Humble จัดกิจกรรม Python 18 เล่ม

วัยรุ่น Python สายดองห้ามพลาด 🙈🤭

Humble จัดกิจกรรมเอาใจนักอ่านอีกล้าวว
คราวนี้จัดเต็มเบิ้มๆคือลือ ! Python 18 เล่ม
ในราคาเพียง 30$ หรือ 1020 บาท
(หากคิดเรท 1 usd => 34 thb)

🤔 Humble คือใครกัน !
สำหรับ Humble เป็น Website ที่เค้าขายหลายอย่างมาก
ทั้งเกมส์ E-Books โปรแกรมต่างๆ จนถึง Content
โดยเป้าหมายของ Humble คือนำเสนอ Content ที่เจ๋งๆ
ให้กับพวกเราในราคาที่จับต้องได้
และ Mission ของพวกเขายังสนับสนุนเรื่องของบริจาคด้วย

😸 จุดเด่นของ Humble
คือเรื่องของราคาที่ไม่แพงจนเกินไป
และพวกเราสามารถซื้อได้ในราคาที่เกินที่นำเสนอ
ตัวอย่างเช่น Python 18 เล่ม เสนอขายที่ 30$
เราก็สามารถให้ 31$ ได้
โดยเราสามารถมาเลือกได้อีกทีว่า
อยากแบ่งสัดส่วนบริจาคไปที่ไหนบ้าง
ซึ่งก็ win ๆ ทั้งคู่เลยน้าบางเล่มถ้าซื้อเองก็แพง
และได้ทำบุญไปด้วยอีกทาง

ปัจจุบัน Humble มีลูกค้ากว่า 12,000,000 ราย
และมียอดบริจาคกว่า $200,000,000 (เยอะมวากก)

สำหรับเพื่อนๆที่คิดว่าราคายังแพงอยู่
เอาจริงๆ มันก็ไม่ได้ราคาแพงขนาดนั้นนะ
แต่ถ้าจะตั้งตี้กับเพื่อนๆแล้วหารกันก็ได้อยู่
เช่น หารกันสอง คน แล้วซื้อคนเดียวอะไรแบบนี้

ถ้าเพื่อนๆ วัยรุ่น Python สายดองอยากลองอ่านแล้วล่ะก็
แอดทิ้ง Link ไว้ด้านล่างนี้นะครับ
“Python 18 เล่มน่ะเหรอออ ไปดองกันเลยสิพวกกเอ็ง !!!”

ชวนอ่าน Probabilistic ML

ไม่ไหวบอกไหว ! ชวนอ่าน ML สาย Prob กัน

หยุดยาวแบบนี้พวกเรามาอ่านหนังสือ อัพ Skills กันดีกว่า
เลือกเลย สายเริ่มต้น-ปลานกลาง
หรืออยากร่างแตกรัวๆ ขึ้น YOU DIED กันจนหัวร้อน
กับหนังสือ Probabilistic ML
ที่สามารถโหลดอ่านได้ฟรีจาก Link ด้านล่างเลย
https://github.com/probml/pml-book

จริงๆมีเล่มแรกซึ่งเขียนดีมากๆ
โดยทั้งสามเล่มเขียนโดย Kevin Patrick Murphy
อจ. มหาวิทยาลัย British Columbia
ที่เชี่ยวชาญด้าน Bayesian inference และ Decision making
และยังสนใจศาสตร์ของการนำ Probability มาใช้ใน ML

สำหรับเล่มแรกนั้นมีชื่อว่า
Machine Learning: a Probabilistic Perspective
แต่ว่าตอนนี้เปิดขายอยู่ที่ Amazon และ MIT Press
ซึ่งการันตีงานเขียนคุณภาพเลยสำหรับเล่มแรก
ซึ่งได้รางวัล DeGroot Prize ของเวปไซต์
https://bayesian.org/
ซึ่งจะมอบรางวัลให้กับหนังสือ
ที่ทรงคุณค่าที่สุดด้าน Statistical Science ในปีนั้นๆ

ถ้าใครชอบเรื่องของ Machine Leaning กับ Probability แล้ว
ห้ามพลาดในการอ่านเลย
แอดแนะนำอ่านเล่มซ้ายมือ ให้จบก่อน
ทำความเข้าใจ โดยลองวาดภาพให้เห็นภาพก่อน
แล้วจึงค่อยขยับไปเล่มขวานะเอออ
** เตือนแล้วนะ **

มาเริ่มต้นเรียนรู้ git ได้ ฟรี จาก github

เห้ยใช้ git เป็นป่าวววว !!
มาเริ่มต้นเรียนรู้ git ได้ ฟรี จาก github
https://lab.github.com/

🐣 git คืออะไร !?

