่อแต่ละแบบ เราสามารถใส่คำต่างๆที่ปรากฏในพจนานุกรมอักษรย่อลงไป โดยเอาแต่ละคำที่เป็นไปได้มาเรียงต่อกันจนจบ จากนั้นเราก็ใช้ bigram คำนวณหาความน่าจะเป็นของลำดับคำแต่ละชุดออกมา ผลลัพธ์สุดท้ายที่เราต้องการคือลำดับคำที่ให้ค่าความน่าจะเป็นสูงที่สุด</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*SOBrMQLYNSNbsSnt47PMAA.png" /></figure><p>ปัญหาที่ตามมาคือ เราจะมีรูปแบบคำที่เป็นไปได้มากมายมหาศาล สำหรับกรณีของ ผ|น|ง|ร|จ|ต|ก|ม เราจะได้ลำดับคำที่เป็นไปได้ทั้งหมดมากกว่า <strong>36 ล้านล้านล้าน </strong>รูปแบบ ซึ่งการเขียนโปรแกรมบุกตะลุยไล่ให้ครบทุกแบบคงไม่ใช่วิธีที่ฉลาดนัก</p><p>เราจะแก้ปัญหานี้โดยใช้ <a href="https://en.wikipedia.org/wiki/Viterbi_algorithm">Viterbi algorithm</a> ซึ่งใช้แนวคิด dynamic programming มาคำนวณหาลำดับคำที่ความน่าจะเป็นสูงสุด จากจำนวนลูป 36 ล้านล้านล้านรอบ จะลดเหลือแค่ประมาณ 6 แสนกว่ารอบเท่านั้น แนวคิดคร่าวๆ คือมองปัญหานี้เป็นกราฟ โดยให้ node แทนแต่ละคำ มีเส้นเชื่อมแทนความน่าจะเป็นจาก bigram แล้วหาเส้นทางที่ยาวที่สุด (longest path) จากอักษรย่อตัวแรกถึงอักษรย่อตัวสุดท้าย เราก็จะได้ลำดับคำที่ความน่าจะเป็นสูงสุดออกมา</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*M5V167S8RBRWxkHLhWbW9A.png" /><figcaption>การแปลงปัญหาให้เป็นกราฟ โดยให้คำแทน node และมีเส้นเชื่อมจากคำก่อนหน้าไปยังคำถัดไป โดยมีน้ำหนักเท่ากับ P(คำก่อนหน้า→คำถัดไป) ลำดับคำที่ความน่าจะเป็นสูงสุดคือเส้นทางยาวที่สุดที่เชื่อมจากจุดเริ่มต้นไปยังจุดสุดท้าย</figcaption></figure><p>เมื่อเราได้ลำดับคำที่ความน่าจะเป็นสูงสุดแล้ว ภารกิจของเราก็เสร็จสมบูรณ์ มาดูกรณีที่เป็นคำหนึ่งพยางค์ทุกตัวกันก่อน</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*KJvQBAOzyC955tQkYiAthw.png" /></figure><p>หวึ่ง กว่าที่คิด! นี่มันลางบอกเหตุอะไรรึเปล่า หรือนิสิตกลุ่มนั้นพยายามจะส่งสัญญาณเตือนอะไรพวกเรารึเปล่านะ (ความน่าจะเป็นจะคำนวณโดยใช้ logarithm ผลที่ได้เลยออกมาเป็นเลขยกกำลังของ <em>e </em>ยิ่งเลขชี้กำลังเข้าใกล้ 0 ความน่าจะเป็นยิ่งสูง)</p><p>การตัดแบ่งตัวย่อไม่ได้มีแบบเดียว ‘ผนงรจตกม’ สามารถตัดแบ่งออกมาได้ถึง 54 วิธี เพราะฉะนั้นเราจะได้ผลลัพธ์ออกมา 54 รูปแบบ แต่ขอคัดมาให้ดูเฉพาะอันที่ความน่าจะเป็นสูงสุด 5 อันดับแรกเท่านั้น</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*yB3SkeskinvnH4wIah-SZw.png" /></figure><p>ตัวอย่างนี้ทำให้เราเห็นข้อจำกัดของการสร้างประโยคจาก bigram ได้ชัดเจนขึ้น นั่นคือเราอาจจะอ่านทั้งประโยคไม่รู้เรื่อง แต่จะอ่านค่อนข้างรู้เรื่อง เฉพาะสองคำที่อยู่ติดกันเท่านั้นเช่น (ผล,ใน),(ใน,งบ),(งบ,รายจ่าย)… คล้ายคลึงกับคีย์บอร์ดในมือถือที่พยายามเดาคำถัดไปจากคำที่เราพิมพ์มาก่อนหน้า เพราะฉะนั้นยิ่งตัวย่อเรายาวเท่าใด โอกาสที่อ่านไม่รู้เรื่องยิ่งสูงขึ้นเท่านั้น</p><p>นอกจากนี้เรายังสามารถบังคับคำขึ้นต้นได้ด้วย เช่นหากกำหนดให้คำแรก = ‘<strong>ผัว</strong>’</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*FONuujQcXOZpIdjTsSBt_g.png" /></figure><p>จะเห็นว่าพอมีคำว่าผัว นอกจากจะพูดถึงเรื่องกฎหมายแล้ว จะเริ่มมีคำว่า ‘นาง’ และ ‘เงือก’ ปรากฏขึ้นมา และทำให้เรื่องราวเปลี่ยนไปอีกทาง แต่ก็ยังอ่านไม่ค่อยรู้เรื่องอยู่ดีนั่นแหละ</p><h3>มาดูตัวย่อสั้นๆ ดีกว่า</h3><p>ถ้าตัวย่อยาวๆ อ่านไม่รู้เรื่อง มาดูตัวย่อสั้นๆ กันบ้างขอเริ่มจากคำที่รู้จักกันดีอยู่แล้วได้แก่</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*hTE9V_dZsySOwMBGetdNqw.png" /></figure><p>ซึ่งถือว่าทำได้ไม่เลว แต่ปัญหาของการนำเสนอในลักษณะนี้คือ เราแสดงผลลัพธ์ที่ดีที่สุดของการตัดคำแต่ละแบบเท่านั้น ทั้งๆที่ในการตัดคำแต่ละแบบอาจมีผลลัพธ์ที่ดีซ่อนอยู่อีกมากมาย เช่น กรณีของ ‘จขกท’</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*ElwyauRhs-i7G8mRTU2Z3g.png" /></figure><p>ถ้าเราคัดเฉพาะผลลัพธ์ที่ดีที่สุดของ ‘จข|กท’ เราจะได้คำว่า ‘เจ้าของกระท่อม’ แต่ถ้าเราสั่งให้หาผลลัพธ์ที่ดีที่สุด 3 อันดับแรกของ ‘จข|กท’ เราจะได้คำว่า ‘เจ้าของกระทู้’ และ ‘เจ้าของกองทุน’ เพิ่มมา ซึ่งให้ค่าความน่าจะเป็นสูงกว่า ‘จะเข้ากองทุน’ ด้วยซ้ำไป ดังนั้นแทนที่เราจะรัน Viterbi algorithm ให้หาเส้นทางที่ยาวที่สุดเพียงเส้นทางเดียว เราสามารถสั่งให้มันจดจำเส้นทางที่ดีที่สุด k อันดับแรกได้ด้วย เราเรียกวิธีการนี้ว่า Top-k Viterbi algorithm ซึ่งจะทำให้เห็นตัวเลือกที่หลากหลายมากขึ้น สำหรับการตัดคำแต่ละแบบ</p><h3>ผลลัพธ์จะดีกว่านี้ถ้า…</h3><ul><li><strong>ใช้ n-gram ที่ยาวขึ้น </strong>เช่น trigram หรือ 4-gram ก็จะช่วยให้อ่านรู้เรื่องในลำดับคำที่ยาวขึ้น แต่ทางที่ดีควรจะเพิ่มข้อถัดไปคือ</li><li><strong>ใช้ n-gram ของชนิดคำ (Part of Speech: PoS)</strong> มาคิดด้วย แทนที่จะนับว่าคำอะไรติดกับคำอะไร เราจะนับว่าคำนามจะติดกับคำนามกี่ครั้ง ติดกับคำกริยากี่ครั้ง และคำนวณความน่าจะเป็นออกมา ในลำดับคำหนึ่งเราอาจหาก่อนว่าตัวย่อแต่ละตัวควรจะมีหน้าที่เป็นคำนาม คำกริยา คำวิเศษณ์ ฯลฯ แล้วค่อยหาคำที่เหมาะสมมาใส่ลงไป การคำนึงถึง PoS จะช่วยให้ประโยคของเรา ร้อยเรียงออกมาเป็นเรื่องราวได้ดีกว่านี้</li><li><strong>ตัดพยางค์แม่นยำกว่านี้ </strong>เท่าที่ลองใช้มา ตัวตัดพยางค์ยังไม่สามารถตัดพยางค์ที่เป็นสระอะกึ่งเสียงบางกรณี ทำให้พจนานุกรมคำย่อของเราคลาดเคลื่อนไป เช่น</li></ul><pre>พยายาม → พยา|ยาม แทนที่จะเป็น พะ|ยา|ยาม<br>จินตนาการ → จิน|ตนา|การ แทนที่จะเป็น จิน|ตะ|นา|การ<br>สวัสดี → สวัส|ดี แทนที่จะเป็น สะ|วัส|ดี<br>แสดง → แสดง แทนที่จะเป็น สะ|แดง</pre><ul><li><strong>ตัดอักษรนำให้แม่นกว่านี้ </strong>ดังที่เกริ่นไว้แล้วตั้งแต่ตอนต้น ใครมีวิธีดีๆ ขอคำแนะนำด้วยครับ</li><li><strong>รวบรวม bigram และ trigram จากแหล่งอื่น</strong> bigram ที่ใช้ในงานนี้รวบรวมจากเอกสารที่ค่อนข้างเป็นทางการ ซึ่ง <em>คหสต</em> คิดว่าไม่สนุกเอาซะเลย หากเรารวบรวมคำจากโลกโซเชียล หรือกระทู้ตามเว็บไซต์ต่างๆ น่าจะให้ผลลัพธ์ที่สนุกสนานกว่านี้หลายเท่า</li></ul><h3>ข้อควรระวัง</h3><ul><li><strong>Underflow</strong> เกิดจากการคูณตัวเลขน้อยๆ ต่อกันหลายๆครั้ง จนน้อยกว่าค่าต่ำสุดที่เป็นไปได้ของตัวแปร ซึ่งสามารถเกิดขึ้นได้เวลาคำนวณหาความน่าจะเป็นของประโยคยาวๆ แทนที่เราจะคูณความน่าจะเป็นต่อไปเรื่อยๆ เราจะใช้ log ของความน่าจะเป็นแทน วิธีการนี้ทำให้เราเปลี่ยนวิธีคำนวณจากการคูณเป็นการบวกซึ่งคอมพิวเตอร์ทำได้รวดเร็วกว่า และป้องกันปัญหา underflow ไปในตัวด้วย</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*EN31UAct45hRRjH1P5br_w.png" /></figure><ul><li><strong>Out-of-vocabulary (OOV) </strong>คือคำที่ไม่เคยอยู่ใน bigram ของเรามาก่อน เช่นวันดีคืนดีประเทศไทยก็มีจังหวัด ‘บึงกาฬ’ งอกขึ้นมาใหม่ ถ้าเราคำนวณความน่าจะเป็นที่จะพบคำนี้ต่อจากคำใดๆ ก็แล้วแต่จะได้ออกมาเป็น 0 เพราะคอมพิวเตอร์ไม่เคยเห็นคำนี้มาก่อนเลย แต่เราก็ไม่ควรตัดคำนี้ทิ้งไปดื้อๆ เพราะถือว่ามีฐานะเทียบเท่าจังหวัดหนึ่ง ซึ่งอาจไปเชื่อมกับคำอื่นๆ แล้วมีความหมายขึ้นมาก็ได้ วิธีรับมือกับ OOV ในโปรเจ็กต์นี้ขอเลือกวิธีที่ง่ายที่สุด คือให้ความน่าจะเป็นที่จะพบคำนี้ต่อจากคำอื่นๆ = 1/จำนวนคำที่เรามีทั้งหมด</li></ul><h3>เอาไปใช้ทำอะไรได้บ้าง</h3><p>ไม่แน่ใจว่าภาษาไทยเคยมีงานลักษณะนี้ออกมาหรือไม่ แต่มีงานวิจัยจำนวนมากเกิดขึ้นในภาษาอังกฤษดังที่สรุปไว้ใน <a href="https://www.researchgate.net/publication/328029296_A_Survey_on_Acronym-Expansion_Mining_Approaches_from_Text_and_Web_Proceedings_of_the_Second_International_Conference_on_SCI_2018_Volume_1">survey</a> นี้ งานวิจัยเหล่านี้ต้องการถอดอักษรย่อเพื่อลดความกำกวมในเอกสารทางการแพทย์ หรือคู่มือเฉพาะทางที่อักษรย่อยุบยับ ทำให้อ่านง่ายขึ้น หรือทำให้คอมพิวเตอร์เข้าใจอักษรย่อได้ดีขึ้น แล้วเอาไปต่อยอดสำหรับงานประมวลผลทางภาษาด้านอื่นๆ ต่อไป</p><h3>ขอ​ขอบคุณ</h3><p>โปรเจ็กต์นี้คงสำเร็จไม่ได้ในเวลาอันสั้นหากขาดตัวตัดพยางค์ <a href="https://github.com/ponrawee/ssg">CRF syllable segmenter for Thai</a> คลังคำภาษาไทยจาก <a href="https://thainlp.org/pythainlp/docs/2.0/api/corpus.html">PyThaiNLP</a> และ bigram จาก <a