บันทึกการบรรยาย: How to think like a Data Scientist

แนะนำ

• บรรยายโดย พี่เมฆ จาก KPTG และ Data Science Thailand
• วัตถุประสงค์: ทำความเข้าใจ Data Scientist และแนวทางในการทำงานในสาย Data Science

โครงสร้างของการบรรยาย

1. Section 1: Concept และ Application ของ Data Science
   • เข้าใจข้อมูลและการวิเคราะห์ข้อมูล
   • สถานะการทำงานของ Data Scientist
   • การประยุกต์ใช้ในธุรกิจ
2. Section 2: Workshop
   • ทำ Data Science Project ร่วมกัน
   • วางแผน Career Path

Section 1: Concept และ Application ของ Data Science

• Data Science เป็นคำที่ถูกพูดถึงมาก แต่มีคนเข้าใจน้อย
• Data คือข้อมูลที่มีการเพิ่มขึ้นอย่างมหาศาล
• ข้อมูลในปี 2003 มี 5 Exabyte ปัจจุบันมีประมาณ 15 ล้าน Exabyte
  • การเพิ่มขึ้นของข้อมูล: Exponential Growth
• ประเภทข้อมูล:
  • Structured Data
  • Unstructured Data
• V ในธุรกิจ:
  • V-Value: คุณค่าของข้อมูลในการตัดสินใจ

การวิเคราะห์ข้อมูล

• ระดับการวิเคราะห์ (Analytics):
  1. Descriptive Analytics: อธิบายสิ่งที่เกิดขึ้น
  2. Diagnostic Analytics: วิเคราะห์สาเหตุ
  3. Predictive Analytics: คาดการณ์อนาคต
  4. Prescriptive Analytics: แนะนำการกระทำ

Section 2: Workshop

Project: Predicting Happiness

• ข้อมูลที่ใช้: HappyDB
• วัตถุประสงค์: วิเคราะห์สาเหตุของความสุข
• ขั้นตอนในการทำ:
  1. แยกประเภทข้อมูลตามสาเหตุ
  2. ทำความสะอาดข้อมูล (Data Cleaning)
  3. ตัดคำ (Tokenization)
  4. วิเคราะห์ข้อมูลและสร้างโมเดล
  5. ประเมินผลโมเดล (Model Evaluation)

ข้อแนะนำเพิ่มเติม

• การพัฒนาทักษะ Data Science
  • ฝึกฝนด้วยตัวเองและในทีม
  • เรียนรู้และจัดการแข่งขัน
  • ค้นหาโอกาสในการทำงานในสาย Data Science

สรุป

• Data Science เป็นทักษะที่ต้องฝึกฝนและพัฒนาอย่างต่อเนื่อง
• การทำงานในสายนี้ต้องการการวิเคราะห์ที่ดี และการทำงานร่วมกับทีมเพื่อสร้างผลลัพธ์ที่มีคุณค่า