git เป็นระบบที่ช่วยในเรื่องของ Version Control
ซึ่งใช้กันอย่างแพร่หลายในหมู่นักพัฒนา
รวมถึง Data Scientist ด้วย
ซึ่งประโยชน์ของมันคือช่วยจัดการ version ของ code
มีการ track ติดตามว่า code แต่ละ version ที่เราเขียนเป็นอย่างไร
ซึ่งช่วยในเขียนโค้ดแบบเป็นทีมร่วมกัน
หรือทำ projects ร่วมกันได้ดีมากๆ
เพราะถ้าเกิดมีใครทำการเปลี่ยนแปลงโค้ด
git ก็จะบอกว่ามีการเปลี่ยนแปลงที่ตรงไหนบ้าง
และยังมีระบบที่ทำการตรวจสอบโค้ดก่อน
ก่อนที่จะทำการนำโค้ดนั้นๆเข้าร่วมไปยัง projects
เพราะหากส่งโค้ดใครก็ได้ขึ้นไปรวมกันใน projects
โดยไม่มีการทำรีวิว หรือตรวจเช็คก่อน
คงเละเทะน่าดูเลย
จินตนาการภาพไม่ออกแน่
เว้นเสียแต่ projects นั้น คุณจะทำแค่คนเดียว ! 🤭

นอกจากนี้ git ยังช่วยบอกด้วยว่า 😉
  • ใครเป็นคนทำการเปลี่ยนโค้ด
  • มีการเปลี่ยนโค้ดที่จุดไหน
  • เปลี่ยนโค้ดไปเมื่อไหร่
  • แล้วเปลี่ยนโค้ดหรือแก้ไขไปทำไม

อย่างที่บอก git มาช่วยเรื่อง version control
ดังนั้นหากไม่ชอบในโค้ดใหม่ที่นำใส่เข้าไปใน projects
ก็สามารถทำการ roll back กลับไปยัง version ที่ต้องการได้
หลังจากนั้นทำการแก้ version ใหม่
แล้วจึงอัพเดทกลับมาก็ได้เช่นเดียวกัน

ดังนั้นงาน projects ที่ต้องมีการเขียนโค้ดร่วมกันหลายๆคน
git จึงมีส่วนช่วยในการทำงานร่วมกันหลายคน หรือหลายฝ่ายได้ดียิ่งขึ้น

หยุดยาวสัปดาห์นี้ ลองมาเรียน git ไปด้วยกันเถอะ
เพราะเดี๋ยวนี้ใครๆก็ใช้ git เป็นกันแล้วววน้าาา
ถ้าพร้อมแล้วก็ไปเริ่มกันเลยยยย ✌️❤️

บันทึกการเดินทางของเพจ 2022-04

เป็นเวลาเกือบๆ 1 เดือนที่เริ่มกลับมาทำเพจ

และนี่คือสถิติด้านหลังของบ้าน BigData RPG ครับ

มันอาจจะเป็นตัวเลขที่ไม่ได้เยอะมากมายอะไรนัก

สำหรับเพจเล็กๆอย่าง BigData RPG

แต่อย่างน้อยก็เป็นกำลังใจที่ยิ่งใหญ่ให้กับคนทำเพจเลยงับ

ขอบคุณทุกคนที่ติดตามเรื่อยมาเลยนะคร้าบ 🙏🥲❤️

บ้านหลังที่สองของพวกเรา “Twitch”

เปิดแหล่งกบดานใหม่ Twitch ❤️🙈
🏡 บ้านอีกหลังของพวกเรา กดเข้าบ้านก่อนใคร เย้
https://www.twitch.tv/bigdatarpg

ประเดิม Live ครั้งแรก Series Level 0 Floor 30 🚀
วันอาทิตย์ 24 เวลาเดิม 2 ทุ่ม

แอดจะมารีวิวถึงหนังสือ ให้เพื่อนๆฟังกัน
“Building Machine Learnig Pipeline”
ว่าด้วยเรื่องของ การทำ Machine Learning บน Production
ต้องคำนึงถึงอะไรบ้าง และต้องดูเรื่องอะไรบ้าง
ซึ่งเหมาะกับเพื่อนๆที่สนใจต่อยอด MLE
หรือทักษะ Machine Learning Engineering

by Hannes Hapke, Catherine Nelson
🎮 บ้านหลังใหม่ เตรียมไว้สำหรับ 🏠
  • ฝึกฝน Kaggle ไปด้วยกันเราจะลุยสู่ Grand Master
  • มานั่งอ่าน Paper ไปด้วยกัน
  • เขียนโค้ดฝึก Data Structure ไปด้วยกัน
  • ลุยข้อสอบ Certificate ไปด้วยกัน
  • เล่นเกมส์ใหม่ไปด้วยกัน
  • และอื่นๆอีกมากมาย

ซึ่งข้อดีของ Twitch คือมีตารางให้เพื่อนๆติดตามได้
ว่าจะมีกิจกรรมอะไรบ้าง
อีกทั้งยังมีระบบ Interact กับเพื่อนๆได้ดีกว่า FB มากมาย
แต่ก็สามารถเชื่อมกับ FB หรือ YB ได้ แอดขอศึกษาก่อน
แต่หลักๆน่าจะย้ายไป Twitch เลยงับ สำหรับ Live

น่นอนบ้านหลังนี้ยังอยู่เหมือนเดิมครับ
แต่จะเป็น Content ที่เขียนเล่าเรื่องต่างๆอยู่
ขนาด Machine Learning ยังต้องมีการวางระบบ
ที่สามารถ Scalable ได้
บ้านของเรา BigData RPG ก็เช่นกัน
เพื่อรองรับกิจกรรม และความรู้ให้เพื่อนๆแล้ว
เราก็ไปเม้ามอยส์เจอกันได้ที่ Twitch อีกที่กันคร้าบบบ เย้

สนใจศึกษา Data Science แต่ไม่รู้เริ่มจากไหน
ก็แวะมาหาเราได้ที่ BigData RPG
ที่แห่งนี้มีคำตอบ ❤️🙈

ป. ตรี-โท Data Science ในไทย

ป. ตรี-โท ในไทยมีที่ไหนบ้างน้าาที่สอน Data Science
บอยด์รวบรวมมาให้เพื่อนๆแล้วคร้าบบบ ❤️🙈

ส่วนตัวบอยด์เรียน โท ที่ DPU, CITE
หลักสูตร Big Data Engineering ครับ
เพื่อนๆเรียน ป. ตรี หรือ โท ที่ไหนกันบ้าง
แนะนำเพื่อนๆได้เลยน้าาา

สืบเนื่องมาจาก Link นี้เลย 👈
https://www.facebook.com/groups/thaidsml/permalink/874501423257094
ซึ่งเพื่อนๆได้ช่วยกันรวบรวมไว้ให้
บอยด์เลยรวบรวมจากใน Comments มาใส่ Sheet อีกที
เข้าไปดูกันได้ที่ Link Sheet ได้เลยครับ 👈
https://bit.ly/ds_in_thai

หากเพื่อนๆมีข้อมูลเพิ่มเติม
หรือข้อมูลผิดพลาดอย่างไร
สามารถแจ้งเข้ามาได้เลยนะครับ
บอยด์จะอัพเดทเพิ่มให้ครับ

สนใจศึกษา Data Science แต่ไม่รู้เริ่มจากไหน
ก็แวะมาหาเราได้ที่ BigData RPG
ที่แห่งนี้มีคำตอบ ❤️🙈

เรียนสถิติกับ Cassie Kozyrkov

สถิติ เป็นเรื่องเข้าใจยาก หรือเพราะ
เราหาคนที่อธิบายให้เข้าใจง่ายๆได้ยากกัน

คำถามนี้หลายๆคนก็คงถามกับตัวเอง
รวมถึงบอยด์ด้วยเหมือนกัน
หลายครั้งสงสัยว่าในการทำงานมันเอาไปใช้จริงอย่างไร
หรือถึงแม้ตอนที่เรียนจะมีการวิเคราะห์ คำนวณ
ต้องนำไปใช้กับผลสำรวจแบบนู้น แบบนี้
เราก็ยังรู้สึกว่าทำไมมันเอาไปใช้งานได้ยากจัง
ทำให้หลายๆครั้ง บอยด์เองก็อดคิดไม่ได้ว่า
เห้ยยย สถิติ มันได้เอาไปใช้ในโลกจริงๆหรอวะ !

💁‍♀️ Cassie Kozyrkov คือใครกัน
5 November 2019; Cassie Kozyrkov, Chief Decision Scientist, Google, on Auto/Tech & TalkRobot Stage during the opening day of Web Summit 2019 at the Altice Arena in Lisbon, Portugal. Photo by Harry Murphy/Web Summit via Sportsfile

ปัจจุบัน Cassie ดำรงตำแหน่ง
Head of Decision Intelligence จาก Google
หลายคนอาจจะนึกไม่ออก
แต่ถ้าเพื่อนๆได้เข้าไปอ่านบทความใน Medium
หรือเข้าไปเล่น Linkedin
เราจะพบเห็นบทความด้าน Analytics
หรือด้านสถิติให้เห็นอยู่บ่อยครั้งที่เธอว์เขียนไว้
(ลอง Search ชื่อเธอว์ดูเลย)

Cassie เป็น Data Scientist และนักสถิติ
โดยเธอได้เข้าร่วมงานกับ Google ในปี 2014
ในฐานะนักวิจัย ในแผนก Research and Machine Intelligence
และหลังจากนั้นประมาณ 2 ปี
เธอว์จึงได้เริ่มก่อตั้งส่วนงาน และแผนกใหม่
ซึ่งต่อมาเรียกว่า Decision Intelligence (โคตรเท่ห์)
และได้ก้าวขึ้นสู่การเป็น Chief Decision Scientist

🙆‍♀️ Cassie Kozyrkov ผู้เล่าเรื่องเข้าใจยากให้ดูง่าย

เพราะสถิติไม่ได้อยู่แค่เพียงในโลกของ ตัวเลข
แต่จริงๆแล้วมันอยู่รอบตัวเราต่างหาก
และที่สำคัญมันอยู่ในงานที่เราทำด้วย

“If you need help how to ask the right questions: analytics is what helps you ask better questions, statistics helps gets you better answers”, Cassie Kozyrkov

“ถ้าคุณต้องการตัวช่วยในการถามคำถามให้ถูกทาง การวิเคราะห์ จะช่วยเราในการตั้งคำถามที่ดียิ่งขึ้น ส่วน สถิติ จะช่วยเราให้ได้คำตอบที่ดียิ่งขึ้น”

เป็นอีกหนึ่งประโยคที่ชวนให้ตระหนักถึงความสำคัญของสถิติ
และบอกเราว่าการที่เราเข้าใจสถิติ
มันช่วยให้งานที่เราทำ มีความหมายมากขึ้น
ทั้งยังช่วยในการตัดสินใจในการเลือกจะทำอะไรซักอย่าง
ดั่งที่เธอว์ Cassie ได้ตั้งแผนก และงานสายใหม่
อย่าง Decision Intelligence ที่ Google

เป็นอีกหนึ่งประโยคที่ชวนให้ตระหนักถึงความสำคัญของสถิติ
และบอกเราว่าการที่เราเข้าใจสถิติ
มันช่วยให้งานที่เราทำ มีความหมายมากขึ้น
ทั้งยังช่วยในการตัดสินใจในการเลือกจะทำอะไรซักอย่าง
ดั่งที่เธอว์ Cassie ได้ตั้งแผนก และงานสายใหม่
อย่าง Decision Intelligence ที่ Google

🚀 ถ้าปัจจุบันรู้สึกว่าสถิติเป็นเรื่องที่เข้าใจยาก !

ลองแวะมาเรียนสถิติกับช่องของเธอว์ดู LINK

บอยด์คิดว่าอย่างน้อยๆ ก็เป็นช่องหนึ่งที่เรียนไปแล้ว
อย่างน้อยๆเราก็ได้ทั้งความรู้ และรอยยิ้มของเธอว์แล้วล่ะ 🙈

สนใจศึกษา Data Science แต่ไม่รู้เริ่มจากไหน
ก็แวะมาหาเราได้ที่ BigData RPG
ที่แห่งนี้มีคำตอบ ❤️🙈

เพิ่มรายได้จาก Kaggle Survey 2021

มาเพิ่มทักษะและรายได้ในสาย “Data Scientist” กัน
จากผลสำรวจของ Kaggle Survey ปี 2021

🏅 Kaggle Survey คืออะไร ?

สำหรับเพื่อนๆที่เล่น Kaggle หรือสมัครสมาชิกไว้
ทุกๆปี Kaggle จะมีการส่งแบบสำรวจมาให้เพื่อนๆ
เพื่อสำรวจและศึกษา Trends ต่างๆ
โดยส่วนหนึ่งเลยเพื่อกิจกรรม เพื่อให้ได้ dataset
ที่เพื่อนๆสามารถมาร่วมหา Insight กันได้

มีการรวบรวมทั้ง สายอาชีพ ประสบการณ์
ทักษะต่างๆ เทคโนโลยีที่ใช้ ประเภทของบริษัท
ไปจนถึง รายได้ที่ได้รับ

ดังนั้นจึงมีเพื่อนๆหลายคนมาช่วยกันหา Insight
ซึ่งหนึ่งในนั้นก็มีบทความหนึ่งที่เล่าถึง
เราสามารถที่จะเป็น Data Scientist ที่ได้รับเงินสูงๆได้ไหมน้า
จากบทความนี้เลย 👈

🧑‍🏫 เริ่มต้นทำการหา Insight

โดยแบ่งข้อมูลเป็น 2 กลุ่ม
กลุ่มที่ 1 คือ Data Scientist ที่มีรายได้ Top 20 Percentiles
กลุ่มที่ 2 คือ Data Scientist ที่มีรายได้ต่ำกว่า Top 20 Percentiles
แล้ววิเคราะห์จากทักษะต่างๆ
ว่าทั้งสองกลุ่มนี้ อะไรบ้างที่ทำให้
คนสองกลุ่มมีรายได้แตกต่างกันอย่างเห็นได้ชัด

📰 สรุปจากการหา Insight พบว่า

– กลุ่มที่มีรายได้สูงกลุ่มแรกทำการเรียน Coding จากการอ่านหนังสือ หรือหนังสืออนไลน์ มากกว่า แต่ถ้าต้องเลือกเรียน Online พวกเขาก็จะเลือกเรียนจาก Coursera
– มีการทำงานกับ AWS มากกว่าฝั่งของ GCP
– Machine Leaning Model ที่ใช้นั้นในกลุ่มที่รายได้สูง ใช้ Model ประเภท Gradient Boosting Machines ซึ่งหากเทียบ Model ในกลุ่ม Neural Network แล้วนั้น ความต่างแทบไม่ต่างกันเลย
– มีการใช้งาน SQL ปกติเป็นประจำ
– มีการใช้งาน Docker ในการทำงาน
– ทำงานบนระบบปฏิบัติการ macOS

🐥 ตามความคิดเห็นของแอด (เมากาวว สู๊ดดดดด)

– เมื่อรายได้เราสูงขึ้นจากการงานที่ดีขึ้น การเลือกซื้อหนังสือทั้งเล่มแข็ง หรือแบบออนไลน์ ก็น่าจะเป็นทางเลือกของพวกเขา ทั้งนี้เพราะราคาหนังสือ เอาจริงๆมันก็สูงใช่ย่อยเลยนะ อย่างในไทย เล่มๆนึงก็ล่อไปหลายพันละ และแน่นอนเมื่อเราทำงานในสาย Data Science ไปซักระยะ หากอยากเรียนรู้ทักษะเฉพาะ Coursera ก็เป็นแหล่งที่น่าสนใจมากๆ เพราะมีการสอนที่เฉพาะด้าน
..
– จาก Model กลุ่มของ Gradient Boosting Machines ซึ่งเป็น Model ที่มีความเก่งขึ้นจาก Boosting Algorithms ช่วยเพิ่มประสิทธิภาพให้ Model กลุ่ม Classical Model เช่น Decision Tree, Random Forest ซึ่ง Model กลุ่มนี้สามารถอธิบายออกมาได้ง่ายกว่ากลุ่มของ Neural Network ในมุมของการอธิบายว่าทำไมถึงเลือกทำนาย แบบนั้น แบบนี้ ซึ่งในมุม ของ Business นั้นชอบที่ Model ที่อธิบายได้มากกว่า อะไรที่อธิบายไม่ได้ หรือ อธิบายยาก มันก็ยากที่จะเข้าใจเนาะ ! รวมถึง Model ที่จำพวก Classical ยังทำงานได้ไวกว่าด้วย ซึ่งฝั่ง Business ล่ะชอบนักชอบหนา !
..
– เรื่องของ Model นั้น หลายๆบริษัทก็ยังเป็นปัญหาที่เกี่ยวข้องกับข้อมูลที่เป็น Structured Data หรือ Tabular Data ซึ่งบริษัทที่เป็น Deep Tech เล่นกับ Unstructure Data จนต้องใช้ Neural Network นั้นก็น่าจะยัง Startup หรืออยู่ในกลุ่มบริษัทที่ยังไม่ได้เป็น Enterprise ทำให้รายได้ของคนในกลุ่มดังกล่าวไม่ได้สูงเท่ากับ บริษัทที่เป็น Enterprise
..
– จากการที่ผลสำรวจออกมาว่ามีการใช้งาน AWS มากกว่า GCP ก็มาจากผลส่วนหนึ่งของ Co-correlation ที่ Market Share ของ AWS นั้นมีสูงกว่า GCP มากๆๆ และสอดคล้องกับข้อที่แล้วที่บอกว่า กลุ่มที่มีรายได้สูงนั้นน่าจะทำงานกันใน Enterprise ซึ่ง Enterprise ส่วนใหญ่ก็ใช้ AWS หรือ Azure กันเป็นปกติ หรือจะเป็น Startup หลายๆที่ก็ใช้ AWS และ Azure กัน
..
– SQL นั้นเป็นภาษาที่สำคัญมากๆในการทำงานด้าน Data และในตำแหน่งงาน Data Scientist และจากผลสำรวจก็บอกว่า กลุ่มคนรายได้สูงนั้นมีการใช้งานอย่างเป็นประจำ แอดคิดว่ามาจากการที่ต้องทำงานหลายๆอย่าง เช่น Adhoc ทำ Report, ทำ Dashboard, การ Get ข้อมูล, ซึ่งเป็นงานที่สำคัญ ต้องการความไว และเกี่ยวข้องกับ Business มากๆ
..
– Docker ก็มีความจำเป็นในการทำ POC ในเครื่องเรา แล้วส่งต่องานที่ทำไปใช้งานในเครื่องอื่นๆได้โดยเกิดปัญหาน้อยเท่าที่จะเป็นไปได้ ถ้าดูตามนี้ Docker เรียนรู้ไว้จำเป็นมากสำหรับ Data Scientist กับการพัฒนาต่อยอดทักษะในสายงาน
..
– พวกนายใช้ macOS กันแล้วถึงรายได้สูง หรือรายได้สูงแล้วจึงใช้ macOS กัน อันนี้รายงานไม่ได้บอกถึง Cuasation เนาะ แต่แอดก็แอบคิดว่าน่าจะมาจากบริษัทที่บางทีให้ macOS มาใช้เพื่อทำงาน ซึ่งบางที่ Data Team ก็ทำงานกับทีม Tech ซึ่ง macOS มันใช้งานค่อนข้างสะดวกกว่าในมุมของการทำ Software ถ้าต้องเลือก แอดก็เลือก macOS นะ เพราะขึ้น project ได้ไว ไม่ติดขัด และส่วนหนึ่งก็มาจากรายได้ของคนในกลุ่มนี้ที่สูงขึ้นมากๆ จนทำให้สามารถซื้อ macOS มาใช้แทน windows ละมั้งนะ

🔥 หมายเหตุ !!!

– รายงานนี้เป็นเพียงข้อมูลส่วนหนึ่งที่รวบรวมมาจากประชากรของผู้สมัคร Kaggle อาจไม่ได้สะท้อนถึงกลุ่มประชากร Data Scientist ที่แท้จริงที่มีอยู่บนโลกนี้
– เนื่องจากเป็นแบบสำรวจ บางครั้งก็อาจจะได้ข้อมูลที่คลาดเคลื่อนจากความเป็นจริง
– ข้อมูลดังกล่าวยังไม่ได้แยกออกมาว่า Data Scientist ในแต่ละประเทศ หรือแต่ละ Zone นั้นมีความสัมพันธ์ของข้อมูลนี้ทุกแห่งหรือไม่
– ยังมีปัจจัยอีกหลายๆอย่างที่ทำให้รายได้ของ Data Scientist นั้นแตกต่างกัน ถึงแม้จะประสบการณ์ใกล้เคียงกัน เช่น บริษัทที่ทำงานด้วย หรือเงินโบนัสเพิ่มเติมต่างๆ หรือ Incentive ที่ต่างกันอีก รวมถึงประเทศที่ทำงานด้วย เพราะรายได้แต่ละประเทศก็แตกต่างกันมากเหลือเกิน

ถ้ามีเวลาแอดเองจะลองทำเทียบระหว่าง ไทย และตปท ให้ดูกันครับ
ถ้าประชากรเพียงพอในแบบสำรวจน้าาาา

สนใจศึกษา Data Science แต่ไม่รู้เริ่มจากไหน
ก็แวะมาหาเราได้ที่ BigData RPG
ที่แห่งนี้มีคำตอบ ❤️🙈
#BigDataRPG#DataScientist#KaggleSurvey2021

รีวิวสอบวัดระดับภาษาอังกฤษ

รีวิวสอบภาษาอังกฤษซักหน่อย

ตัวที่บอยด์สอบเรียกว่า
Duolingo English Test
มีเวปไซต์ตามเข้าไปชมกันได้
https://englishtest.duolingo.com/
ไม่แน่ใจว่ามีการรองรับสอบภาษาอื่นๆด้วยหรือไม่
แต่ที่แน่ๆมีรองรับ English Proficientcy
ซึ่งมีหลายมหา’ลัยให้การรองรับ
และใช้สอบเพื่อเทียบกับคะแนน TOEFL, IELTS ได้
.
.
ทำไมถึงมาสอบ Duolingo ล่ะ
ข้อดีเลย

  • ราคาไม่แพงเมื่อเทียบกับ TOEFL และ IELTS
  • สำหรับ Duolingo ราคาสอบต่อครั้งอยู่ที่ 49$
  • การสอบไม่ยุ่งยากใช้เวลาสอบประมาณ 1 ชั่วโมง
  • รู้ผลหลังสอบภายในไม่เกิน 48 ชั่วโมง รอบล่าสุดไม่ถึง 12 ชั่วโมงรู้ผลเลย ไวเวอร์วังมวาก
  • สอบที่บ้านได้ ใช่ครับสอบที่บ้านได้โคตรดี ไม่เปลืองเงิน ไม่เสียเวลา

ข้อเสีย

  • ไม่ใช่ทุกที่จะรับ Duolingo Test ดังนั้นเล็งที่ไหนไว้ลองเช็คดีดีก่อนว่าเค้าใช้ English test ตัวไหนเป็นเกณฑ์ในการรับเข้าเรียนต่อ
  • การติดตั้งเพื่อสอบอาจจะยุ่งยาก และจุกจิกกฎเกณฑ์เยอะแยะ เช่นผมยาว อ้าย xxx …
  • คิดออกเท่านี้อา

มาพูดถึงคะแนนแยกย่อยบ้าง
คะแนน แบ่งออกเป็น การทดสอบ 4 ส่วนด้วยกัน
Literacy เป็นความสามารถในการอ่านและเขียน
Comprehension ความสามารถในการฟัง และอ่าน
Conversation ความสามารถในการพูด และฟัง
Production ความสามารถในการเขียนและ พูด
.
.
ซึ่งไม่เหมือนกับ TOEFL หรือ IELTS
ที่แยกการฟัง พูด อ่าน เขียนออกจากกันชัดเจน
Range ของคะแนนอยู่ที่ 10-160
ซึ่งสามารถนำไปเทียบกับ TOEFL หรือ IELTS
ได้ที่ Link
https://englishtest.duolingo.com/scores
.
.
ทั้งนี้ Duolingo ยังสามารถค้นหาได้ด้วย
ว่ามีมหา’ลัยไหนที่ร่วมโครงการของ Duolingo
โดยเข้าไปที่เวปไซต์
https://englishtest.duolingo.com/institutions

ค้นหาสถาบันหรือประเทศที่รับ Test ได้เลย

เรื่องต่อมาคือเรื่องข้องข้อสอบที่ต้องเจอ
รู้สึกว่ามันยากตรงเวลามันน้อยเนี่ยแหละ
Path ที่สมควรเวลาเยอะ ก็ดันน้อย
Path ที่สมควรเวลาน้อยก็ดันเยอะ ถถถถถถ
.
.
ข้อสอบส่วนแรกจะเจอกับการแยกคำศัพท์
ว่าคำศัพท์ไหนเป็นภาษาอังกฤษ
คำไหนไม่ใช่ ภาษาอังกฤษ
มีทั้งให้ดูการสะกด และการฟังสำเนียง
ซึ่งก็ดูเหมือนจะง่าย และให้เวลาเยอะมาก
(ความรู้สึกส่วนตัวนะ)
แต่ที่น่ากลัว คือ คำสะกด แบบหลอกเราเยอะมาก
ไม่มั่นจะก็อย่าตอบเลย
ถ้ามั่นใจก็ตอบไปเลย
.
.
ส่วนสำเนียงนี่โคตรหลอกลวง
บางครั้งเห้ยย ใช่แน่นอน Englishh
แต่สำเนียงการออกเสียง ลงท้าย แปลกๆ
หรือประหลาด ก็ถ้าไม่มั่นใจอย่าเลือกเลย
เรื่องคำศัพท์ บอยด์เองฝึกเวปนี้
https://www.vocabulary.com/
.
.
ส่วนต่อมาเป็น บทความประมาณ 1-2 ย่อหน้า
ให้เวลาประมาณ 3 นาที ในการเติมคำที่ขาดหายไป
ส่วนนี้ค่อนข้างยากพอสมควร
ถ้าเจอบทความง่ายก็ง่ายไป
ถ้าเจอบทความยาก ก็ตัวใครตัวมัน
ศัพท์ ที่เติม จะเหมือนมี Character เริ่มต้นให้เพื่อไบ้
ใช่ครับ ไบ้แดรก ถ้านึกไม่ออกจริงๆ
เพราะบางครั้ง ก็เป็น Past tense
บางครั้ง ก็เป็น Gerund !!
ส่วนนี้เน้นอ่าน บทความ English เยอะงับ
.
.
ส่วนต่อมาคือ การเขียนอธิบายภาพ
(รู้สึก ถึง I’m the Flash !!!!)
คือให้รูปภาพมา 1 รูปภาพกับเวลา 1 นาที
แล้วบรรยายมา มากเท่าไหร่ก็ได้เท่าที่ไหว
1 นาที มันจะเขียนได้กี่ประโยคกันคร้าบบบบบ ถามจริ๊งงงง !!
ส่วนตัวพยายามเขียนให้ได้ประมาณ 2-3 ประโยค
ถ้าจำไม่ผิด โจทย์มีประมาณ 3 ข้อ
ก็พยายามอย่าเขียนประโยคเดิมๆละกันนะ
.
.
ส่วนต่อมาคล้ายข้อเมื่อกี้เลย
ให้ภาพมา แล้วให้เวลา 90 วิในการพูดอธิบายภาพ
จะพูดอะไร ก็เล่าไปได้เรื่อยๆเลย
เหมือนวัด Speaking, Vocab, Production
.
.
ต่อมาเป็นเรื่องของการฟัง และเขียน
คือบอยด์รู้สึกพาร์ทนี้แมร่งยาก
บางประโยคไม่ยาวก็ไม่ยากหร่อกนะ
เช่น She lives in her country.
ซึ่งเราสามารถกดฟังซ้ำได้ 2 รอบ
ไม่รวมรอบที่พูดออกมาก่อนหน้า
แต่ความยากคือ
มันมีประโยคที่ยาวเว้ย แล้วข้อความยากด้วย
เจอไปทีไม่รู้จะจับใจความยังไงเลย
มือก็ต้องพิมพ์ หูก็ต้องฟัง
สมองแม่รงยังต้องจำอีก
แถมให้เวลาแค่ 60 วินาที
อ้ายพวกประโยคยาวนี่โคตรกินเวลาเลย
ฟังจบก็กินเวลาไปเกือบครึ่งละ
ยกตัวอย่างประโยคยาวที่เจอ
“Psychologist helps organs and organism to collaborate together which perform a specific function, they are called epithelial tissue”
…. ! WTF
เจอประมาณ 6-7 รอบนะถ้าจำไม่ผิด
.
.
ส่วนต่อมาจะว่าเป็น Episode ที่ 2 ที่ต้องเจอก็ได้
ส่วนนี้คล้ายๆกับ IELTS คือให้โจทย์มา แล้วพูดบรรยาย
ให้เวลา 90 วินาที ฟังโจทย์ 15 วินาที
แล้วพูดบรรยาย แสดงความคิดเห็น
ตอนนั้นได้บทความ ในฐานะ Wealth Country
คุณเห็นด้วยในการบริจาค ให้กับ ประเทศที่ย่ำแย่กว่าหรือไม่
เพราะอะไร โจทย์ อยากเล่าอะไรก็เล่าไปเลยเต็มที่
รู้สึกพาร์ทนี้บอยด์พูดได้ไม่คล่องเท่าไหร่
และลืมดึงศัพท์ยากๆเอาออกมาใช้
พยายามอย่านึกนาน หรือใช้คำพูด เอ่ออ อืมมม เอิ่มม !
นึกอะไรไม่ออก ก็พูดอะไรไปก็ได้
.
.
ต่อมาเป็นเรื่องของ การเขียนบรรยายบ้าง
คราวนี้มีเวลา 5 นาที รวมเวลาอ่านแล้วด้วย
คือต้องไฟแล่บอีกแล้ววววว !!
อย่างน้อยต้องเขียนให้ได้ 50 Words
แต่คะแนน production จะดีถ้าเกิน 100 words ขึ้นไป
ตอนนั้นได้โจทย์ว่า
ถ้ามีบริษัทมาตั้งในชุมชนของคุณจะเป็นอย่างไร ให้อธิบายเหตุผลด้วยว่าทำไม !?
ตอนนั้นเอาจริงๆเขียนไม่ทันเหมือนกัน มัวแต่ประดิษฐ์ศัพท์ ถถถถถ
ได้ไปประมาณ 92 Words เศร้าเลย
.
.
ส่วนสุดท้ายเป็นเรื่องของพูดอีกเช่นเคย
แต่คราวนี้ให้พูดอธิบายตาม Clue Card ที่ให้มา
เช่น อะไรคือแรงบันดาลใจของคุณ
ทำไมถึงรู้สึกว่าสิ่งนั้นเป็นแรงบันดาลใจ
บลาๆๆ อะไรประมาณนี้
ซึ่งการอธิบายเราต้องครอบคลุมโจทย์ที่ให้มาด้วย
.
.
พอขึ้น Episode 3 จุดนี้ชิลๆละครับ
เป็นพาร์ทที่ไม่เก็บคะแนน
แต่ใช้ในการส่งให้กับมหา’ลัย ที่เราสมัคร
เหมือน Interview Question
มี 2 พาร์ทย่อย คือ พูด และ เขียน
.
.
พาร์ทพูด ก็ให้เลือกโจทย์ว่าเราอยากตอบคำถามไหน
ตอนนั้นเลือกเรื่องเกี่ยวกับ การตัดสินใจในชีวิตที่ส่งผลสำคัญมากในชีวิต
แล้วก็อธิบายไปเรื่อยๆ 5 นาที
รู้สึกเขียนได้เยอะกว่าพาร์ทที่เก็บคะแนน
อาจจะเพราะเราได้เป็นฝ่ายเลือกโจทย์มาทำ
และไม่ได้กดดันจากการเก็บคะแนน
.
.
ส่วนพาร์ทพูดเล่าเรื่อง
ก็คล้ายกับพาร์ทเก็บคะแนนเลย แต่จะเล่าประมาณ 2-3 นาที
ซึ่งก็เล่าไปเรื่อยๆ จากโจทย์ที่เราเลือกนั่นแหละ
จบแล้วววว

ข้อควรระวัง
เท่าที่เจอ

  • กฎห้ามไว้ผมยาวจนบังหู WTF เลยตัดเกรียนซะเลย
    (คือถ้าจะไว้ยาว ก็ต้องเปิดให้เห็นหูชัดเจน)
  • ห้ามใส่หูฟัง ดังนั้นคอมส์ที่ใช้ เสียงต้องดังชัดเจน นี่คือจุดที่ยาก มันกลัวเราโกงไง !!!
  • ขณะทำข้อสอบควรมองที่หน้าจอ อย่าก้มหน้านาน หรือ อย่าให้มีมีคนเดินเข้ามาในกล้อง ไม่งั้นที่สอบเป็น โมฆะ
  • ยังมีอีกหลายข้อเค้าจะอธิบายก่อนสอบให้เราