<?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 Patipol Chiammunchit on Medium]]></title>
        <description><![CDATA[Stories by Patipol Chiammunchit on Medium]]></description>
        <link>https://medium.com/@patipolchiammunchit?source=rss-c19ca5410c57------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/0*ydAcFS__DwwFK3dp.</url>
            <title>Stories by Patipol Chiammunchit on Medium</title>
            <link>https://medium.com/@patipolchiammunchit?source=rss-c19ca5410c57------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Thu, 19 Nov 2026 19:54:14 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@patipolchiammunchit/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[Intro to Data Warehouse | Data Warehouse คืออะไร แตกต่างกับ Database ยังไง]]></title>
            <link>https://medium.com/@patipolchiammunchit/intro-to-data-warehouse-data-warehouse-%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%95%E0%B8%81%E0%B8%95%E0%B9%88%E0%B8%B2%E0%B8%87%E0%B8%81%E0%B8%B1%E0%B8%9A-database-%E0%B8%A2%E0%B8%B1%E0%B8%87%E0%B9%84%E0%B8%87-ff88ec04cb6c?source=rss-c19ca5410c57------2</link>
            <guid isPermaLink="false">https://medium.com/p/ff88ec04cb6c</guid>
            <category><![CDATA[data-warehouse]]></category>
            <dc:creator><![CDATA[Patipol Chiammunchit]]></dc:creator>
            <pubDate>Sat, 05 Aug 2017 16:35:31 GMT</pubDate>
            <atom:updated>2017-08-05T16:35:31.049Z</atom:updated>
            <content:encoded><![CDATA[<p>หลาย ๆ คนคงได้ยินคำว่า Data Warehouse กันมาแล้วนะครับ แต่คงจะสงสัยมาทำความเข้าใจกันดีกว่าว่า Data Warehouse คืออะไร และทำไมต้องมี Data Warehouse ผมจะมาเล่าให้ฟังครับ</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*0lAZ9nBfH1j36xwU-4hWUA.png" /></figure><h3>ปัญหาของ Database</h3><p>ลองนึกภาพว่าคุณทำงานอยู่แผนก IT ในบริษัทแห่งหนึ่ง โดยมีหน้าที่คอย Query SQL เพื่อคอยตอบคำถามให้กับผู้บริหาร คำถามที่ผู้บริหารส่วนใหญ่ถามจะเป็นประมาณนี้</p><ul><li>ยอดขายของสินค้าที่มาจากบริษัท ABC ในปี 2015</li><li>สรุปยอดขายรายปีของ 5 ปีล่าสุด</li></ul><p>แล้วคุณมี Relational Database ซึ่งออกแบบด้วยวิธี Normalization ดังนี้</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/566/1*9L6j74T53aV4Bhdx0TBuwA.png" /><figcaption>ตัวอย่าง Relational Database ที่ออกแบบด้วยวิธี Normalization</figcaption></figure><p>ลองคิด SQL Command ที่ใช้ตอบคำถามเมื่อกี้นี้ดูนะครับ</p><p>ยอดขายของสินค้าที่มาจากบริษัท ABC ในปี 2015: <br>SELECT Items.Name as ItemName, Items.Price * Item_sold.Qty as TotalSale FROM Purchases INNER JOIN Item_sold ON Purchases.TransID = Item_sold.TransID INNER JOIN Items ON Item_sold.ItemID = Items.ItemID INNER JOIN Suppliers ON Items.SupplierID = Suppliers.SupplierID WHERE CompanyName = ‘ABC’ AND DATEPART(yyyy, Purchases.Date) = 2015</p><p>สรุปยอดขายรายปีของ 5 ปีล่าสุด: <br>SELECT DATEPART(yyyy, Purchases.Date) AS Year, SUM(Purchases.Amount) AS Total FROM Purchases GROUP BY DATEPART(yyyy, Purchases.Date) ORDER BY DATEPART(yyyy, Purchases.Date) DESC</p><p>SQL Command ที่เขียนไปข้างต้นอาจจะไม่ถูกต้อง 100% นะครับ แต่เราจะสังเกตได้ว่า</p><ol><li>SQL Command ค่อนข้าวยาวและซับซ้อน มีการเรียกใช้ Function ที่ไม่คุ้นตา เช่น DATEPART เป็นต้น</li><li>ใช้คำสั่ง JOIN ค่อนข้างเยอะ ซึ่งคำสั่ง JOIN เป็นคำสั่งที่ทำงานช้ามาก</li><li>เมื่อมีการเปลี่ยนแปลงคำถาม