href="http://www.arts.chula.ac.th/ling/tnc/searchtnc/">คลังข้อมูลภาษาไทยแห่งชาติ (Thai National Corpus</a> จึงขอขอบคุณผู้มีส่วนเกี่ยวข้องในโครงการดังกล่าวมา ณ ที่นี้ครับ</p><p>และขอลาไปด้วยอักษรย่อชุดสุดท้าย</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*UJohW8isf5C9pD-4VwjFxA.png" /></figure><p>สวัสดีครับ</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=b601ec303f33" width="1" height="1" alt=""><hr><p><a href="https://medium.com/data-%E0%B8%99%E0%B9%88%E0%B8%B2%E0%B8%9F%E0%B8%B2%E0%B8%94/%E0%B8%9C%E0%B8%99%E0%B8%87%E0%B8%A3%E0%B8%88%E0%B8%95%E0%B8%81%E0%B8%A1-%E0%B8%96%E0%B8%AD%E0%B8%94%E0%B8%95%E0%B8%B1%E0%B8%A7%E0%B8%A2%E0%B9%88%E0%B8%AD%E0%B8%A0%E0%B8%B2%E0%B8%A9%E0%B8%B2%E0%B9%84%E0%B8%97%E0%B8%A2-%E0%B8%94%E0%B9%89%E0%B8%A7%E0%B8%A2%E0%B8%AA%E0%B8%96%E0%B8%B4%E0%B8%95%E0%B8%B4-b601ec303f33">ผนงรจตกม? ถอดตัวย่อภาษาไทย ด้วยสถิติ</a> was originally published in <a href="https://medium.com/data-%E0%B8%99%E0%B9%88%E0%B8%B2%E0%B8%9F%E0%B8%B2%E0%B8%94">data น่าฟาด</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[เอาข้อมูลมายำ แอบดู “เพจสัมพันธ์” บนเฟซบุ๊ก]]></title>
            <link>https://medium.com/@newnaveen/%E0%B9%80%E0%B8%AD%E0%B8%B2%E0%B8%82%E0%B9%89%E0%B8%AD%E0%B8%A1%E0%B8%B9%E0%B8%A5%E0%B8%A1%E0%B8%B2%E0%B8%A2%E0%B8%B3-%E0%B9%81%E0%B8%AD%E0%B8%9A%E0%B8%94%E0%B8%B9-%E0%B9%80%E0%B8%9E%E0%B8%88%E0%B8%AA%E0%B8%B1%E0%B8%A1%E0%B8%9E%E0%B8%B1%E0%B8%99%E0%B8%98%E0%B9%8C-%E0%B8%9A%E0%B8%99%E0%B9%80%E0%B8%9F%E0%B8%8B%E0%B8%9A%E0%B8%B8%E0%B9%8A%E0%B8%81-d412f354a9c8?source=rss-7dae393998f6------2</link>
            <guid isPermaLink="false">https://medium.com/p/d412f354a9c8</guid>
            <category><![CDATA[data-analytics]]></category>
            <category><![CDATA[facebook]]></category>
            <category><![CDATA[social-network-analysis]]></category>
            <category><![CDATA[data-science]]></category>
            <category><![CDATA[graph]]></category>
            <dc:creator><![CDATA[New Naveen]]></dc:creator>
            <pubDate>Wed, 12 Feb 2020 14:46:38 GMT</pubDate>
            <atom:updated>2020-02-12T17:53:46.557Z</atom:updated>
            <content:encoded><![CDATA[<p>บ่อยครั้งที่เราเป็นเจ้าของแบรนด์ แล้วไม่แน่ใจว่าคนที่ชื่นชอบแบรนด์เรา เค้ามีไลฟ์สไตล์อย่างไร ชื่นชอบสินค้าแบรนด์อะไร ฟังเพลงแนวไหน</p><p>ถ้าเราต้องการหาพรีเซนเตอร์สักคนหนึ่งให้แบรนด์ของเรา คนคนนั้นควรจะเป็นใคร มีเครื่องมือที่ช่วยคัดเลือกไหม</p><p>ในฐานะแอดมินเพจหรือ influencer มีหลายๆ ครั้งที่เรารู้สึกอยากทำคอนเทนต์กับร่วมกับคนอื่น แต่เราก็ไม่แน่ใจว่าควรไปร่วมกับใครดี</p><p>สิ่งเหล่านี้เป็นเรื่องน่าปวดหัวมาช้านานของคนทำคอนเทนต์และการตลาดออนไลน์ และบ่อยครั้งเราใช้ความรู้สึกแทนที่จะใช้ <strong>ข้อมูล</strong> มาตัดสิน คำถามคือมันมีเครื่องมืออะไรมั้ยที่ช่วยหาเพจที่มีสไตล์หรือจริตใกล้เคียงกับเพจของเรา โดยวัดผลออกมาเป็นตัวเลขที่จับต้องได้</p><h3><strong>หาความ “คล้ายกัน” ระหว่างเพจ</strong></h3><p>การวัดความคล้ายกันระหว่างเพจสามารถทำได้หลายวิธี อาจจะดูจากหมวดหมู่ของเพจ จำนวนไลก์ คำที่ปรากฏในคอนเทนต์ ฯลฯ วิธีการเหล่านี้ล้วนมีเป้าหมายเดียวกันคือให้คะแนนความคล้ายกันระหว่างเพจของเรากับเพจต่างๆ เมื่อเราได้คะแนนออกมา เราก็เรียงคะแนนจากมากไปน้อย เพียงเท่านี้เราก็จะได้รายการของเพจที่คล้ายคลึงกับเรามากที่สุดแล้ว</p><p>วิธีหาความคล้ายกันที่เลือกใช้ในโปรเจ็กต์นี้ เริ่มต้นจากแนวคิดว่าคนที่มากดไลก์เพจเรา ไปกดไลก์เพจอะไรเยอะที่สุด เพจเหล่านั้นก็น่าจะเป็นเพจที่แฟนๆของเราสนใจ และน่าจะมีจริตที่ใกล้เคียงกับเพจเราที่สุดนั่นเอง วิธีคำนวณที่ใกล้เคียงกับแนวคิดนี้ที่สุดคือการคำนวณ Jaccard similarity หรือที่ผมมักจะเรียกว่า “ที่ร่วม หารด้วยที่รวม”</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*et_DohshY1fllra-xz58Ow.jpeg" /><figcaption>การคำนวณ Jaccard Similarity ระหว่างเซต A และเซต B</figcaption></figure><p>ขอยกตัวอย่างการคำนวณดังนี้<br>สมมติเราต้องการหาความคล้ายกันระหว่างเพจนัดเป็ดกับเพจสัตว์โลกอมตีน<br>เพจนัดเป็ดมีคนมากดไลก์ 3 คนได้แก่ A, B, D<br>ส่วนเพจสัตว์โลกอมตีนมีคนมากดไลก์ 3 คนเหมือนกันแต่เป็น B, C, D</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/520/1*52i4t0s-8Bp5hWMBY2LQyQ.jpeg" /></figure><p>Jaccard similarity คำนวณจาก จำนวนคนที่กดไลก์ทั้งเพจนัดเป็ดและสัตว์โลกอมตีน(B กับ D) หารด้วยจำนวนคนจากทั้งสองเพจรวมกัน (A, B, C, D) เราจะได้ Jaccard similarity ระหว่างเพจนัดเป็นกับสัตว์โลกอมตีนเป็น 2/4 = 0.5</p><blockquote>คะแนนนี้บอกกับเราว่า ในบรรดาคนที่กดไลก์เพจ A หรือเพจ B มีคนอยู่ครึ่งหนึ่งที่กดไลก์ทั้งสองเพจ</blockquote><p>ยิ่งคะแนนสูง สมาชิกจากทั้งสองเพจยิ่งมีสัดส่วนที่ซ้อนทับกันมากขึ้น ประชากรส่วนใหญ่ที่ไลก์เพจหนึ่ง ก็ไปไลก์อีกเพจหนึ่งเหมือนกัน คะแนนนี้จึงใช้บอกความคล้ายคลึงระหว่างเพจได้โดยดูจากพฤติกรรมการกดไลก์นั่นเอง</p><h3><strong>Dataset</strong></h3><p>เนื่องจากเราไม่สามารถดึงข้อมูลได้ว่า ใครกดไลก์เพจอะไรบ้าง เราจึงใช้ข้อมูลการกดไลก์และคอมเมนต์โพสต์ของเพจแทน โดยถือว่าเมื่อผู้ใช้เข้ามากดไลก์หรือคอมเมนต์ในเพจ ผู้ใช้จะกลายเป็นสมาชิกของเพจนั้นโดยทันที</p><blockquote>Dataset ชุดนี้รวบรวมข้อมูลบนเฟซบุ๊กระหว่างเดือนมกราคม — สิงหาคม 2017 <br>มีเพจที่รวบรวมมาทั้งหมด 254 เพจ<br>มีโพสต์ที่เกี่ยวข้องทั้งหมด 164,172 โพสต์<br>และมีจำนวนบัญชีผู้ใช้รวม 44,228,799 บัญชี</blockquote><p>ในบรรดา 254 เพจ สามารถจัดหมวดหมู่ออกเป็น 3 กลุ่มได้แก่ <br>1. แบรนด์ เช่น Air Asia, Toyota, ธนาคารกรุงไทย, Central<br>2. สื่อ ทั้งสำนักข่าว รายการโทรทัศน์ และเพจวาไรตี้เช่น The Mask Singer, 9 Entertain, ใต้เตียงดารา, คิ้วต่ำ<br>3. ศิลปินและค่ายเพลงเช่น Bodyslam, Boyd โกสิยพงษ์, Genie records, SPICYDISC</p><h3><strong>เพจไหนคล้ายเราที่สุด</strong></h3><p>เมื่อเราคำนวณ Jaccard Similarity ระหว่างเพจของเรากับเพจอื่นๆ แล้วเรียงตามลำดับคะแนน เราจะได้เพจที่คล้ายคลึงกับเราที่สุด ยกตัวอย่างเช่นเพจที่คล้ายกับวง Bodyslam 5 อันดับแรกได้แก่เพจต่างๆ ดังนี้</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/770/1*MKOpY4s-MjEEv102cv993Q.png" /><figcaption>เพจศิลปิน 5 อันดับแรกที่คล้ายกับเพจ Bodyslam</figcaption></figure><p>จะเห็นว่าเพจที่คล้ายกับ Bodyslam จะเป็นแนวเพลงร็อกและมีค่ายเพลงของวงเองอย่าง Genie records มาด้วย<br>Jaccard similarity ที่คำนวณได้จะสมมาตรกันนั่นคือ score(A,B) = score(B,A) แต่ลำดับที่อาจแตกต่างกัน ยกตัวอย่างเช่นเพจที่คล้ายกับ Bodyslam ที่สุดคือเพจของวง Potato แต่เพจที่คล้ายกับ Potato ที่สุดกลับเป็นค่ายเพลง Genie records</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/795/1*unnii1tc--wDP82sKBs6WA.png" /><figcaption>เพจศิลปิน 5 อันดับแรกที่คล้ายกับเพจ POTATO</figcaption></figure><p>วิธีการนี้ทำให้เราเห็นรสนิยมของแฟนเพลงว่าชื่นชอบศิลปินที่คล้ายคลึงกันคนไหนบ้าง ตัวอย่างการเอาไปใช้ที่ตรงไปตรงมาที่สุดคือการ recommend ศิลปินที่คล้ายกันบนแพลตฟอร์มฟังเพลงออนไลน์ หรืออาจเป็นแนวทางในการหาศิลปินมา featuring หรือขึ้นเวทีร่วมกันในงานคอนเสิร์ต ในบางกรณีเราอาจค้นพบคู่ศิลปินที่มีฐานแฟนคลับร่วมกันจำนวนมาก เช่นกรณีของวงคาราบาว และปู พงษ์สิทธิ์ ที่มีคะแนนสูงโดดเด่นกว่าศิลปินอื่นๆ</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/803/1*mxyJMDUvQkS9lOJbbTJ29w.png" /><figcaption>เพจศิลปิน 5 อันดับแรกที่คล้ายกับเพจ Carabao Official</figcaption></figure><p>หากเราเป็นค่ายเพลง เราสามารถเช็กได้ว่าคนที่ติดตามค่ายเราไปเกิด engagement กับศิลปินคนไหนหรือค่ายเพลงใดบ้าง เช่นสำหรับค่าย Genie records ศิลปิน 5 อันดับแรกล้วนเป็นศิลปินในสังกัดทั้งหมด แตกต่างจากกรณีของแฟนๆ SPICYDISC ที่มี engagement สูงสุดกับศิลปินในค่ายเพียง 2 วง (Mild กับ NAP A LEAN) และไปมีปฏิสัมพันธ์กับวง Scrubb (ค่าย BEC-TERO) กับค่ายเพลงเพื่อนบ้านอย่าง Small room และ What the duck music</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*9u8M6j9YFuqLHLt6zykSig.png" /><figcaption>เพจศิลปินและค่ายเพลง 5 อันดับแรกที่คล้ายกับเพจ Genie records (ซ้าย)และ SPICYDISC (ขวา)</figcaption></figure><p>ในกรณีของแบรนด์ เราสามารถหาเพจที่คล้ายคลึงกันได้ด้วยหลักการเดียวกัน เช่นเพจที่คล้ายคลึงกับเพจ Air Asia ที่สุด 5 อันดับแรกได้แก่</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/777/1*1NFBhm7E_t2SX92l4DV_FQ.png" /><figcaption>เพจแบรนด์ 5 อันดับแรกที่คล้ายกับเพจ AirAsia</figcaption></figure><p>จะเห็นว่าสองอันดับแรกที่เด่นขึ้นมาเป็นเพจในเครือเดียวกับ Air Asia ด้วยกัน ในขณะที่เพจอื่นๆ ที่ไม่เกี่ยวข้องมีคะแนนน้อยไล่เลี่ยกัน นั่นหมายความว่าคนที่ไปกดไลก์คอนเทนต์ของ Air Asia ก็ไปกดไลก์คอนเทนต์ของ Air Asia Go และ Air Asia Big มากที่สุด วิธีการนี้ทำให้เราสามารถติดตามประสิทธิภาพในการสื่อสารขององค์กรเราได้ว่าแบรนด์ของเราสามารถชักชวนฐานแฟนเพจเดิม ไปติดตามเพจต่างๆ ภายใต้แบรนด์ของเราได้มากน้อยแค่ไหน</p><h3>แบรนด์ x ศิลปิน</h3><p>ต่อมาเราจะนำหมวดหมู่แบรนด์มาผสมกับหมวดหมู่ศิลปิน เพื่อหาว่าในบรรดาคนที่กดไลก์แต่ละแบรนด์ ไปมีปฏิสัมพันธ์กับศิลปินนักร้องวงใดบ้าง ขอยกตัวอย่าง 2 แบรนด์ที่ไม่เกี่ยวข้องกันเลยต่อไปนี้</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*120eGYCWpBq2OWvzam5oTg.png" /><figcaption>เพจศิลปิน 5 อันดับแรก ที่คล้ายกับเพจ King power(ซ้าย) Isuzu (ขวา)</figcaption></figure><p>จะเห็นว่าแต่ละแบรนด์มีศิลปินที่แฟนเพจชื่นชอบแตกต่างกัน คนที่ติดตามเพจ King power มีปฏิสัมพันธ์สูงกับนักร้องแนวป๊อป ส่วนเพจรถกระบะ Isuzu จะชื่นชอบเพลงร็อกและเพื่อชีวิต ข้อมูลนี้สามารถใช้อธิบายรสนิยมของผู้ติดตามเราได้ว่าชื่นชอบเพลงแนวไหน หรือศิลปินคนใด และหากเรามีข้อมูลจากหมวดหมู่อื่นๆ เช่น นักแสดง นักกีฬา นักเขียน ฯลฯ จะยิ่งช่วยให้เราเข้าใจผู้ติดตามเราได้ดียิ่งขึ้น และอาจช่วยให้เราคัดเลือกพรีเซนเตอร์ หรือ influencer สำหรับแบรนด์เราได้ตรงใจผู้ติดตามเรายิ่งขึ้น</p><h3>ทำเป็น Time series</h3><p>ข้อมูลที่นำเสนอไปก่อนหน้านี้เป็นคะแนนที่คำนวณจากความสัมพันธ์รวมทั้งหมดที่มีใน dataset (ตั้งแต่เดือนมกราคม — สิงหาคม) แต่ความสัมพันธ์เหล่านี้ยังเปลี่ยนแปลงตามเวลาอีกด้วย หากเราแบ่งข้อมูลการกดไลก์ทั้งหมดเป็นรายเดือน เราจะเห็นว่าในแต่ละเดือน คะแนนและลำดับเพจจะแตกต่างกัน</p><p>เช่นสำหรับเพจวี วิโอเลต ในเดือนพฤษภาคม เพจอันดับต้นที่แฟนๆ ไปกดไลก์คือ Korea King และ Honda Motorcycle แต่พอมาถึงเดือนมิถุนายนเมื่อวีเป็นพรีเซนเตอร์ให้กับน้ำดื่มสิงห์ ปฏิสัมพันธ์ระหว่างเพจวี วิโอเลต และน้ำดื่มสิงห์ก็โดดขึ้นมาเป็นอันดับ 1 และเมื่อวี วิโอเลตไปเล่นหนังสั้นให้กับเครือเซ็นทรัลในเดือนกรกฎาคม เพจของห้างเซ็นทรัลก็แซงขึ้นมาแทน แม้น้ำดื่มสิงห์จะตกชั้นลงมาเป็นที่สองแต่คะแนนก็ยังสูงกว่าเดือนก่อนหน้าและสูงกว่าแบรนด์อื่นๆมาก <br>ถ้าเซ็นทรัลหรือน้ำดื่มสิงห์เลือกจ้างพรีเซนเตอร์คนใหม่ในปีถัดมา เราอาจใช้วิธีการนี้เปรียบเทียบได้ว่าการเลือกพรีเซนเตอร์แต่ละคน ทำให้ engagement ระหว่างแบรนด์เรากับตัวพรีเซนเตอร์เพิ่มขึ้นมากแค่ไหน โดยวัดผลออกมาเป็นตัวเลขได้ชัดเจน</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*mOwWDtyrFNcshMLTwT0Otw.png" /><figcaption>เพจแบรนด์ 5 อันดับแรก ที่คล้ายกับเพจ วี วิโอเลตในเดือนพฤษภาคม(ซ้าย) มิถุนายน(กลาง) กรกฎาคม(ขวา)</figcaption></figure><h3><strong>เพจเชื่อมต่อกันเป็นเครือข่าย</strong></h3><p>ยัง เรายังไม่จบแค่นั้น สิ่งที่เราทำต่อมาคือการสร้างกราฟเครือข่ายของเพจ จากคะแนนที่เราคำนวณได้ กำหนดให้จุดหนึ่งจุดหรือ node คือเพจหนึ่งเพจ เส้นเชื่อมระหว่างจุดคือ Jaccard similarity ที่คำนวณได้ระหว่างคู่เพจนั้น</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/738/1*f3o0VteLR9HyoGpL4mFjAQ.png" /></figure><p>เมื่อเราคำนวณ Jaccard similarity ระหว่างทุกคู่เพจ เราจะได้เครือข่ายของเพจเฟซบุ๊กที่เราสนใจขึ้นมา</p><p>ในรูปด้านล่างนี้ระดับคะแนนแทนด้วยความหนาของเส้นเชื่อม คะแนนยิ่งมากเส้นเชื่อมยิ่งหนา เพื่อไม่ให้กราฟยุ่งเหยิงจนเกินไปเราจะแสดงเส้นเชื่อมที่มีคะแนนสูงเป็น 5 อันดับแรก (Top 5) ของแต่ละเพจเท่านั้น</p><p>เพราะ​ฉะนั้นทุก node จะ​มี​เส้น​เชื่อม​อย่าง​น้อย 5 เส้น และ​ถ้า​เพจนั้นไปติด Top 5 ของ​เพจ​อื่น​ด้วยก็​จะ​มี​เส้น​เชื่อม​เพิ่ม​ขึ้น​ตามมา</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/346/1*8pSpTNTIdaywRvBOUAmo5A.png" /><figcaption>กราฟของเพจในกลุ่มสื่อ แต่ละ node แทนเพจ 1 เพจ</figcaption></figure><h3><strong>เพจคล้ายกัน จะเกาะกลุ่มกัน</strong></h3><p>ต่อมาเราจะหา community ที่เกิดขึ้นในเครือข่ายด้วยวิธี <a href="https://en.wikipedia.org/wiki/Louvain_modularity">Louvian method</a> วิธีการนี้จะช่วยเราหา community ในกราฟที่ทำให้มีเส้นเชื่อมหากันเองระหว่างสมาชิกภายในกลุ่มหนาแน่น ในขณะที่เส้นเชื่อมข้ามกลุ่มเบาบาง</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*MH8NH_UMQfJZSlZoQG-JJQ.png" /><figcaption>ผลของการหา community ด้วย Louvian method</figcaption></figure><p>กราฟข้างบนคือเครือข่ายของเพจในกลุ่มสื่อ จะพบว่ามี community เกิดขึ้น 3 กลุ่ม กระจุกสีน้ำเงินมีความสัมพันธ์กันแบบหลวมๆ (มีแต่เส้นเชื่อมบาง) ต่างจากกระจุกสีเขียวและส้มที่โยงถึงกันด้วยเส้นเชื่อมหนา สมาชิกในแต่ละกลุ่มไล่เรียงออกมาได้ดังนี้</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*yzCAeNpvSXKA6m6EMuZn_w.png" /><figcaption>รายชื่อเพจในกลุ่มสื่อของแต่ละ community</figcaption></figure><p>จะเห็นว่ากลุ่มสีน้ำเงินเป็นรายการข่าวบันเทิงเกือบทั้งหมด ส่วนสีส้มเป็นเพจดราม่าสายอารมณ์ ส่วนกลุ่มสีเขียวนอกจากจะมีรายการข่าวบันเทิง ยังมีสำนักข่าวอย่างมติชน ข่าวสด และประชาชาติอยู่ด้วยกัน แม้กลุ่มสีเขียวจะมีเพจหลากหลายประเภทปะปนกัน แต่เมื่อเราให้ขนาดของจุดแทนด้วยจำนวนยอดไลก์ของเพจ จะเห็นได้ว่ากลุ่มสีเขียวล้วนเป็นกลุ่มสื่อที่แมสและมีผู้ติดตามจำนวนมาก (1 ล้านขึ้น) ในขณะที่กลุ่มสีน้ำเงินเป็นเพจขนาดเล็กที่มีผู้ติดตามหลักแสนเท่านั้น</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/352/1*Paghr3oIDcnyrN8TxDikzA.png" /><figcaption>กราฟของกลุ่มสื่อ ขนาดของ node แทนจำนวนยอดไลก์ของแต่ละเพจ</figcaption></figure><p>ต่อมาเราทำวิธีเดียวกันกับเพจในกลุ่มศิลปินและค่ายเพลงดูบ้าง จะได้เราจะได้สมาชิก (บางส่วน)ในกลุ่มต่างๆ ดังนี้</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Zen3eYXdUbKyXbmxfp6PlQ.png" /><figcaption>community บางส่วนที่พบในกราฟของศิลปิน</figcaption></figure><p>จะเห็นว่าศิลปินแนวเดียวกันจะเกาะกลุ่มอยู่ด้วยกัน และศิลปินส่วนใหญ่จะอยู่กระจุกเดียวกับค่ายเพลงของตนเอง (หรือค่ายเพลงที่แนวเดียวกัน) สีส้มขอเหมารวมว่าเป็นกลุ่มนั่งชิล สีเขียวเป็นกลุ่มชาวร็อก สีแดงเป็นป๊อบฟังสบาย ส่วนสีน้ำตาลส่วนใหญ่ก็คือศิลปินค่ายเบเกอรี่ดีๆ นี่เอง</p><p>ทั้งหมดทั้งมวลนี้ช่วยยืนยันกับเราว่า Jaccard similarity สามารถใช้วัดความคล้ายคลึงระหว่างเพจได้ นอกจากจะหาเพจเดี่ยวๆ ที่คล้ายคลึงกันได้แล้ว ยังสามารถหากลุ่มของเพจที่มีลักษณะคล้ายคลึงกันได้ โดยถอดจากปฏิสัมพันธ์ของผู้ใช้งาน</p><h3><strong>เพจไหนติด Top 5 บ่อย</strong></h3><p>ต่อมาเราจะหาเพจยอดนิยมที่มักจะติด Top 5 ของเพจอื่นๆ นั่นแสดงให้เห็นว่าเพจนี้เป็นผู้มีอิทธิพลในเครือข่ายที่เป็นตัวกลางเชื่อมกับคนจำนวนมาก วิธีการวัดที่เหมาะสมกับกรณีนี้ที่สุดคือวัดด้วย degree centrality ซึ่งคิดจากดีกรีหรือจำนวนเส้นเชื่อมที่เชื่อมกับ node ที่เราสนใจเทียบกับจำนวน node ที่เหลือทั้งหมดในกราฟ</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*sHtC2XzWLLTIF23w4HaM0g.png" /><figcaption>ตัวอย่างการคำนวณ degree centrality ในกราฟ</figcaption></figure><p>เนื่องจากจำนวน node ในกราฟจะคงที่ตลอด ค่า degree centrality จึงแปรตามดีกรีหรือจำนวนเส้นเชื่อมที่เชื่อมกับ node นั้นโดยตรง ยิ่งมีเส้นเชื่อมมากค่า degree centrality ก็ยิ่งสูง</p><p>สำหรับเพจที่มีค่า degree centrality สูงสุดสามอันดับแรกในกราฟได้แก่ Genie records, What the duck music และ SPICYDISC ซึ่งไม่น่าแปลกใจที่เป็นค่ายเพลงทั้งหมด เพราะค่ายเพลงเป็นตัวกลางที่เชื่อมศิลปินแต่ละคนเข้าด้วยกันอยู่แล้ว ค่ายเพลงแต่ละค่ายติด Top 5 ของศิลปินวงใดบ้าง แสดงในรูปด้านล่าง</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*A5NLYYlRJIjRuOALmvs6-Q.png" /><figcaption>เพจ 3 อันดับแรกที่มีค่า degree centrality สูงสุดได้แก่ Genie records, What the duck music และ SPICYDISC รายการเพจด้านล่างคือเพจที่เชื่อมกับค่ายเพลงนั้นๆ แถบสีแสดงศิลปินที่อยู่ในค่ายเพลง</figcaption></figure><p>จะเห็นได้ชัดว่าค่าย Genie records ติด Top 5 ของศิลปินในค่ายเยอะที่สุด ต่างจากอีกสองค่ายที่เหลือที่มีศิลปินค่ายอื่นอย่าง BEC-TERO Music หรือ small room ปะปนมาบ้าง แสดงให้เห็นว่าแฟนเพจของศิลปินค่าย Genie records นอกจากจะมีปฏิสัมพันธ์กับตัวศิลปินแล้ว ยังมีปฏิสัมพันธ์กับทางค่ายเพลงต้นสังกัดสูงอีกด้วย (และนั่นจะเป็นโอกาสให้การโปรโมตศิลปินคนอื่นในค่ายทำได้ง่ายขึ้น)</p><p>ถือเป็นโจทย์ของทาง What the duck music และ SPICYDISC ต่อไปว่าจะหาทางโปรโมตค่ายของตนผ่านศิลปินในมือได้อย่างไร หรืออาจเป็นโอกาสอันดีในการจับมือกับศิลปินค่ายอื่นที่มีปฏิสัมพันธ์กับค่ายเราบ่อยๆ ก็คงจะน่าสนใจไม่น้อย</p><h3>ลองไปใช้กับ dataset อื่น</h3><p>อย่างที่เกริ่นไปก่อนหน้านี้ว่า ข้อมูลชุดนี้มีแค่ 254 เพจ จาก 3 หมวดหมู่เท่านั้น หากเรารวบรวมเพจในหมวดหมู่อื่นๆ อีกจะยิ่งช่วยให้เราเห็นภาพชัดขึ้นว่า ณ ชั่วขณะหนึ่งคนที่ติดตามเพจหนึ่งอยู่ กำลังสนใจเรื่องอะไรบ้าง เราอาจนำข้อมูลเหล่านี้มาใช้ทำการตลาด หาพรีเซนเตอร์ที่เหมาะกับแบรนด์ หรือหาช่องทางในการทำคอนเทนต์ที่ตรงใจผู้ติดตามเราที่สุด หากมองให้กว้างขึ้นอีกเราอาจใช้วิธีการนี้ติดตามว่า ณ ขณะนั้นกระแสสังคมกำลังสนใจเรื่องอะไรกัน ไม่ว่าจะเป็นตัวบุคคล แบรนด์ ภาพยนตร์ หรือสถานที่ท่องเที่ยวก็ยังได้</p><p>ยิ่งในปัจจุบันที่เฟซบุ๊กมี reaction หลากหลายให้กดทั้ง like, love, sad, wow, haha, angry น่าจะมี insight ที่ละเอียดขึ้นและน่าสนใจยิ่งกว่านี้</p><h3>ข้อควรระวัง</h3><ul><li><strong>นี่ไม่ใช่ data ทั้งหมด! </strong>ในอาณาจักรเฟซบุ๊ก อาจมีเพจที่คะแนนสูงกว่านี้ ความสัมพันธ์เหนียวแน่นกว่านี้ แต่เราไม่ได้เอามาคิด เพราะเราไม่รู้จักมัน ควรเช็กให้ชัวร์ว่าเรารวบรวมเพจในกลุ่มที่เราสนใจได้ครอบคลุมแล้ว</li><li>การคำนวณ Jaccard similarity score ในลักษณะนี้ยังไม่ได้คำนึงถึง ความถี่ของการกดไลก์โดยผู้ใช้งานแต่ละคน และจำนวนของโพสต์ในแต่ละเพจ มีวิธีการคำนวณ Jaccard similarity ที่คำนึงถึงความถี่ของปฏิสัมพันธ์เช่น <a href="http://static.googleusercontent.com/media/research.google.com/en/us/pubs/archive/36928.pdf">Weighted jaccard distance</a> แต่เมื่อทดลองดูแล้วได้ผลไม่แตกต่างกันมาก จึงเลือกแนวทางที่ซับซ้อนน้อยกว่า</li><li>โปรเจ็กต์นี้ยังไม่ได้ตัดโพสต์โฆษณาที่จ่ายเงินมาเพิ่ม engagement โพสต์เหล่านี้จะมีผู้ใช้เข้ามากดไลก์จำนวนมากแค่โพสต์นั้นโพสต์เดียว โดยผู้ใช้อาจไม่ได้สนใจในตัวเพจจริงๆ เราอาจแก้ปัญหาโดยการตัดโพสต์เหล่านี้ออก หรือเลือกเก็บเฉพาะปฏิสัมพันธ์ที่เกิดขึ้นบ่อยๆ (เช่นจากผู้ใช้ที่กดไลก์มากกว่า 5 ครั้ง เป็นต้น)</li><li>เพื่อความรวดเร็วในการประมวลผล การคำนวณ degree centrality ตัดปัจจัยที่สำคัญอันหนึ่งมากทิ้งไป นั่นคือคะแนน (weight) ของเส้นเชื่อม ซึ่งอาจส่งผลต่อค่า degree centrality ของทุก node ในกราฟ</li></ul><h3><strong>Acknowledgement</strong></h3><p>โปรเจ็กต์นี้เป็นโปรเจ็กต์ที่ทำในโครงการ <a href="http://www.datacafethailand.com/2017/08/07/data-cafe-fellowship-program/">Data Cafe Fellowship Program</a> ซีซั่นแรก โครงการนี้เป็นโครงการปั้นคนทำงานด้านข้อมูล โดยมีจุดขายคือเน้นการลงมือทำกับข้อมูลจริง และมี mentor คอยให้คำแนะนำตลอดโครงการ สำหรับโปรเจ็กต์อื่นๆ ในโครงการ data cafe ติดตามได้ที่ <a href="https://thematter.co/science-tech/data-cafe-fellowship/47474">The Matter</a></p><p>ข้อมูลเฟซบุ๊กที่ใช้ในโปรเจ็กต์นี้รวบรวมโดยทีมงาน data cafe การรวบรวมข้อมูลชุดนี้ แม้จะใช้บอตเก็บมา แต่ก็ไม่ต่างจากการที่เราไล่กดดูทุกโพสในเพจที่เราสนใจว่ามีใครกดไลก์หรือคอมเมนต์บ้าง และจดบันทึก id เก็บไว้ ข้อมูลชุดนี้ซ่อน id ของผู้ใช้แต่ละคนไว้เรียบร้อยแล้ว ทำให้ไม่สามารถระบุได้ว่าผู้ใช้เป็นใคร และการได้ข้อมูลชุดนี้มา ไม่ได้เกิดจากการแฮ็กบัญชีผู้ใช้คนใด</p><p>สุดท้ายนี้หากใครมีคำถามหรือคำแนะนำเพิ่มเติม คอมเมนต์ไว้ใต้โพสต์นี้ได้เลยครับ :)</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=d412f354a9c8" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[โลกของ data มีน้ำยาจริงเหรอ?]]></title>
            <link>https://medium.com/@newnaveen/%E0%B9%82%E0%B8%A5%E0%B8%81%E0%B8%82%E0%B8%AD%E0%B8%87-data-%E0%B8%A1%E0%B8%B5%E0%B8%99%E0%B9%89%E0%B8%B3%E0%B8%A2%E0%B8%B2%E0%B8%88%E0%B8%A3%E0%B8%B4%E0%B8%87%E0%B9%80%E0%B8%AB%E0%B8%A3%E0%B8%AD-575676d12ae3?source=rss-7dae393998f6------2</link>
            <guid isPermaLink="false">https://medium.com/p/575676d12ae3</guid>
            <category><![CDATA[data-visualization]]></category>
            <category><![CDATA[data-science]]></category>
            <category><![CDATA[data-journalism]]></category>
            <dc:creator><![CDATA[New Naveen]]></dc:creator>
            <pubDate>Sun, 26 Jan 2020 05:25:24 GMT</pubDate>
            <atom:updated>2020-01-26T05:25:24.342Z</atom:updated>
            <content:encoded><![CDATA[<p>ข้อมูลเปลี่ยนโลกได้อย่างไร ด้วย data journalism</p><p>เมื่อวันที่ 21 มกราคมที่ผ่านมามีโอกาสเข้าร่วมงานเสวนาเปิดบ้าน Data Journalism Workshop งานนี้โฟกัสหลักไปที่สื่อซึ่งต้องรับมือกับข้อมูลในยุค Big data ที่เพิ่มจำนวนมากขึ้นอย่างมหาศาล จนทำให้รูปแบบการทำคอนเทนต์เดิมๆ เปลี่ยนไป</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*wZacKOXzfsW60SL6" /><figcaption>source: <a href="https://www.facebook.com/events/2702485716537854/">https://www.facebook.com/events/2702485716537854/</a></figcaption></figure><h3>Data journalism คืออะไร</h3><p>มันคือการทำคอนเทนต์ที่เอาข้อมูลหรือ data เป็นพระเอก แต่แทนที่เราจะนำเสนอข้อมูลมานำเสนอเป็นตารางแบบซื่อๆ เราจะนำข้อมูลไปนวด ไปยำ ไปหาค่าเฉลี่ย ไปผสมกับข้อมูลแหล่งอื่น คิด วิเคราะห์ แยกแยะ และร้อยเรียงออกมาเป็นเรื่องราวให้กับผู้ชม แต่เนื่องจากข้อมูลในสมัยนี้มีมหาศาล จนเราเรียกมันว่า big data เราอาจต้องเขียนโปรแกรมเพื่อประมวลผลหรือแสดงผลข้อมูลเหล่านี้ data journalism จึงสามารถนำเสนอได้ในรูปแบบของรายงาน อินโฟกราฟฟิก หรือแม้แต่อยู่ในหน้าเว็บไซต์ ให้เราได้ดู ได้ฟัง ได้คลิก หรือมีปฏิสัมพันธ์อื่นๆกับมันได้</p><h3>รวมกันเราอยู่</h3><p>ปัญหาที่ประสบเวลาทำ data journalism คือการแบ่งแยกหน้าที่ให้กับแต่ละคน นักข่าวหรือนักเขียนมีหน้าที่คิดประเด็น เรียบเรียงเนื้อหา อาจไปวานให้โปรแกรมเมอร์ช่วยประมวลผลหรือขุดหาข้อมูลเพิ่มเติม พอรวบรวมข้อมูลเสร็จสรรพก็ส่งต่อให้ฝ่ายกราฟฟิค ไปทำอาร์ตเวิร์คให้สวยงามน่าดึงดูด เสร็จออกมาเป็นผลงานหนึ่งชิ้น</p><p>แต่ปัจจุบันนี้ห้องข่าวในต่างประเทศหลายแห่ง กลับทลายกำแพงตรงนี้ลง และให้ทุกคนมีบทบาทเดียวกันคือเป็น journalist และจับทุกคนมาคุยกันตั้งแต่ต้น ตั้งแต่การหาข้อมูล การจัดการกับข้อมูล การเรียบเรียง ไปจนถึงการนำเสนอ เพราะฉะนั้นทุกคนจะเห็นผลงานเป็นภาพเดียวกัน จากมุมมองที่หลากหลาย และช่วยกันเสริมหรืออุดช่องโหว่ที่อยู่ในผลงานได้</p><h3>Data เปลี่ยนโลก</h3><p>โจทย์หลักของการทำ data journalism คือทำยังไงให้ข้อมูลที่มีอยู่ กลายเป็นเรื่องราวที่น่าสนใจและทรงพลังที่สุด ซึ่งอาจจุดประเด็นใหม่ๆ และนำสังคมไปสู่ประเด็นที่ไม่เคยไปถึงมาก่อน</p><p>อ. สมเกียรติ ตั้งกิจวานิชย์ ประธาน TDRI เล่าให้ฟังว่า ข้อมูลไม่ได้เปลี่ยนแค่โลก แต่เปลี่ยนทั้งจักรวาล หากไม่มีข้อมูลที่เก็บรวบรวมมาในอดีต ทุกวันนี้เราอาจยังเชื่อว่าโลกเป็นศูนย์กลางของจักรวาลอยู่ก็ได้ อาจารย์ยกตัวอย่างการเก็บข้อมูลการเคลื่อนที่ของดาวเคราะห์โดยทิโค บราห์ (Tyco Brahe) ที่ถูกส่งต่อมาให้โจฮานเนส เคปเลอร์ (Johannes Kepler) นำข้อมูลนี้ไปวิเคราะห์จนค้นพบกฎของเคปเลอร์ ซึ่งยืนยันว่าดาวเคราะห์ทั้งหลายไม่ได้เคลื่อนที่รอบโลก แต่โคจรรอบดวงอาทิตย์</p><p><strong>โลกไม่ใช่ศูนย์กลางของจักรวาล!</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/500/0*cySJya7erHbdettL.jpeg" /><figcaption>ตารางรูดอล์ฟบันทึกข้อมูลการเคลื่อนที่ของดาวฤกษ์และดาวเคราะห์รวบรวมโดยทิโค บราห์ source: <a href="http://www.sites.hps.cam.ac.uk/starry/keplertables.html">http://www.sites.hps.cam.ac.uk/starry/keplertables.html</a></figcaption></figure><p>อีกตัวอย่างหนึ่งคือข้อมูลที่รวบรวมโดยฟลอเรนซ์ ไนติงเกล (Florence Nightingale) พยาบาลที่เก็บรวบรวมข้อมูลการเสียชีวิตของทหารอังกฤษในแต่ละเดือนและค้นพบว่าทหารส่วนใหญ่ไม่ได้ตายในสนามรบ แต่เสียชีวิตจากการติดเชื้อในโรงพยาบาล ด้วยแผนภาพนี้ทำให้ไนติงเกลพยายามล็อบบี้ผู้นำในยุคสมัยนั้นให้ผ่านกฎหมายสาธารณสุข จนนำไปสู่การปฏิรูปสุขอนามัยในสถานพยาบาล</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/800/0*hXAtBiL3d0ZTsflj.jpg" /><figcaption>Rose diagram โดยฟลอเรนซ์ ไนติงเกล source: <a href="https://commons.wikimedia.org/wiki/File:Nightingale-mortality.jpg">https://commons.wikimedia.org/wiki/File:Nightingale-mortality.jpg</a></figcaption></figure><p>สิ่งที่ไนติงเกลทำเป็นการผลักดันในเชิงนโยบาย สอดคล้องกับเป้าหมายของ TDRI อ.สมเกียรติเลยเสริมว่าหากไนติงเกลเกิดในยุคสมัยนี้จะเชิญให้มาเป็นประธาน TDRI เลย</p><p>จากตัวอย่างที่ผ่านมายืนยันกับเราแล้วว่า ข้อมูลจุดเริ่มต้นเหมือนต้นน้ำ ซึ่งคงทำอะไรไม่ได้หากปล่อยไว้เฉยๆ เราจึงต้องหยิบข้อมูลเหล่านี้ออกไปนำเสนอให้น่าสนใจและเอาไปใช้ประโยชน์ได้ ซึ่งในงานเสวนานี้มีตัวแทนจากสื่อที่ออกมาเล่าแล้วว่าการทำสื่อในปัจจุบันเป็นอย่างไร ประสบปัญหาอะไร และยังมีนักวิเคราะห์ ดีไซน์เนอร์ กับโปรแกรมเมอร์ที่เคยมีผลงานด้าน data journalism มาร่วมพูดคุยกับเราวันนี้ด้วย</p><h3>ฝั่งโปรแกรมเมอร์</h3><p>คุณณภัทร จาตุศรีพิทักษ์ จาก Siametrics Consulting ออกมาเล่าให้ฟังว่าบทบาทของทางฝั่งโปรแกรมเมอร์ต่องานวิเคราะห์ข้อมูลอาจแบ่งออกมาได้เป็น 3 ระดับ</p><ol><li>ระดับ descriptive คือเอาข้อมูลมาพล็อตให้ดู เช่น โชว์ข้อมูลในแผนที่ให้ดูว่าตรงไหนเกิดอุบัติเหตุบ่อย คุณณภัทรเสริมว่าแค่ระดับนี้ ทำออกมาดีก็เกิดผลดีต่อสังคมแล้ว</li><li>ระดับ predictive คือการสร้างโมเดลเพื่อทำนายแนวโน้มเหตุการณ์ที่น่าจะเกิดขึ้นในอนาคต เช่นเราอาจสร้างโมเดลที่ทำนายว่าตรงไหนน่าจะเกิดอุบัติเหตุ แล้ววางกำลังหน่วยกู้ภัยรอไว้ก่อนได้</li><li>ระดับ diagnosis เกิดหาสาเหตุว่าทำไมจึงเกิดเหตุการณ์นี้ขึ้น เช่นเราอาจพยายามศึกษาว่าทำไมบริเวณนี้รถถึงชนกัน หรือมีอุบัติเหตุบ่อย</li></ol><p>ปัญหาของทางฝั่งโปรแกรมเมอร์ที่จะเจอกันบ่อยๆ คือข้อมูลไม่ clean คือข้อมูลผิดหรือข้อมูลไม่สมบูรณ์ บทบาทอย่างหนึ่งของโปรแกรมเมอร์คือต้องหาทางรับมือกับข้อมูลเหล่านี้ให้ได้</p><h3>ฝั่งดีไซน์เนอร์</h3><p>คุณฐิติพงษ์ เหลืองอรุณเลิศจาก Boonmee Lab เล่าให้ฟังว่า การดีไซน์ ไม่ใช่แค่การทำให้สวย แต่เป็นวิธีการสื่อสารกับผู้ชม โจทย์ของฝั่งดีไซน์จึงเป็นการหาทางส่งมอบ data ให้กับผู้ชม</p><blockquote>ทำยังไงให้ข้อมูลยากๆ มันแมส</blockquote><p>นักข่าวอาจรู้ประเด็น เนื้อหา หรือข้อเท็จจริงๆต่างๆ แต่ดีไซน์เนอร์จะแคะเข้าไปในหัวคนอ่านว่าอ่านแล้วจะรู้สึกยังไง เราจะดึงความสนใจของคนอ่านด้วยอะไร เราจะมีเวลาสื่อสารกันกี่วินาที ก่อนที่เค้าจะเลิกสนใจงานของเรา</p><p>คุณฐิติพงษ์เล่าว่า data เป็นเหมือนท่าไม้ตายที่ใช้ฟาดคนอ่าน เราอาจเปิดประเด็นให้เค้าสงสัยก่อนว่ามันเป็นอย่างนั้นจริงเหรอ แล้วก็ตบคนอ่านด้วย data ไปหนึ่งดอก และอาจหลอกให้เค้าไขว้เขวว่ามันน่าจะเป็นอีกทางหนึ่งมากกว่า แล้วก็ตบด้วย data ไปอีกหนึ่งดอก ทำเช่นนี้ไปเรื่อยๆ จนคนอ่านเริ่มน่วมกับเราก็ใส่ call to action เข้าไป ถือเป็นวิธีการหนึ่งที่ทำให้คนอ่านเข้าถึงสิ่งที่เราจะสื่อ และกระตุ้นให้เกิด action บางอย่างกลับมา</p><h3>Case study</h3><p>คุณภาณุเดช วศินวรรธนะ จาก Opendream มาเล่าโปรเจ็คที่เคยทำชื่อ <a href="https://yakdata.opendream.co.th/"><strong>ยักษ์ ดาต้า โปรเจค (YAK DATA project)</strong></a><strong> </strong>ซึ่งรวบรวมข้อมูลมานำเสนอจุดที่เกิดอุบัติเหตุบ่อยครั้ง ในจังหวัดต่างๆ</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*b6SzpIavQQUk5QX6.jpg" /><figcaption>ยักษ์ ดาต้า โปรเจค<strong> </strong>source: <a href="https://www.opendream.co.th/project/yak-data-project">https://www.opendream.co.th/project/yak-data-project</a></figcaption></figure><p>คุณภาณุเดช เล่าให้ฟังว่าความท้าทายอย่างหนึ่งของโปรเจ็คนี้คือข้อมูลกระจัดกระจายอยู่หลายแหล่ง และไม่สมบูรณ์ในตัวมันเอง ยกตัวอย่างเช่น</p><p><strong>ข้อมูลจากฝั่งประกันภัย</strong> มีระบุตำแหน่งชัดเจนทั่วประเทศ รวมถึงข้อมูลผู้เสียชีวิต แต่ก็ไม่ใช่ทุกอุบัติเหตุจะใช้บริการจากบริษัทประกันภัย<br><strong>ข้อมูลจากจราจร </strong>จะเน้นอุบัติเหตุบนถนนสายหลัก ไม่ได้บันทึกอุบัติเหตุทั้งหมด และไม่มีข้อมูลผู้เสียชีวิต<br><strong>ข้อมูลจากโรงพบาบาล</strong> มีข้อมูลผู้บาดเจ็บและเสียชีวิต แต่ตำแหน่งที่เกิดเหตุก็ระบุไม่ละเอียด</p><p>คุณสิโรรส รุ่งดอนทราย นักวิเคราะห์ข้อมูลผู้เชี่ยวชาญด้านการทำ data visualization ก็มาแนะนำโปรเจ็คที่เคยทำมาอย่าง <a href="https://public.tableau.com/profile/siroros.roongdonsai#!/vizhome/BTSPickMeUp/BTS_PICK_ME_UP_DASHBOARD">BTS Pick Me Up</a> ที่แสดงสถิติความขัดข้องทั้งปีของรถไฟฟ้า BTS เกิดสถานีไหนบ่อยสุด และเราเสียเวลากับมันไปนานแค่ไหน</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/590/1*5WFWA6lddd5p2XY8C3yrww.png" /></figure><h3>สิ่งเหล่านี้จะเกิดได้ด้วย Open data</h3><p>อ.สมเกียรติสรุปองค์ประกอบที่ open data ในไทยควรมีออกมาเป็น 4 ข้อได้แก่</p><ol><li><strong>ต้องเปิดเผยรายละเอียด</strong> เช่นหากเป็นข้อมูลอุบัติเหตุ นอกจากยอดผู้เสียชีวิต ควรจะต้องมีสถานที่เกิดเหตุ หรือวันเดือนปีที่เกิดอุบัติเหตุ ให้เอาไปวิเคราะห์ต่อได้</li><li><strong>ต้องฟรี </strong>อ.สมเกียรติเล่าให้ฟังว่างานวิจัยที่เคยทำมาแต่ละชิ้น กว่าจะรวบรวมข้อมูลได้ครบต้องเสียค่าใช้จ่ายรวมถึงหลักแสน ซึ่งจะทำให้งานวิจัยหรือการวิเคราะห์ข้อมูลเกิดขึ้นได้ยาก</li><li><strong>ข้อมูลต้องอยู่ในรูปแบบที่คอมพิวเตอร์ประมวลผลได้</strong> รูปแบบของข้อมูลของหน่วยงานรัฐในปัจจุบันส่วนใหญ่เป็นกระดาษ หรือเก็บเป็นไฟล์ pdf ทำให้เอาข้อมูลไปประมวลผลลำบาก</li><li><strong>ต้องไม่มีเงื่อนไขในการนำข้อมูลไปใช้งาน</strong> ข้อมูลที่ปล่อยออกมาแล้วสามารถนำไปใช้วิเคราะห์หรือผสมผสานกับข้อมูลชุดอื่นได้</li></ol><blockquote>PDF น่าจะย่อมาจาก public data failure</blockquote><h3>รวบรวมข้อมูล ภายใต้ข้อจำกัด</h3><p>เราไม่จำเป็นต้องรอให้รัฐบาลออกตัวก่อน จึงจะเริ่มวิเคราะห์ข้อมูลได้ อยากให้เราลองหาวิธีเก็บข้อมูลแบบสร้างสรรค์ เนื่องจากสมัยนี้เป็นยุคของการใช้ internet of things, แอป, หรือ crowd sourcing เราจึงมีวิธีรวบรวมข้อมูลที่หลากหลาย โดยไม่ต้องพึ่งหน่วยงานรัฐอย่างเดียว</p><p>ด้านคุณฐิติพงษ์ ยังมองโลกในแง่ดีและเชื่อว่า เราควรส่งเสริมให้ภาครัฐผลักดัน open data ในขณะเดียวกันเราฝั่งประชาชนหรือเอกชนก็ต้องพึ่งตนเองควบคู่กันไป บางครั้งโมเดลที่ดีจากฝั่งเอกชนอาจเป็นต้นแบบให้หน่วยงานรัฐเอาไปปรับใช้ได้</p><p>ส่วนคุณสิโรรสมองว่าแม้จะมีข้อจำกัดมากมาย เราก็สามารถรวบรวมข้อมูลได้เองจากทาง open data ที่มีอยู่แล้ว จากสื่อสังคมออนไลน์ต่างๆ หรือแม้กระทั่งข้อมูลจากเว็บไซต์ต่างๆ</p><h3>สรุปแล้ว data มีน้ำยามั้ย?</h3><p>อ.สมเกียรติบอกว่า data ไม่ใช่ขนมจีน! ก็คงฟันลงไปไม่ได้ชัดๆ ว่ามีน้ำยาจริงหรือเปล่า data จำเป็นในหลายกรณีและถือเป็นจุดเริ่มต้นที่ดี แต่มันต้องมีคนไปเล่าต่อ และเอาไปใช้ให้เกิดประโยชน์ ดังเช่นกรณีของเคปเลอร์ และไนติงเกลที่เล่าให้ฟังก่อนหน้านี้</p><p>เคยมีคนกล่าวว่าในอนาคต banking จะคงอยู่ต่อไป แต่ bank อาจจะไม่เหลือแล้ว<br>เช่นเดียวกัน data journalism จะคงอยู่ แต่สื่อรูปแบบเก่าอาจไม่เหลือแล้ว</p><p>data ล้วนๆ คงไม่ใช่ยาวิเศษที่จะช่วยให้สื่ออยู่รอด ในยุคที่สื่ออยู่ในสภาพร่อแร่เช่นนี้ สื่อที่แข็งอยู่แล้วจะโดดเด่นขึ้น และนำเสนอข้อมูลเชิงลึกได้มากขึ้น แต่ถ้าตัวสื่ออ่อนด้าน journalism ซะเอง จะขุดข้อมูลมามากมายหรือทำการตลาดให้ดูดีแค่ไหนก็รอดยาก</p><p>อยากให้สื่อโฟกัสที่ business model ก่อนที่จะคิดเรื่องอื่น ขั้นแรกคือต้องอยู่รอด เพราะไม่ว่าจะเป็นโปรแกรมเมอร์หรือดีไซน์เนอร์ ต่างก็เป็นต้นทุนทั้งสิ้น</p><p>นอกจากนี้สื่อยังแบกรับภาระในฐานะผู้นำเสนอความจริง จึงควรเข้าใจสถิติพื้นฐาน หรืออย่างน้อยมี common sense เวลาเห็นข้อมูลอะไร ต้องรู้จักสงสัยและตั้งคำถาม</p><p>ทั้งนี้ทั้งนั้นนอกจาก data อย่างเดียว เรายังจำเป็นต้องมีวิธีการเล่าเรื่องให้น่าดึงดูด และชวนติดตามและกระตุ้นให้เกิด call to action จึงจะถือว่าประสบความสำเร็จ</p><p><strong>data จะมีหรือไม่มีน้ำยา ก็ขึ้นอยู่กับว่าคนเอา data ไปใช้มีน้ำยาหรือเปล่า!</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*RdwcWSxVPiQdR33dryzy1A.jpeg" /></figure><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=575676d12ae3" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[ส่องสถานการณ์ NLP ในไทย กับเวิร์กชอป The future of Thai NLP]]></title>
            <link>https://medium.com/@newnaveen/%E0%B8%AA%E0%B9%88%E0%B8%AD%E0%B8%87%E0%B8%AA%E0%B8%96%E0%B8%B2%E0%B8%99%E0%B8%81%E0%B8%B2%E0%B8%A3%E0%B8%93%E0%B9%8C-nlp-%E0%B9%83%E0%B8%99%E0%B9%84%E0%B8%97%E0%B8%A2-%E0%B8%81%E0%B8%B1%E0%B8%9A%E0%B9%80%E0%B8%A7%E0%B8%B4%E0%B8%A3%E0%B9%8C%E0%B8%81%E0%B8%8A%E0%B8%AD%E0%B8%9B-the-future-of-thai-nlp-9209f63e7c53?source=rss-7dae393998f6------2</link>
            <guid isPermaLink="false">https://medium.com/p/9209f63e7c53</guid>
            <category><![CDATA[ai]]></category>
            <category><![CDATA[nlp]]></category>
            <category><![CDATA[data-science]]></category>
            <category><![CDATA[machine-learning]]></category>
            <category><![CDATA[thai-nlp]]></category>
            <dc:creator><![CDATA[New Naveen]]></dc:creator>
            <pubDate>Sun, 29 Sep 2019 14:28:25 GMT</pubDate>
            <atom:updated>2019-10-03T03:00:17.119Z</atom:updated>
            <content:encoded><![CDATA[<p>เมื่อวันที่ 27 กันยายน 2562 มีโอกาสได้เข้าร่วมงาน Data Science and Engineering Workshop 2019: The future of Thai NLP ที่รวมคนในวงการมาอัปเดตสถานการณ์ด้านนี้ให้รับทราบ ได้รับข้อคิดดีๆมากมาย เลยขอสรุปไว้ในบล็อกนี้แล้วกัน (ออกตัวก่อนว่าเป็นไอเดียรวมๆ ที่ไม่ได้เรียงลำดับตาม speaker นะครับ)</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*ffeCZtegx4QomCcNz7HfxA.jpeg" /></figure><h3>NLP คืออะไร</h3><p>NLP ย่อมาจาก Natural Language Processing หากพูดให้เข้าใจง่ายๆ มันคือการสอนคอมพิวเตอร์ให้เข้าใจภาษาคน ทำให้ในท้ายที่สุดเราได้คอมพิวเตอร์ที่สามารถทำงานด้านภาษาแทนเราได้ เช่นโต้ตอบกับเรา (แชตบอต) แปลภาษา เดาอารมณ์ความรู้สึก หรือช่วยเราถอดเทป เป็นต้น<br>แต่กว่าจะเป็นแอปพลิเคชันล้ำๆ อย่างที่เราเห็นในทุกวันนี้ เทคโนโลยี NLP เกิดขึ้นได้ด้วยงานพื้นฐานต่างๆ เช่น</p><ol><li>การตัดคำ (Word segmentation) คือการแบ่งข้อความยาวๆ ให้ออกมาเป็นคำ เพื่อให้คอมพิวเตอร์รู้ว่าในประโยคมีคำว่าอะไรบ้างเช่น “คุณตานอนตากลม” ตัดออกมาเป็น คุณ|ตา|นอน|ตาก|ลม</li><li>การกำกับโครงสร้างประโยค (Part-of-speech tagging) คือการระบุว่าคำแต่ละคำมีหน้าที่ใดในประโยค เป็นประธาน กิริยา กรรม หรือส่วนขยายของประโยค ส่วนขยายที่มีอยู่ขยายใคร ขยายประธาน หรือขยายกรรม</li><li>การหาชื่อเฉพาะ (Named-entity recognition) คือการหาว่าคำใดในประโยคเป็นชื่อเฉพาะ แล้วเป็นชื่อของอะไรเช่น อเมริกาเป็นชื่อประเทศ สมชายเป็นชื่อคน กสทช.เป็นหน่วยงานรัฐ</li></ol><p>งานพื้นฐานเหล่านี้เป็นสิ่งที่ต้องทำแทบจะทุกโปรเจกต์ที่เกี่ยวข้องกับ NLP การวิจัยและพัฒนางานพื้นฐานเหล่านี้จึงสำคัญมาก</p><h3><strong>ปัญหาหลักของ NLP ภาษาไทย</strong></h3><p>ภาษาไทยซับซ้อนและมีลักษณะเฉพาะตัวไม่แตกต่างจากภาษาอื่น เพียงแต่งานวิจัยเกี่ยวกับภาษาไทยยังมีไม่มาก และขาดคลังคำ (corpus) ขนาดใหญ่ที่มีคุณภาพ การจะฝึกสอนคอมพิวเตอร์ให้เก่งจำเป็นต้องมี training data มาสอนคอมพิวเตอร์ให้เข้าใจรูปแบบของภาษา อยากให้คอมพิวเตอร์ตัดคำเก่ง ก็ต้องมีตัวอย่างการตัดคำมาให้คอมพิวเตอร์เรียนรู้หลายๆประโยค ปัญหาคือคลังคำที่มีอยู่ในไทยยังมีไม่มากนัก ซึ่งจะพูดถึงในรายละเอียดต่อไป</p><p>ในงานนี้พูดถึงงานวิจัยสาขาต่างๆ เริ่มตั้งแต่งานพื้นฐานอย่างการตัดคำและการหาชื่อเฉพาะ นอกจากนี้ยังมีพูดถึงความก้าวหน้าทางด้าน machine translation และ speech recognition อีกด้วย</p><h3>Word Segmentation</h3><p>ตัวตัดคำภาษาไทยที่ใช้กันในปัจจุบันส่วนใหญ่เรียนรู้จากคลังข้อมูลของ <a href="https://www.nectec.or.th/corpus">BEST Corpus</a> ที่ประกอบไปด้วยคำ 5 ล้านคำ และมีหมวดหมู่ต่างๆ เช่น บทความวิชาการ, สารานุกรม, ข่าว, นวนิยาย <br>ตัวตัดคำที่มีอยู่ในปัจจุบันถือว่าทำคะแนน F1-score ออกมาได้ไม่เลวเลย</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*qPgJFVd4yDAf1lug.png" /><figcaption>source: <a href="https://pythainlp.github.io/attacut/benchmark.html">https://pythainlp.github.io/attacut/benchmark.html</a></figcaption></figure><p>แต่ปัญหาคือโมเดลของตัวตัดคำที่ใช้ในปัจจุบันยังไม่ได้ออกแบบมาให้รองรับหมวดหมู่ใหม่ หรือคำใหม่ที่เกิดขึ้นในปัจจุบัน เช่นคำจากโลกโซเชียล แนวทางการพัฒนาตัวตัดคำอาจไม่จำเป็นต้องเริ่มต้นจากโมเดลที่ซับซ้อน แต่ทำได้ด้วยการเพิ่มหมวดหมู่ใหม่ และเพิ่มจำนวนคำให้มากขึ้น</p><h3>Named-entity recognition</h3><p>คลังคำที่ใช้สำหรับ Named-entity recognition หรือ NER ยังมีขนาดเล็ก (ระดับหลักแสนคำ) และส่วนใหญ่เป็นข่าว การพัฒนา NER ให้ดีขึ้นนอกจากจะต้องเพิ่มคลังคำให้มีคำมากขึ้นและครอบคลุมหมวดหมู่อื่นๆ ยังจำเป็นต้องทำควบคู่ไปกับการตัดคำให้แม่นยำมากขึ้นด้วย</p><p>แล้วเราจะมีคลังคำที่มากขึ้นและมีคุณภาพขึ้นได้อย่างไร</p><p>ในงานนี้ยังได้แนะนำ crowd sourcing platform สำหรับการทำ NLP ภาษาไทยโดยเฉพาะชื่อ <a href="https://www.wang.in.th/">wang.in.th</a> คนที่ว่างและต้องการหารายได้ ก็สามารถมาช่วยกันเป็นแรงงานสำหรับงาน NLP ภาษาไทยได้</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*I1_JZ71-tPevcp_nwk9fmQ.png" /><figcaption>ตัวอย่างงานใน wang.in.th</figcaption></figure><h3>Machine Translation</h3><p>แนวคิดของ machine translation ค่อนข้างตรงไปตรงมา คือการแปลข้อความจากภาษาหนึ่งไปเป็นอีกภาษาหนึ่ง จากบทความของ The Verge เมื่อปี 2016 ระบุว่า ระบบแปลภาษาของ Google ใกล้เคียงกับความสามารถของมนุษย์ขึ้นเรื่อยๆ</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/857/0*drsAf8QjE2gSsYRd.png" /><figcaption>source: <a href="https://www.theverge.com/2016/9/27/13078138/google-translate-ai-machine-learning-gnmt">The Verge</a></figcaption></figure><p>จะเห็นว่าไม่มีภาษาไทยเลย เพราะภาษาไทยที่มีคนใช้อยู่ไม่ถึง 70 ล้านคน คงไม่ใช่ priority หลักของ Google นี่เป็นเหตุผลหนึ่งที่เราควรพัฒนา NLP ภาษาไทยของเราเอง ซึ่งเดี๋ยวมีเล่าละเอียดด้านล่างอีกที</p><p>การเทรนคอมพิวเตอร์ให้ทำ Machine Translation เก่งๆ จำเป็นต้องมี parallel data set คือประโยคของภาษาหนึ่ง คู่กับอีกภาษาหนึ่ง ซึ่งการจะได้ข้อมูลเหล่านี้มามีอยู่ 3 แนวทางหลักคือ</p><ol><li>Open Subtitle เป็นแหล่งรวม subtitle ของภาพยนตร์ในภาษาต่างๆ</li><li>ดึงข้อมูลจากเว็บที่แสดงผลหลายภาษา</li><li>จ่ายเงินจ้างนักแปลซะ</li></ol><p>การวัดผลของ machine translation จะดูจากสองปัจจัยหลักคือ ใจความครบถ้วน (adequacy) และความไพเราะ(fluency) หรืออ่านแล้วเป็นธรรมชาติ จากงานวิจัยเมื่อปี 2018 มีการทดลองโดยให้ผู้อ่านที่เป็นคนเลือกว่า ชอบการแปลของเครื่องหรือของคนมากกว่ากันโดยพิจารณาจากสองปัจจัยที่ว่านี้ ผลลัพธ์ที่ได้ออกมาดังนี้</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*LnYGs_aBoPGqCM9r0nbArg.png" /><figcaption>source: <a href="https://aclweb.org/anthology/D18-1512">https://aclweb.org/anthology/D18-1512</a></figcaption></figure><p>ถ้ามองการแปลประโยคต่อประโยค (สีส้ม) เครื่องจะแปลได้ใจความครบถ้วนมากกว่าคนเล็กน้อย (ไม่มีนัยสำคัญทางสถิติ) แต่คนจะแปลได้ธรรมชาติมากกว่า<br>ในขณะที่มองการแปลจากทั้งเอกสาร (สีน้ำเงิน) คนชนะขาดทั้งในแง่ของใจความและความเป็นธรรมชาติ</p><p>ในงานวิจัยด้าน Machine Translation ของไทย (คาดว่าเปเปอร์ยังไม่ได้ตีพิมพ์) อ.อรรถพลยกโปรเจกต์ที่ใช้ data set จาก open subtitle และใช้โมเดลแบบ Transformer-based ซึ่งถือเป็นโมเดลระดับแนวหน้าในปัจจุบัน ผลการทดลองแบบคร่าวๆ คือการแปลจาก Thai &gt;English (BLEU ≈28)ทำได้ดีกว่า English&gt;Thai (BLEU ≈18)</p><h3>Automatic Speech Recognition</h3><p>เสียงพูดบ่งบอกอะไรได้มากมายกว่าตัวอักษร เช่น เพศ อายุ อารมณ์ สุขภาพ เชื้อชาติ หรือ อัตลักษณ์ของผู้พูด</p><p>คำพูดยังเป็น input ที่มีประสิทธิภาพ เพราะเป็นธรรมชาติ (คนส่วนใหญ่พูดได้ แต่อ่านเขียนทำได้ยากกว่า) และส่งผ่านข้อมูลได้เร็ว (พูดเร็วกว่าพิมพ์ หรือคลิก) และไม่ต้องใช้มือ (เป็นมิตรต่อคนพิการมากกว่า)</p><p>อ.เอกพลยกตัวอย่างโปรเจกต์ Speech emotion recognition ที่ทำร่วมกับ ภาควิชาศิลปการละคร จุฬาฯ มีเป้าหมายคือพัฒนาโมเดลเพื่อตรวจจับอารมณ์ของผู้พูดจากเสียงที่รับเข้ามา ระบบจะคาดเดาอารมณ์ 4 หมวดได้แก่ มีความสุข, เศร้า, โกรธ, เฉยๆ และในเวิร์กชอปนี้อาจารย์ยังเอาตัวอย่างเสียงในการทดลองมาให้เราลองเดากันดูอีกด้วย</p><p>อีกโปรเจกต์หนึ่งคือการถอดเทปนั่นคือให้คอมพิวเตอร์ฟังเสียงพูดแล้วสร้างเป็นข้อความออกมา อาจารย์โชว์ผลงานให้ดูในกรณีที่เป็นเสียงพูดแบบธรรมดา กับกรณีที่ยากขึ้นคือเสียงพูดแบบมีดนตรีบรรเลงไปด้วยและเสียงที่ถูกโปรเซสมาให้ฟังเหมือนหุ่นยนต์</p><p>จากตัวอย่างผลงานที่ผ่านมาทำให้เราสรุปปัจจัยที่ส่งผลต่อความยากง่ายของ speech recognition ว่าขึ้นอยู่กับ</p><ol><li>Vocabulary size ยิ่งจำนวนคำเยอะยิ่งยาก</li><li>Type of speech ลักษณะคำพูดที่พูดทีละคำทำได้ง่ายกว่าการพูดรัวเป็นประโยคยาว</li><li>Domain เนื้อหายิ่งจำเพาะเจาะจงยิ่งง่าย (เช่นมีแต่ตัวเลข)</li><li>Quality recording condition หากสภาพแวดล้อมที่อัดเสียงไม่มีสัญญาณรบกวนยิ่งง่าย</li><li>Speakers ถ้ารู้ว่าผู้พูดเป็นใครยิ่งง่าย และจะยากขึ้นเมื่อต้องทำโมเดลให้รองรับผู้พูดหลายคน</li></ol><h3>ตัวอย่างการใช้งานในแวดวงธุรกิจ</h3><p>ในงานนี้ยังได้ตัวแทนจาก SCB และ AIS มาแชร์โปรเจกต์ในองค์กรของตัวเอง</p><p><strong>SCB</strong> มีแชตบอตในแอปช่วยตอบคำถาม มีระบบที่คอยทำนายว่าผู้ใช้จะทำรายการอะไรต่อไปในแอป มี AI ที่ประเมินความสามารถในการใช้หนี้ของคนกู้ ระบบจับตัวอักษรจากภาพ (OCR) สำหรับอ่านตัวเลขและข้อความจากสลิปเงินเดือน ตรวจสอบลายเซ็น และตรวจสอบว่าเอกสารที่ยื่นมาเป็นของแท้หรือไม่</p><p><strong>AIS</strong> งานหลักคือด้านโทรคมนาคม ปัจจุบันคนที่คอยรับ complaint และ sales จะเริ่มเป็นบอต ทำให้ลดค่าใช้จ่ายลงราวสิบเท่า นอกจากนี้ยังมีงานรองเป็นการสร้างนวัตกรรมจากเทคโนโลยีการสื่อสารเช่นโมเดลที่ตรวจสอบการตัดไม้ทำลายป่าจากภาพถ่ายทางอากาศ นอกจากนี้ยังสนใจเรื่องการสื่อสารด้วยภาษามือ ที่ทำให้คนพิการเข้าถึงบริการต่างๆได้ดีขึ้น</p><p>นอกจากนี้ยังมีตัวแทนจากศูนย์วิจัยอย่าง NECTEC ที่เปิดตัว <a href="https://aiforthai.in.th/">AI for Thai </a>รวมทุกแล็บของ NECTEC มาไว้ที่เดียวกันและเปิด API ให้หน่วยงานภายนอกใช้งานหรือร่วม contribute ได้ โดยมีบริการทางด้าน NLP และ Computer vision</p><h3><strong>จะเริ่มต้น​ทำ NLP ภาษาไทยยังไง</strong></h3><p>สำหรับ NLP ภาษาไทยมี <a href="https://github.com/PyThaiNLP/pythainlp">PythaiNLP</a> เป็น library สำเร็จรูปในภาษา python ที่เขียนวิธีใช้งานอย่างละเอียดไว้หมดแล้ว นอกจากนี้ยังมีตัวตัดคำตัวล่าสุดชื่อ Attacut ที่ลดทอนความซับซ้อนจากโมเดล Deepcut ทำให้ความแม่นยำลดลงมา แต่ประมวลผลได้รวดเร็วขึ้นถึง 6 เท่า ทำให้เหมาะกับการประมวลผลข้อมูลขนาดใหญ่</p><p>ณ ขณะนี้เรามี data set สำหรับทำ benchmark 4 ชุดได้แก่<br>1. <a href="https://github.com/wongnai/wongnai-corpus">wongnai-corpus</a> รีวิวและคะแนนร้านอาหารจาก wongnai<br>2. <a href="https://github.com/PyThaiNLP/prachathai-67k">prachathai-67k</a> ข่าวจากเว็บไซต์ประชาไท และแท็กประเภทของข่าว<br>3. <a href="https://github.com/PyThaiNLP/wisesight-sentiment">wisesight-sentiment</a> ข้อความจากโลกโซเชียลพร้อมกำกับความรู้สึก (บวก, ลบ, กลาง, คำถาม)<br>4. <a href="https://github.com/PyThaiNLP/truevoice-intent">truevoice-intent</a> ข้อความจาก call center พร้อมแท็กกำกับ intent</p><h3>พัฒนา NLP ภาษาไทยกันเถอะ</h3><p>ในท้ายที่สุดแล้วสิ่งที่ผู้จัดอยากให้เกิดขึ้นจากงานนี้คือ การพัฒนา NLP ภาษาไทยด้วยตัวเอง แทนการใช้โมเดลสำเร็จรูปด้วยเหตุผลต่างๆ ดังนี้</p><ol><li>Privacy issues ไม่ต้องเชื่อมต่อ API จากภายนอก ไม่จำเป็นต้องส่งข้อมูลที่ sensitive ไปประมวลผลบน cloud ภายนอก</li><li>Out of domain problem โมเดลที่เทรนมาแบบสำเร็จรูป อาจไม่ได้เก่งในโดเมนที่เราสนใจ</li><li>Reliance การเรียกใช้ API จากภายนอกทำให้เราควบคุมอะไรไม่ได้ ความซวยจะตกกับพวกเราเองหากวันหนึ่ง API เหล่านี้ ปิดให้บริการ/ขึ้นราคา/ปรับโมเดลใหม่จนใช้การกับระบบเดิมไม่ได้</li><li>Research and development ของภาษาไทยไม่ได้มีความสำคัญขนาดนั้นในมุมมองของต่างชาติ ถ้าอยากให้ NLP ภาษาไทยดีขึ้น เราต้องทำกันเอง</li></ol><p>สิ่งเหล่านี้จะเกิดขึ้นได้ด้วย open data โดยความร่วมมือจากทั้งสองฝั่ง</p><p><strong>ฝั่งวิชาการ</strong> ช่วยพัฒนา data set ให้มีคุณภาพและพัฒนางานวิจัยพื้นฐาน<br><strong>ฝั่งธุรกิจ</strong> ช่วยเผยแพร่ data set และนำงานวิจัยไปตอบโจทย์ทางธุรกิจ</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*PEas-RZsTz2d7avSdrpdLA.jpeg" /></figure><p>เชื่อว่าวงการ NLP ไทยจะมีอะไรสนุกๆออกมาอีกเพียบ ขอบคุณ speakers และทีมผู้จัดงาน AIResearch.in.th สำหรับงานดีๆแบบนี้ครับ สำหรับวิดีโอและสไลด์ในงานจะตามมาทีหลังติดตามได้ที่หน้าเฟซบุ๊กเพจของ <a href="https://www.facebook.com/AIResearch.in.th/">AIResearch.in.th </a>ได้เลยครับ</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=9209f63e7c53" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[85% of data science projects fail: แล้วเราควรทำอย่างไรดี?]]></title>
            <link>https://medium.com/@newnaveen/85-of-data-science-projects-fail-%E0%B9%81%E0%B8%A5%E0%B9%89%E0%B8%A7%E0%B9%80%E0%B8%A3%E0%B8%B2%E0%B8%84%E0%B8%A7%E0%B8%A3%E0%B8%97%E0%B8%B3%E0%B8%AD%E0%B8%A2%E0%B9%88%E0%B8%B2%E0%B8%87%E0%B9%84%E0%B8%A3%E0%B8%94%E0%B8%B5-ae130871ff98?source=rss-7dae393998f6------2</link>
            <guid isPermaLink="false">https://medium.com/p/ae130871ff98</guid>
            <category><![CDATA[data-science]]></category>
            <category><![CDATA[data-scientist]]></category>
            <category><![CDATA[machine-learning]]></category>
            <dc:creator><![CDATA[New Naveen]]></dc:creator>
            <pubDate>Tue, 14 Aug 2018 14:55:56 GMT</pubDate>
            <atom:updated>2018-08-14T15:32:28.131Z</atom:updated>
            <content:encoded><![CDATA[<h4>ข้อคิดที่ได้จากงาน Blognone Tomorrow</h4><p>วันที่ 8 เดือน 8 ที่ผ่านมามีโอกาสได้เข้าร่วมงาน Blognone Tomorrow และได้รับข้อคิดดีๆ จากปรมาจารย์ทางด้าน data science หลายท่านที่อยู่ในวงการ จึงอยากสรุปข้อคิดที่ได้จากงานไว้ตามนี้</p><p>เรื่องแรกที่จะพูดถึงคือหัวข้อของ ดร.ณัฐ เพชรบูรณิน Senior Data Scientist จาก SCB Abacus</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/960/1*Xpyt-WJN4C9SO6rYCpM-fA.jpeg" /><figcaption>ภาพจาก <a href="https://www.blognone.com/tomorrow">blognone</a></figcaption></figure><p>ดร.ณัฐ สรุปแนวทางในการจัดตั้งทีม data science ในองค์กรออกมา 5 ข้อดังนี้</p><ol><li><strong>Don’t start with A.I., start from customers</strong> <br>ก่อนที่เราจะไปโฟกัสว่าเราจะใช้ A.I. อย่างไร เราควรเริ่มต้นจากลูกค้าของเราว่ามี pain point อะไรก่อน แล้วค่อยหาว่าทางแก้จะเป็นอะไรได้บ้าง ซึ่งบางทีอาจจะไม่ใช่ Machine Learning หรือ A.I เลยก็ได้<br>แต่เมื่อเราคิดสะระตะ เสร็จว่าต้องใช้ Machine Learning หรือ A.I แน่ๆ ก็จะไปสู่ข้อที่สอง</li><li><strong>A.I./Machine Learning models require data</strong><br>ข้อมูลเป็นสิ่งสำคัญที่สุดของการสร้างโมเดลอะไรก็ตาม หลักๆ แล้วสำหรับงานในองค์กรจะเป็น labeled data สำหรับทำ supervised learning ซึ่งจะได้มาจากสามช่องทางคือ<br>a.) ดึงจากฐานข้อมูลได้โดยตรง เช่น label ว่าเป็นลูกค้าชั้นดี/ไม่ดี ลูกค้าประจำ/ไม่ประจำ<br>b.) ข้อมูลที่เก็บจาก feedback ของ users ส่วนใหญ่จะเป็นพฤติกรรมการใช้งานเช่นการกดลบ/ การกดซื้อ / การกด like<br>ถ้าการ label ทำได้ยากไม่สามารถดึงจากฐานข้อมูลได้โดยตรงวิธีสุดท้ายก็คือ <br>c.) จ้างคนมา label เองซะเลย ถือเป็นการลงทุนกับข้อมูลอย่างหนึ่ง สำหรับสร้างโมเดลให้แม่นยำที่สุด</li><li><strong>Build a complex system incrementally </strong><br>การสร้างโมเดลควรเริ่มให้ง่ายที่สุดแล้วค่อยพัฒนาให้ซับซ้อน เพราะแต่ละขั้นตอนตั้งแต่การเก็บข้อมูล การสร้าง feature การทำ pipeline สามารถเกิดข้อผิดพลาดและมีบั๊กได้เสมอ</li><li><strong>Not every features launched will succeed. If it is going to fail, fail fast</strong><br>ไม่ใช่ทุกโมเดลที่จะประสบความสำเร็จ ควรสร้าง metric ที่วัดความสำเร็จของโมเดลเอาไว้ด้วย เมื่อรู้ว่าล้มเหลวก็รีบแก้ไข อย่าดื้อ</li><li><strong>Don’t underestimate the need for Software Engineers/Devs for your team<br></strong>นอกจากงาน data ยังมีส่วนที่ต้องเก็บข้อมูล ส่วน infrastructure และ database นอกจาก data scientist จะสำคัญสำหรับทีม ตำแหน่งอื่นๆ ก็สำคัญไม่แพ้กัน</li></ol><p>สุดท้ายแล้วส่วนของดร.ณัฐสรุปได้ว่า ก่อนจะไปโฟกัสที่ Machine Learning หรือ A.I. ควรตอบให้ได้ก่อนว่าธุรกิจต้องการอะไร แล้วจัดการทำข้อมูลในองค์กรให้มีประสิทธิภาพ ด้วยการมีตัววัดผลที่ชัดเจน และวางแผน infrastructure ภายในอย่างเป็นระบบ</p><p>ในช่วงบ่ายเป็นการแชร์ประสบการณ์ในหัวข้อ <strong>Democratizing data in your organization</strong> โดย อ.เช็ค (ดร.ธนชาตย์ ฤทธิ์บำรุง) จาก Data Cafe และ อ.ต้า (ดร.วิโรจน์ จิรพัฒนกุล) จาก Skooldio</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/800/1*zblE60dqOz2InXaJg5nYrw.jpeg" /><figcaption>ภาพจาก <a href="https://www.blognone.com/tomorrow">blognone</a></figcaption></figure><p>อ.เช็คกับอ.ต้าเปิดด้วยสถิติจาก Gartner ด้วยชื่อหัวข้อของบล็อกนี้ว่า</p><blockquote>85% of data science projects fail</blockquote><p>และค่อยมาเฉลยว่าเหตุผลที่เกิดขึ้นกับโปรเจกต์เหล่านั้น มีปัจจัยจาก 3 สิ่งได้แก่ People, Process และ Technology</p><h3><strong>People</strong></h3><p>เนื่องจาก data science เป็นศาสตร์ใหม่ แน่นอนว่าการหาคนมาทำหน้าที่ก็จะมีประเด็นว่า ควรจะจ้างคนใหม่ไปเลย หรือให้คนเก่าไปเรียนรู้พัฒนาตัวเองมาทำหน้าที่ใหม่ดี (ฺ<em>Build New</em> or <em>Re-skill</em>)</p><p>ฝั่ง Build New อาจมองว่าการจ้างคนใหม่จะตอบโจทย์ความต้องการได้ดีกว่า แต่การหาคนที่เพียบพร้อมอย่างนั้นก็ไม่ง่าย เพราะต้องไปตบตีแย่งชิงมาจากที่อื่นเหมือนกัน</p><p>ฝั่ง Re-skill จะมีข้อได้เปรียบคือคนในจะเข้าใจธุรกิจเดิมดีอยู่แล้ว แต่การเรียนรู้ศาสตร์ใหม่ก็ใช้เวลานาน และการปั้น data scientist ขึ้นมาหนึ่งคน ไม่ใช่แค่การเรียนออนไลน์หรือเข้า workshop แต่ต้องอาศัยประสบการณ์ ที่สำคัญคือต้องถามคนในก่อนด้วยว่าพร้อมจะทำหน้าที่ใหม่ตรงนี้มากแค่ไหน</p><p>คำถามถัดมาคือคนจะมาเป็น data scientist ต้องรู้อะไรบ้าง ถ้าจะไปควานหาคนที่เขียนโปรแกรมได้ เข้าใจสถิติ analytics คล่อง รู้ business ด้วย อาจจะเจอแค่เซตว่าง คนทำ data อาจจะไม่ต้องรู้ลึกทุกด้าน แต่ต้องสามารถสื่อสารและขอความช่วยเหลือกับคนรอบข้างที่เข้าใจเรื่องนั้นดีกว่าเราได้ นอกจากนี้เวลาทำงานต้องสงสัยตลอดเวลา Data scientist ที่ดีมักจะเป็นคนขี้สงสัย</p><p>ประเด็นถัดไปคือเวลารับสมัครตำแหน่งนี้แล้วเจอ candidate ที่โปรไฟล์ดีมาก จะรู้ได้ยังไงว่ารู้จริง อ.ต้าตอบว่าขอดูโปรเจกต์ไปเลย ว่าเคยทำอะไรมา บางคนทฤษฎีเก่งมาก เรียนจบคอร์สออนไลน์มามากมาย แต่ไม่เคยลงมือทำอะไรเลย ในฐานะของลูกศิษย์ของอาจารย์ทั้งสอง แกจะย้ำอยู่เสมอๆ ว่า <strong>อย่ามัวแต่เรียน ลงมือทำไปเลย !</strong></p><h3>Process</h3><p>พอได้คนมาทำงานก็ติดปัญหาว่าควรจะตั้งทีม Data science ในรูปแบบไหน ระหว่าง <em>Insourcing </em>หรือ <em>Outsourcing</em></p><p>หากต้องการ Insourcing มีข้อดีคือองค์ความรู้ทุกอย่างอยู่กับเรา และมีความคล่องตัว แต่ก็จะมีต้นทุนสูงกว่าจะสร้างทีมที่มาทำหน้าที่นี้โดยสมบูรณ์ ในระยะยาวถ้ามองว่า data science เป็น core business ขององค์กร อ.เช็คแนะนำให้ใช้แนวทางนี้มากกว่า</p><p>แต่สำหรับทีม Outsourcing ก็ไม่ได้ผิดอะไร เพราะถ้าองค์กรคนไม่พอ หรือความรู้ทางด้านนี้ยังน้อย การ Outsourcing จะทำให้ไปได้เร็วกว่า</p><p>ส่วนการวางทีม อ.ต้าแชร์ให้ฟังว่าทีม data science ของเฟซบุ๊ก จะทำงานแบบ project-based คือไม่ได้มีหน้าที่เดียวไปตลอด แต่สลับหมุนเวียนโปรเจกต์กันไป</p><h3>Technology</h3><p>ปัจจุบันมีเทคโนโลยีมากมายที่รองรับการทำงานเกี่ยวกับข้อมูล ตั้งแต่ระบบฐานข้อมูล ระบบ analytics และ cloud services คำถามคือควรจะเลือกใช้เครื่องมือที่เป็น<em> Closed source</em> หรือ <em>Open source</em></p><p>ฝั่ง closed source จะเป็นการใช้ solution จากบริษัทเจ้าใหญ่ที่คอยสนับสนุนเราตั้งแต่ต้นจนจบงาน ที่สำคัญคือจะมี case study จากประสบการณ์อันยาวนานของแต่ละเจ้าให้เราได้เริ่มต้นได้ง่าย และแน่นอนว่า แพง</p><p>ฝั่ง open source แม้ว่าจะต้องเริ่มต้นทุกอย่างด้วยตัวเอง แต่ก็ทำให้คล่องตัว และปรับแต่งระบบได้ตามใจชอบ ที่ยากคือต้องเสาะหาความช่วยเหลือเองจาก community ต่างๆ (เช่น stack overflow)</p><p>จากปัญหา 3 ด้านที่ผ่านมา อ.เช็คสรุปว่างานทางด้าน data science ไม่ใช่งานของ data scientist เพียงคนเดียว แต่เป็นงานที่ทุกคนต้องรับผิดชอบร่วมกัน ดังนั้นเราควรทำให้ data science เป็นเรื่องของทุกคน (democratizing data science)</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*67S9xwVEMb86JEi5vsKySQ.jpeg" /></figure><h3>Democratizing data science</h3><p>บ่อยครั้งที่ analytical question จะมาจากฝั่ง business การเข้าใจว่า data science จะสามารถเข้ามาแก้ปัญหาอะไรได้ จะทำให้องค์กรรู้จักการตัดสินใจด้วยข้อมูลได้ดีขึ้นและมองเห็นโอกาสใหม่ๆ</p><p>ทุกวันนี้หลายๆ องค์กรเริ่มผลักดันให้ฝั่ง business เริ่มเขียน SQL ได้ (อ.ต้าแชร์ว่า product manager ของเฟซบุ๊ก เขียน SQL เป็นทุกคน) อย่างน้อยที่สุดควรเข้าใจภาพกว้างว่า machine learning คืออะไร supervised กับ unsupervised learning เป็นยังไง</p><h3>จะรักษา data scientist ไว้ได้อย่างไร</h3><ol><li><strong>Leadership and supervision</strong> คนทำ data science ส่วนใหญ่ยังเป็นคนรุ่นใหม่ที่แน่นทฤษฎี แต่ขาดประสบการณ์ ควรหาคนที่มีประสบการณ์คอยมาประกบ<br>นอกจากนี้ฝั่งผู้บริหารก็ต้องเข้าใจว่า data science ไม่ใช่พลังวิเศษที่เสกกำไรให้ได้ในเวลาสั้นๆ แต่เป็นงานที่กินเวลานาน</li><li><strong>Learning and growth</strong> คนมาทำสายนี้ส่วนใหญ่อยากเรียนรู้และเติบโตไปเรื่อยๆ องค์กรต้องเปิดโอกาสให้คนสายนี้ได้เรียนรู้ตลอดเวลา</li><li><strong>Data </strong>แน่นอนว่าต้องมีข้อมูลเปิดให้เข้าถึง ข้อมูลต้องมีมากพอที่จะเอาไปทำประโยชน์ได้ (ไม่ใช่มีอยู่ตารางเดียว หรือเก็บอยู่ในกระดาษ)</li></ol><p>สุดท้ายนี้ อ.ทั้งสองท่านฝากไว้คืออยากให้ทุกคนเรียนรู้เรื่อง data เพราะมันเป็นเรื่องของทุกคนจริงๆ</p><blockquote>ถ้าอยากให้คนในองค์กรตัดสินใจด้วยข้อมูล ต้องให้คนในองค์กรเข้าถึงข้อมูลเสียก่อน</blockquote><p>ส่วนที่เน้น practice เกี่ยวกับการทำ data science สำหรับองค์กรมีใจความคร่าวๆ ประมาณนี้ สำหรับหัวข้ออื่นๆ + รีวิวตัวงานเล็กน้อย ผมเขียนไว้ที่หน้า facebook ส่วนตัวตามไปอ่านกันได้ที่นี่ครับ</p><p><a href="https://www.facebook.com/photo.php?fbid=10214748666443002&amp;set=a.2495568221277.2131329.1014970697&amp;type=3">New Naveen</a></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=ae130871ff98" width="1" height="1" alt="">]]></content:encoded>
        </item>
    </channel>
</rss>