SQL Command จะเปลี่ยนรูปแบบการเขียนแตกต่างกันอย่างสิ้นเชิง</li></ol><p>ซึ่งปัญหาที่กล่าวมานี้ ทำให้การออกแบบ Relational Database แบบ Normalization ไม่เหมาะกับการ Query เพื่อตอบคำถามผู้บริหาร</p><h3>Data Warehouse…พระเอกของเรา</h3><p>Data Warehouse เป็น Relational Database ออกแบบด้วยวิธี Dimensional Modeling ซึ่งลักษณะของ Schema จะเหมือนเป็นรูปดาว หรือเราเรียกว่า Star Schema นั่นเอง</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/569/1*Lf3xXZY9zJK7yghK8viZ-w.png" /><figcaption>ตัวอย่าง Data Warehouse (Relational Database ที่ออกแบบด้วยวิธี Normalization)</figcaption></figure><p>ให้คุณลองใช้ SQL Command Query ข้อมูลจาก Data Warehouse นี้เพื่อตอบคำถามแบบเดียวกับที่ทำไปเมื่อซักครู่นะครับ</p><p>ยอดขายของสินค้าที่มาจากบริษัท ABC ในปี 2015: <br>SELECT Product_Dim.Name AS ItemName, Purchases_Fact.Total AS TotalSale FROM Purchase_Fact INNER JOIN Product_Dim ON Purchase_Fact.ProductKey = Product_Dim.ProductKey INNER JOIN Time_Dim ON Purchase_Fact.TimeKey = Time_Dim.TimeKey WHERE Product_Dim.SupplierName = ‘ABC’ AND Time_Dim.TimeYear = 2015</p><p>สรุปยอดขายรายปีของ 5 ปีล่าสุด: <br>SELECT Time_Dim.TimeYear AS Year, Total FROM Purchases_Fact INNER JOIN Time_Dim ON Purchase_Fact.TimeKey = Time_Dim.TimeKey ORDER BY Time_Dim.TimeYear</p><p>สังเกตได้ว่าจากตัวอย่างนี้</p><ol><li>SQL Command ยาวและซับซ้อนน้อยลง ไม่มีการเรียกใช้ Function แปลก ๆ แล้ว (อาจจะเห็นว่า SQL มันยาวพอ ๆ กัน แต่ชื่อ Table ใน Data Warehouse มันยาวกว่านะ 55555)</li><li>จำนวนการ Join ลดลงจาก Database ต้องใช้ Join ถึง 3 ครั้ง เหลือแค่ 2 ครั้ง <br>ยิ่งไปกว่านั้น ต่อให้มีคำถามที่ต้อง Join ทุก Table เพื่อตอบคำถาม ใน Data Warehouse ข้างต้นจะ Join กันเพียงแค่ 3 Table เท่านั้น ผิดกับ Database ที่ต้อง Join กันถึง 5 ครั้งเลยทีเดียว</li><li>วิธีการ Query ค่อนข้างจะคล้ายคลึงกัน</li></ol><p>เหตุผลที่ Database ที่ออกแบบด้วยวิธี Normalization ไม่เหมาะสำหรับการนำมาวิเคราะห์ เพราะ Normaliztion ใช้เพื่อออกแบบ Database ที่ใช้ในการจัดเก็บข้อมูลที่รวดเร็ว ส่วน Data Warehouse ถูกออกแบบขึ้นมาเพื่อ Query ข้อมูลไปวิเคราะห์ได้ง่ายขึ้น คนที่ใช้ SQL ไม่คล่องก็สามารถ Query ข้อมูลไปวิเคราะห์เองได้</p><h3>เปรียบเทียบระหว่าง Database กับ Data Warehouse</h3><p>ต่อจากนี้ไป ถ้าผมพูดถึงคำว่า Database ผมจะหมายถึง Relational Database ที่ถูกออกแบบด้วยวิธี Normalization ถ้าผมพูดถึงคำว่า Data Warehouse ผมจะหมายถึง Relational Database ที่ถูกออกแบบด้วยวิธี Dimensional Modelling นะครับ</p><h4>Task/System</h4><p>Database จะถูกใช้ในงานที่เกี่ยวข้องกับการจัดการ Transaction เป็นหลักครับ เราจะเรียกระบบที่มีการจัดการ Transaction เป็นหลักว่า Online Transaction Processing System หรือที่เราเรียกย่อ ๆ ว่า OLTP ครับ ระบบแบบนี้จะเน้นที่การ Insert, Delete, Update ข้อมูลที่รวดเร็วครับ</p><p>ส่วน Data Warehouse จะถูกใช้ในงานที่เกี่ยวกับการวิเคราะห์เป็นหลักครับ เรียกระบบแบบนี้ว่า Online Analytical Processing System หรือ OLAP ครับ ระบบแบบนี้จะเน้นที่การ Query ข้อมูลที่รวดเร็ว (และง่าย) ครับ</p><h4><strong>Data</strong></h4><p>ข้อมูลใน Database จะเป็นข้อมูลที่ค่อนข้างอัพเดตพอสมควรครับ เพราะว่าข้อมูลเหล่านี้จะถูก update ตลอดเวลาครับ เรียกว่า Operational data หรือ Transaction data ก็ได้ครับ</p><p>ส่วนข้อมูลใน Data Warehouse จะค่อนข้างเป็นข้อมูลในอดีต เพราะข้อมูลพวกนี้ไม่ได้ถูก update บ่อยเท่าข้อมูลใน Database ครับ</p><h4>Query</h4><p>การ Query ข้อมูลใน Database ส่วนใหญ่มักจะ Query ข้อมูลมาใช้เพียงแค่ Record เดียวครับ เช่น นาย A ได้รับเงินเดือนเดือนละเท่าไหร่ เราสามารถใช้ข้อมูลเพียงแค่ Record เดียวมาตอบคำถามได้</p><p>ส่วนการ Query ข้อมูลใน Data Warehouse มักจะ Query ข้อมูลมาหลายร้อยหลายพัน record มาใช้ครับ เช่น ผู้บริหารอยากรู้ว่ากำไรของร้านค้าในแต่ละภูมิภาคเปลี่ยนไปในแต่ละปีอย่างไรบ้าง คำถามในลักษณะนี้ต้องอาศัยการ Query ข้อมูลหลาย Record มาเพื่อตอบคำถามครับ</p><h4>Usage</h4><p>การใช้งาน Database มักจะใช้ในลักษณะเดิม ๆ ก็คือมีการ Insert, Update, Delete ข้อมูลในลักษณะเดิม ๆ ครับ เช่น เพิ่ม User ใน Database ก็ใช้ SQL Command แบบเดียวตลอด</p><p>ส่วนการใช้งาน Data Warehouse ลักษณะการใช้งานมักจะเปลี่ยนไปตลอดเวลา กล่าวคือ ผู้บริหารมักจะเปลี่ยนคำถามที่อยากรู้เสมอ จึงทำให้ SQL Command ที่ใช้ Query ข้อมูลเปลี่ยนไปเสมอ</p><h4>Server</h4><p>ผมอยากให้ผู้อ่านนึกถึงร้านสะดวกซื้อ 7–11 ครับ ร้าน 7–11 มันมีหลายสาขาในประเทศไทยซึ่งในแต่ละสาขาก็จะมีการซื้อขายกัน ก็คือจะมีการ Insert ข้อมูลการซื้อสินค้าของลูกค้าบ่อย ๆ เพื่อให้สามารถเช็คจำนวนของใน Stock รวมทั้งยอดขายของแต่ละสาขาได้ นั่นหมายความว่าใน 1 สาขาของร้าน 7–11 จะต้องมี Server ที่ใช้เก็บข้อมูล 1 ตัวครับ</p><p>ส่วน Data Warehouse ผู้ใช้งานเป็นผู้บริหารหรือแผนก Marketing ของบริษัท CP (เจ้าของ 7–11) ครับ ซึ่งถ้าผู้บริหารหรือแผนก Marketing ต้องการ Query ข้อมูลเพื่อตอบคำถาม ซึ่งคำถามส่วนใหญ่จะเป็นคำถามภาพรวมซะส่วนใหญ่ เช่น แต่ละสาขาทำกำไรได้เท่าไหร่ในแต่ละปี คำถามในลักษณะนี้จะต้องอาศัยข้อมูลจากทุก ๆ Database Server จากทุกสาขา ซึ่งจะเสียเวลามากในการดึงข้อมูลมาตอบคำถาม ดังนั้น วิธีที่ทำกันคือในทุก ๆ วัน หรือทุก ๆ สัปดาห์จะนำข้อมูลในแต่ละสาขามาเก็บไว้ใน Server กลางของบริษัท ซึ่งต้องถูกออกแบบให้เป็น Data Warehouse เพื่อการวิเคราะห์ที่ง่ายขึ้นครับ</p><p>สรุปก็คือ Database เป็น Local Server แต่ Data Warehouse เป็น Global Server ครับ</p><h4>Design</h4><p>อย่างที่บอกตอนแรกครับ Database ออกแบบด้วยวิธี Normalization ส่วน Data Warehouse ออกแบบด้วยวิธี Dimensional Modelling ครับ</p><h3>มี Database หรือ Data Warehouse อย่างใดอย่างหนึ่งได้มั้ย?</h3><p>อย่างที่บอกว่า Database กับ Data Warehouse ถูกออกแบบมาด้วยจุดประสงค์ที่ต่างกัน เพราะฉะนั้นในแต่ละบริษัทจะมีทั้ง Database และ Data Warehouse ก็คือให้ Database เป็นตัวที่ใช้จัดเก็บข้อมูลและค่อยทำการ process เอาข้อมูลไปเก็บใน Data Warehouse เพื่อให้ Query ข้อมูลไปวิเคราะห์ง่ายขึ้น process นั้นเรียกว่า <strong>Extract-Transform-Load Process</strong> (เรียกย่อ ๆ ว่า <strong>ETL Process</strong>) โดย process นี้จะทำ Scheduling ไว้ให้ทำ process นี้ทุก ๆ ________ ก็ว่าไป (เช่น ทุก ๆ วันตอนตีสองไรงี้)</p><p>คราวหน้าถ้าผมมีเวลาว่างจะมาเขียนเรื่องวิธีการออกแบบ Data Warehouse (Dimensional Modelling) ครับ</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=ff88ec04cb6c" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[[Big Data] มารู้จัก CDH กันเถอะ]]></title>
            <link>https://medium.com/@patipolchiammunchit/big-data-tools-%E0%B8%A1%E0%B8%B2%E0%B8%A3%E0%B8%B9%E0%B9%89%E0%B8%88%E0%B8%B1%E0%B8%81-cdh-%E0%B8%81%E0%B8%B1%E0%B8%99%E0%B9%80%E0%B8%96%E0%B8%AD%E0%B8%B0-a6ae81e8d39b?source=rss-c19ca5410c57------2</link>
            <guid isPermaLink="false">https://medium.com/p/a6ae81e8d39b</guid>
            <dc:creator><![CDATA[Patipol Chiammunchit]]></dc:creator>
            <pubDate>Fri, 20 Jan 2017 04:04:03 GMT</pubDate>
            <atom:updated>2017-01-21T10:36:12.220Z</atom:updated>
            <content:encoded><![CDATA[<p>CDH ย่อมาจาก Cloudera Distributed Hadoop ครับ เป็น Open-Source Platform ที่ provide พวก Big Data Tools ไว้ให้ใช้งานกันครับ</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/620/1*zE35n1y0TZE9EAatFe4TjA.png" /></figure><p>อันที่จริง Platform ที่ provide Big Data Tools มีใหญ่ ๆ ถึง 3 ค่ายด้วยกันคือ Cloudera, Hortonworks และ MapR ครับ ซึ่งข้อดีข้อเสียก็แตกต่างกันไปครับ แต่เราจะมาพูดถึงค่าย Cloudera กันเพราะว่าตัวนี้เป็นที่นิยมมากเพราะ</p><ol><li>ฟรี</li><li>ติดตั้งง่ายที่สุดใน 3 ค่ายนี้แล้ว</li><li>User Friendly พอสมควร มี Tools หลายตัวมาก</li></ol><h4>CDH มีอะไรให้เราใช้บ้าง ?</h4><p>มาดู Tools บางตัว (เอามาทุกตัวคงไม่ไหว) ที่ CDH มีให้ใช้กันครับ</p><ul><li>Hadoop (HDFS + YARN)— อันนี้ไม่มีไม่ได้ครับ เป็น Base ของ Big Data Tools แทบจะทุกตัวเลยครับ โดยเฉพาะ HDFS เป็น File System ที่อยู่บน Distributed system ครับ ส่วน YARN เป็น Job Management จัดการงานพวก Map Reduce ครับ</li><li>Spark — เป็น Data Processing Framework ตัวหนึ่งที่นิยมกันแพร่หลายเลยครับ เค้าเคลมว่ามันเร็วกว่าตัว Hadoop เพราะ Hadoop ทำงานบน Disk แต่ Spark ทำงานบน Memory ครับ</li><li>Hive, Impala — 2 ตัวนี้มีหน้าที่เหมือน ๆ กันคือทำให้เราสามารถ Query ข้อมูลด้วย SQL ได้ครับ แต่ความแตกต่างของ 2 ตัวนี้ก็มีครับ เช่นเค้าว่ากันว่า Impala เร็วกว่า Hive แต่ Hive มีคุณสมบัติ Fault Tolerance เช่น ระบบกำลังทำงานแล้วระบบล่ม ถ้ากู้กลับมาแล้ว Hive ทำงานต่อได้ แต่ Impala ต้องมาสั่งทำงานใหม่อีกรอบครับ</li><li>Mahout — ตัวนี้เป็น Framework ที่มี Machine Learning Library ให้เราใช้กันครับ แต่คนเค้าเริ่มไม่ค่อยใช้กันแล้วเพราะเดี๋ยวนี้ Spark มันออก Machine Learning Library ให้ใช้แล้วไง คนส่วนใหญ่เลยไปใช้ตรงนั้นซะมากกว่า</li><li>Sqoop — เป็น Framework ที่จัดการการถ่ายโอนข้อมูลระหว่างข้อมูลรูปแบบ Table บน RDBMS กับข้อมูลรูปแบบ HDFS บน Hadoop</li><li>Flume — จัดการเรื่องการเก็บข้อมูลที่เข้ามาอย่างมหาศาล เช่น Log</li><li>Oozie — เป็นตัวจัดการ Workflow ช่วยให้เราสามารถนำคำสั่งต่าง ๆ ที่เกิดขึ้นใน Hadoop Ecosystem มาต่อกันได้ เช่น process data ผ่าน spark ก่อนแล้ว query ผ่าน Hive เป็นต้น</li><li>HBase —เป็น DBMS ที่อยู่บน Hadoop ครับ เหมาะสำหรับการ Read/Write ข้อมูลที่เป็น Realtime</li></ul><h4>มาดูกันว่า CDH ง่ายยังไง</h4><p>ผมขอข้ามส่วนของการติดตั้ง CDH บนเครื่อง Cluster ละกัน เพราะว่ามันค่อนข้างเยอะพอสมควรครับ เช่นว่า ต้องติดตั้ง Java บนเครื่องทุกเครื่อง เครื่อง master ต้องลง CDH-Server บลา ๆ ๆ เอาเป็นว่ามันเยอะละกัน เลยขอข้ามมาตรงการใช้งานกันเลยครับ</p><p>การจัดการกับ Cluster ของเราจะทำผ่านสิ่งที่เรียกว่า Cloudera Manager ครับ มันเป็น Web UI ที่ให้เราสามารถจัดการกับ Cluster ของเราไม่ว่าจะเป็นการเพิ่ม Service, การเพิ่ม Node บน Cluster, Job Monitoring, ดู Log สารพัดอย่างครับ</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*jKdJPeMj9HTYPDlyDjEYjA.png" /><figcaption>Cloudera Manager (Dashboard)</figcaption></figure><p>วิธี Add Service ก็ไม่ยากครับ เพียงแค่เลือก Service ที่เราต้องการเฉย ๆ เช่นในรูปข้างล่างนี้กำลังจะเพิ่ม Hue UI (คือหน้า UI ของ Hive กับ Impala สำหรับ Query ข้อมูลโดยใช้ SQL) ก็เลือกแล้วกด Continue เรื่อย ๆ เท่านี้ เราก็จะได้ Hue UI มาใช้แล้ว</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*-QREPSEbhDPKO3XZUo7xjQ.png" /><figcaption>Cloudera Manager (Add Service)</figcaption></figure><p>วิธีจัดการเรื่อง Node ก็ไปที่ Tab Hosts เลยครับ ถ้าอยากเพิ่ม Node ก็แค่กด Add New Hosts to Cluster แล้วก็ใส่ IP Address ของ Node ที่จะเพิ่มเข้ามา แค่นี้ Cluster ของเราก็จะมี Node เพิ่มแล้ว</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*-YtRM25rTC29hr6rdwQIfw.png" /><figcaption>Cloudera Manager (Hosts Management)</figcaption></figure><p>หรือจัดการระบบ User ก็ได้ง่าย ๆ เพียงแค่ กด Add User ใส่ข้อมูลตามที่กำหนด แล้วก็กำหนด Role ให้ User คนนั้นได้ครับ</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*_KuPR8nkU54JkCrXyVPMtQ.png" /><figcaption>Cloudera Manager (User Management)</figcaption></figure><p>จริง ๆ มันก็มีอย่างอื่นที่ Cloudera Manager สามารถทำได้อีกเยอะ ไม่ว่าจะเป็น Audit ดู Log สร้างตัว Monitor จัดการการ Backup เอาเป็นว่าสารพัดอย่างที่ Cluster Administrator จะสามารถทำได้เลยครับ</p><p>ก็ขอจบการแนะนำ CDH แบบคร่าว ๆ ถ้าอยากรู้จักมากกว่านี้ไปลองโหลด VM มาเล่นได้นะ แต่คอมต้องไหวนะ RAM 8 GB นี่ขั้นต่ำเลย 555555</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=a6ae81e8d39b" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[HyunFonG Rewind | 2016]]></title>
            <link>https://medium.com/@patipolchiammunchit/hyunfong-2016-rewind-8af0030d3812?source=rss-c19ca5410c57------2</link>
            <guid isPermaLink="false">https://medium.com/p/8af0030d3812</guid>
            <dc:creator><![CDATA[Patipol Chiammunchit]]></dc:creator>
            <pubDate>Fri, 30 Dec 2016 07:39:50 GMT</pubDate>
            <atom:updated>2016-12-30T08:03:35.333Z</atom:updated>
            <content:encoded><![CDATA[<p>สวัสดีครับทุก ๆ คน นี่คงเป็น blog แรกที่ผมเขียนเสร็จครับ ก็จะมาเล่าว่าในปี 2016 ที่กำลังจะหมดไป ฟงได้ผ่านอะไรมาบ้าง</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*1Xk1gkjSFf3LcCz3VzQp8w.jpeg" /></figure><p>ปีนี้โดยสรุป ๆ แล้วเป็นปีที่รู้สึกว่าได้พัฒนาตัวเองมากขึ้น ทั้งด้านความรู้ในสาขาวิชาและการใช้ชีวิตครับ แต่ยัง <strong>“โสด”</strong> เหมือนเดิมครับ (ก็โสด โสด อยู่ทางนี้ยังโสดโสด อยากเอารักมาโหลดโหลด เธอใช่ไหมที่ฟ้ามาโปรดฟ้ามาโปรด) ไม่มีใครเข้ามาเลย (นี่เค้าเรียกว่า <strong>“อ่อย”</strong> ป่ะวะ 555555) มีแต่เพื่อนชอบเสี้ยมครับ ปีนี้ก็ได้ทำอะไรหลาย ๆ อย่างมากครับ ส่วนทำอะไรมานั้นมาชมกันเลยครับ</p><h3>ปี 3 เทอม 2 แล้ว (Jan 2016 — May 2016)</h3><p>เริ่มปี 2016 มาก็เปิดเทอม 2 เลย แล้วแน่นอนว่าเปิดเทอมวันแรกก็ต้องมีสิ่ง ๆ หนึ่งที่เกิดขึ้นพร้อมกันคือ Reg War จ้า แต่ครั้งนี้ไม่ได้ไปวอร์อะไรกับเค้ามาก เพราะวิชาที่มันควรจะวอร์จริง ๆ มีแค่ตัวเดียว แต่เซคที่ไม่ได้ฮอตฮิตก็ไม่ได้แย่เท่าไหร่นัก ก็เลยไม่ต้องไปวอร์กับเค้า (แล้วจะบอกทำไมฟระ)</p><p>เทอมนี้เป็นเทอมที่เรียกได้ว่างานหนักที่สุดใน 3 โลกในชีวิตเด็กวิศว ฯ คอม ฯ จุฬา ฯ เพราะมีโปรเจคถึง 4+1 ตัวนั่นเอง โปรเจคแรกเป็นโปรเจคในรายวิชา System Analysis and Design เรียกง่าย ๆ ว่า SA ละกันเป็นวิชาที่เรียนเกี่ยวกับว่า เวลาที่เรารับงานพัฒนาระบบมาจากลูกค้าเนี่ย เราต้องทำอะไรบ้าง เช่นการวางแผน การจัดทีม การวิเคราะห์ความต้องการของลูกค้าหรือที่เรียกว่า requirement น่ะแหละ ไปจนถึงการออกแบบหน้าตา UI ของระบบเรา แต่โปรเจคตัวนี้ต้องไปเป็นโปรเจคร่วมกับกับโปรเจคในรายวิชา Database Management Systems Design เรียกย่อ ๆ ว่า DB (มันเลยเป็น 4 + 1 ไง) เพราะฉะนั้นในกลุ่มกันเองก็เลยคิดจะ implement ระบบจริง ๆ ออกมาเพื่อส่งโปรเจคทั้ง SA และ DB แล้วก็มีเพื่อนเสนอให้ทำระบบกวศ. (กรรมการนิสิตคณะวิศวกรรมศาสตร์) ขึ้นมา เพราะการจัดการงานภายในของกวศ. ค่อนข้างยากลำบาก ก็เลยทำขึ้นมา</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*g2sfIGEwic8mlOUaHJd7KQ.png" /><figcaption>โปรเจคระบบกวศ. ในรายวิชา System Analysis and Design และ Database Management Systems Design</figcaption></figure><p>ต่อมาเป็นโปรเจครายวิชา Distributed System Essential โปรเจคให้ทำ Chat Application ครับ โดยมี requirement ว่าถ้า server พังจะต้องมี server มาจัดการงานแทน โปรเจคตัวนี้เป็นตัวเปิดโลกทัศน์ให้ผมได้รู้จักที่จะทำเว็บโดยใช้ MEAN Stack ครับ ผมก็ได้เล่นกับ Node.js Express.js และ MongoDB ส่วน Angular ก็ให้เพื่อนอีกคนเล่นไป (กูไม่ใช่สาย Front-end มั้ยล่ะ) ก็เสร็จไปได้ด้วยดีครับ</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*6cb9eDjdeSbJuRFj." /><figcaption>โปรเจค Chat Application ในรายวิชา Distributed System Essential</figcaption></figure><p>ต่อมาเป็นโปรเจคในรายวิชา Large Scale Computing Systems แต่จริง ๆ มันคือวิชา Big Data ครับ โดยในปีนี้รายวิชาได้มีการไปโคกับทางเว็บไซต์ Dek-D สิ่งที่ให้ทำคือทำระบบ Recommendation นิยายของ Dek-D นั่นเอง โดยมีข้อมูลการกด Favorite ของ user แต่ละคนมาให้ แล้วก็มีการแข่งขันกันในวิชาว่ากลุ่มใครได้ Accuracy เยอะที่สุด โปรเจคนั้นก็ได้ฝึกการใช้งาน Apache Spark ทั้ง Core ของมันและ ML Library ที่ Spark มีมาให้ด้วยครับ</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*kMaq8Y_0huZCEYhd." /><figcaption>เว็บไซต์สำหรับส่งผลการ recommend ครับ พอส่งเสร็จมันก็จะคำนวณ accuracy ให้เลย</figcaption></figure><p>ส่วนโปรเจคสุดท้ายคือโปรเจคในรายวิชา Technical Writing for Engineering ให้เขียน Report ทางวิศวกรรมครับ ทางกลุ่มเลยเลือกโปรเจค Predict ปริมาณฝนโดยใช้เทคนิก Data Mining ที่ผมกับเพื่อนอีกคนในกลุ่มทำมาเขียนกัน</p><h3>ฝึกงาน (May 2016 — July 2016)</h3><p>ก็ได้มีโอกาสไปฝึกงานที่ Telecom Bretagne เป็นสถาบันวิศวกรรมแห่งหนึ่งในประเทศฝรั่งเศสครับ โดยหัวข้อที่ไปทำคือ Profilling Community Dynamics คือทำตัว Monitor สังคมออนไลน์แบบ Dynamics ต้องขอเกริ่นก่อนว่า สังคมออนไลน์แบ่งได้ใหญ่ ๆ 2 ประเภท ประเภทแรกคือสังคมออนไลน์แบบ Static สังคมออนไลน์แบบนี้จะเป็นสังคมที่เห็น relationship ของแต่ละ user แบบชัดเจน เช่น Facebook, Twitter เป็นต้น ส่วนอีกประเภทคือสังคมออนไลน์แบบ Dynamics ซึ่งจะเห็น relationship ของแต่ละ user ไม่ชัดเจน ที่เห็นได้ชัดเจนคือ interaction ระหว่าง user เท่านั้น เช่น blog ต่าง ๆ เป็นต้น เพราะฉะนั้นสิ่งที่ไปทำคือตัว Monitor สังคมออนไลน์แบบ Dynamics ให้สามารถบอกได้ว่าสังคมนี้ Active หรือไม่ อย่างไร</p><p>สิ่งที่ได้จากฝึกงานครั้งนี้ก็ได้ฝึกใช้พวก python library ต่าง ๆ เช่น pandas, scikit-learn, seaborn และ sphinx ครับ อ๋อ แล้วก็ได้ Macbook Air 13 นิ้ว Keyboard AZERTY มาด้วยครับ… เรื่องของเรื่องคือตอนฝึกงาน laptop ที่เอาไปดันพังขึ้นมา แล้วเราไม่รู้ว่าร้านซ่อมคอมอยู่ตรงไหน ถ้าไปถึงก็พูดฝรั่งเศสกับเค้าไม่เป็น สื่อสารกันไม่รู้เรื่องแน่นอน บวกกับว่ากลับไทยไปจะซื้อ Macbook Air อยู่แล้ว เลยถอยมันซะที่ฝรั่งเศสละกัน ปรากฏว่าแม่งแพงกว่า ได้ keyboard เชี่ยไรมาก็ไม่รู้อีก แต่ถ้ากูไม่ซื้อ กูก็ไม่มีคอมใช้ ไม่มีงานส่งเค้า เอาก็เอาวะ จะได้ทำงานส่ง Professor ได้ ก็เลยถอยมาครับ</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*y84x2xAbK1Ukz17K.jpg" /><figcaption>Telecom Bretagne, Brest Campus, France</figcaption></figure><h3>ฝึกงานต่างประเทศ ไม่เที่ยวก็ยังไง ๆ อยู่นะ (July 2016 — August 2016)</h3><p>ไหน ๆ ก็ไปฝึกงานถึงฝรั่งเศสละ เที่ยวหน่อยก็ได้วะ ข้อดีของการฝึกงานต่างประเทศมันก็ดีงี้แหละ แต่ดีไปกว่านั้นคือฝึกงานในประเทศที่ต้องทำวีซ่าเชงเก้น หมายความว่า เราจะออกไปประเทศไหนก็ได้ที่อยู่ในพื้นที่เชงเก้น ผมนี่ยิ้มร่าเลย ก็เลยจัดไป 3 ประเทศนั่นคือฝรั่งเศส สวิตเซอร์แลนด์ และเยอรมัน จบฝึกงานก็ตรงเข้าปารีสเลยครับ ก็ได้ไป Musee de Lourve (พีรามิดกระจกอ่ะ), โบสถ์ Notre Dame, หอไอเฟล, ประตูชัย ตึก Montparnasse</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*0WOkgM__l2nw07lE." /><figcaption>หอไอเฟลที่ถ่ายจากยอดตึก Montparnasse ตอนช่วงค่ำ ๆ</figcaption></figure><p>ต่อมาวันรุ่งขึ้นก็ออกจากที่พักตั้งแต่ตี 4 ครึ่งเพื่อไปนั่งรถไฟไปสวิตเซอร์แลนด์ครับ เมืองแรกที่เราเที่ยวกันคือ Geneva ครับ แต่เวลาค่อนข้างบีบเพราะว่าเราต้องไปเมือง Grindelwald ต่อ แล้วต้องเข้าที่พักภายใน 1 ทุ่มไม่งั้นจะไม่มีรถบัสเข้าถึงที่แคมป์ ก็เลยได้เที่ยวใน Geneva ถึงแค่บ่ายโมง แล้วก็ต้องขึ้นรถต่อไป แต่เหตุการณ์ไม่คาดฝันก็เกิดขึ้น <strong>กูขึ้นรถผิดขบวนครับ </strong>สาเหตุที่ขึ้นผิดเพราะตอนที่เราดูตารางเดินรถตอนแรก ผมแคปรูปไว้ครับ แล้วผมก็ดูแต่รูปที่แคปไว้ตลอดเลย แต่ตารางเดินรถจริง ๆ เปลี่ยน gate ที่จะต้องไปขึ้นใหม่ครับ ทำให้ขึ้นรถผิด แต่ยังดีครับที่เริ่มไหวตัวทันตอนที่มันผิดไปไม่กี่สาย ก็เลยกลับมาไหวตัวได้ทันและก็เข้าถึงที่พักได้แบบเฉียดฉิว</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*2gR2rfoRZ1MLubpSG4a-ug.jpeg" /><figcaption>แคมป์ที่ไปพักกันครับ</figcaption></figure><p>วันรุ่งขึ้นก็ได้ไปเที่ยวชมยอดเขา Jungfrau กัน ยอดเขา Jungfrau เป็นเขาที่สูงที่สุดในยุโรปครับ ด้านบนก็จะมีพวกถ้ำน้ำแข็งแกะสลัก มีเนินหิมะ มีพื้นที่ winter sport ให้เล่นกันครับ ส่วนวิธีการขึ้นก็จะมีรถไฟรางที่พาขึ้นไปบนยอดเขาครับ</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/960/0*v6qycFMvNib9O6_t." /><figcaption>บรรยากาศบนเขา Jungfrau ครับ</figcaption></figure><p>ส่วนอีกวันก็ไปขึ้นเขา Grindelwald — First ครับ เป็นอีกเขาที่อาจจะไม่ได้มีชื่อเสียงในแหล่งท่องเที่ยวในสวิตมากเท่าใดนัก แต่ก็สวยสุดยอดเหมือนกับ Jungfrau ครับ Jungfrau กับ Grindelwald — First เนี่ยจะบรรยากาศต่างกันโดยสิ้นเชิงครับ Jungfrau จะเป็นแนว ๆ ภูเขาน้ำแข็งครับ ส่วน Grindelwald — First จะเป็นแนว ๆ ทุ่งหญ้าครับ เที่ยวในตัวเมือง Grindelwald เสร็จก็ถือว่าเสร็จสิ้นภารกิจที่สวิตเซอร์แลนด์กันแล้ว</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*lOINwdEbvFRsqD-O." /><figcaption>บรรยากาศบนเขา Grindelwald-First ครับ</figcaption></figure><p>ต่อมาเราก็จะไปมิวนิคกันครับ จริง ๆ คือเรามีเวลาเที่ยวในมิวนิค 2 วันครับ แต่วันแรกที่ไปถึงผมไม่สบายหนักมาก ก็เลยได้แต่นอนอยู่ในห้อง พออาการดีขึ้นก็ออกไปกินขาหมูเยอรมันที่ร้าน Hofbrauhaus ซึ่งเป็นร้านเก่าแก่ในมิวนิคครับ (ชื่อร้านมันคือชื่อเบียร์ HB นั่นแหละครับ) อีกวันได้ออกไปเมือง Fussen ซึ่งเป็นที่ตั้งของปราสาท Neuschwanstein ที่เป็นต้นแบบของปราสาทดิสนี่ย์ครับ เที่ยวเสร็จก็กลับมามิวนิค นอนพักหนึ่งคืน แล้วก็กลับไปปารีสครับ ก่อนกลับไปไทย</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/720/0*1u0LCUqo-WBSu1CC." /><figcaption>ปราสาท Neuschwanstein ครับ</figcaption></figure><p>ทริปนี้จะหนักกว่านี้ถ้าไม่มีน้าเพ็ญ (เพื่อนของแม่โยโย่) ที่ให้การสนับสนุนที่พักตอนอยู่ปารีสกับที่ฝากกระเป๋าตอนตะลุยยุโรปครับ ขอบคุณครับ</p><h3>ปี 4 เทอม 1 แล้ว (August 2016 — November 2016)</h3><p>กลับจากฝึกงานได้ 3 วันก็ต้องกลับมาเรียนแล้วหรอนี่ วิชาเรียนในเทอมนี้หลัก ๆ มีแค่ 2 ตัวคือ Formal Language and Automata Theory กับ Software Engineering แต่ก็ต้องลง Approved Elective ด้วย ซึ่งเทอมนี้ลงไป 2 ตัวคือ Computer Security กับ Artificial Intelligence ครับ เทอมนี้งานจะหนักน้อยลงมาจากปี 3 เทอม 2 หน่อย แต่ก็ยังมีความลำบาก เพราะต่อให้งานน้อยลง แต่ก็ยังมีวิชายากอยู่ครับ บวกกับเทอมนี้ต้องเริ่มทำ Senior Project กันแล้ว ก็เลยทำให้เทอมนี้ค่อนข้างหนักอยู่ครับ แต่ไม่เท่าปี 3 เทอม 2 แน่นอนครับ</p><p>ขอพูดถึง Senior Project ก่อนละกัน ขอเรียกย่อ ๆ ว่า SP ละกัน SP เนี่ยจริง ๆ มันต้องทำ 2 เทอม แต่สิ่งที่ทางภาควิชาอยากได้ในเทอมแรกคือ Proposal ครับ เพราะฉะนั้นเทอมแรก research หาข้อมูลก็พอแล้วครับ แต่อ. ที่ปรึกษาบางท่านเค้าจะไปไกลกว่านั้นคือให้ทำตั้งแต่เทอมแรกเลยครับ แล้วก็จะคอยติดตาม progress ไปครับ ในส่วนของผมเอง อ. ที่ปรึกษาอยากให้นิสิตคิดหัวข้อ SP เองเพราะจะได้มี passion ในการทำงานตลอด ซึ่งกว่าผมจะได้หัวข้อออกมาก็นานโขอยู่ พอได้หัวข้อแล้วก็เป็นช่วงสอบ ช่วงกิจกรรมนู่นนี่นั่นอีก ค่อนข้างทิ้งช่วงไปนานพอสมควรครับ เทอมนี้ก็เลยไม่ค่อยได้แต่ SP เท่าที่ควรครับ หวังว่าเทอมหน้าจะทุ่มเทให้มากกว่านี้ครับ ส่วนหัวข้อที่ผมได้คือ “Music Genre Classification” ครับ ก็คือให้วิเคราะห์ waveform ของเพลงแล้วบอกให้ได้ว่าเพลงนี้เป็นเพลงแนวไหนครับ</p><p>วิชาที่จะขอพูดถึงอีกวิชาคือ Computer Security ครับ เป็นวิชาที่เรียนเกี่ยวกับความปลอดภัยของคอมพิวเตอร์ (จะแปลมาทำไม 5555) ก็เรียน ๆ หลับ ๆ ไปเรื่อย ๆ แต่ตอนทำโปรเจคทำให้ได้ความรู้ใหม่อย่างหนึ่งคือ MongoDB Injection นั่นเอง (ปกติรู้จักแค่ SQL Injection) หลักการง่าย ๆ คือพยายามแทรก $gt: “” ไปก็พอ (หมายความว่าให้ query ตัวที่มีความยาวสตริงมากกว่า empty string) “อ่าว… มันก็ออกมาหมดเลยอ่ะดิ” ใช่ครับ ออกมาหมดเลย ก็แอบว้าวนิดนึง นอกจากนี้ วิชานี้สอนให้รู้ว่า “คุณไม่มีทางทำให้ระบบของคุณ secure ได้ 100% หรอก” อ่าวชิบหาย</p><h3>เข้าค่าย YWC#14 (December 2016)</h3><p>ย่อมาจากค่าย Young Webmaster Camp ครั้งที่ 14 ครับ เป็นค่ายสร้างคนทำเว็บรุ่นใหม่ที่มีคุณภาพให้กับวงการเว็บไทยครับ ค่ายนี้จะเปิดรับสมัครเป็น 4 ฝ่ายด้วยกัน ได้แก่</p><ul><li>Web Content — ทำเกี่ยวกับ Content ที่จะนำมาลงในเว็บครับ</li><li>Web Marketing — ทำเกี่ยวกับ Business Model ว่า เราจะหารายได้จากเว็บไซต์ของเรายังไง เราจะ PR เว็บเรายังไง</li><li>Web Design — ทำเกี่ยวกับ Design ครับ ว่าเว็บเราจะมี layout ยังไง ใช้สีอะไร UI/UX ยังไง บลา ๆ ๆ</li><li>Web Programming — แน่นอนว่าต้องเขียนโค้ดขึ้นหน้าเว็บเราครับ</li></ul><p>ผมก็สมัครเข้าค่ายนี้ไปในฝ่าย Web Programming ครับ ก็ได้รับเลือกให้เข้าสู่รอบสัมภาษณ์ ก็ต้องทำการบ้านเอาไปส่งในวันสัมภาษณ์พร้อมกับสัมภาษณ์กับพี่ ๆ ที่เป็นตัว Top ของประเทศด้านเว็บ จนผ่านการคัดเลือกเข้าสู่ค่ายนี้ครับ ส่วนสาเหตุที่เข้าก็คงอยากทดสอบตัวเองว่ามีความสามารถในระดับใด</p><p>ค่ายจัดขึ้นในวันที่ 22–25 ธันวาคม 2016 ครับ ระยะเวลา 4 วัน 3 คืน โดยสองวันแรกก็จะเป็นการทำ Thinking Process หาว่าเราจะทำเว็บอะไร จากนั้นวันที่ 3 จะเป็นการพัฒนาตัวเว็บจริงครับ ให้เวลาตั้งแต่ 8.00–17.30 น. ครับ ส่วนวันสุดท้ายจะเป็นการนำเสนอผลงาน แล้วก็จะมี Commentator ของแต่ละสาขาครับ</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/845/0*X1m4JZPgvJ-tyUTT." /><figcaption>นำเสนอผลงานกับพี่ ๆ Commentator ครับ (รูปจากเพจ Young Webmaster Camp)</figcaption></figure><p>สิ่งที่ได้รับจาก Commentator ในสาขาที่ผมอยู่คือ<strong> “กลุ่มนี้ไม่จำเป็นต้องมีโปรแกรมเมอร์ก็ได้ครับ”</strong> ส่วนตัวก็ไม่ได้รู้สึกน้อยใจอะไรกับประโยคนี้เท่าไหร่ เพราะเรามาเพื่อให้พี่เค้า comment อยู่แล้ว ทำไมเราจะต้องน้อยใจด้วยล่ะ จริงมั้ย ? เอาเวลาน้อยใจไปพัฒนาตัวเองให้เก่งขึ้นกว่านี้ดีกว่าเนอะ สิ่งที่ได้จากค่ายนี้ก็คงจะเป็นไฟครับ รู้สึกมีไฟขึ้นเยอะเลย</p><p>ก็จบลงแล้วกับปี 2016 ของฟง ไว้เจอกันปี 2017 นะครับ หวังว่าจะเป็นปีที่ดีของฟงนะครับ สวัสดี~</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=8af0030d3812" width="1" height="1" alt="">]]></content:encoded>
        </item>
    </channel>
</rss>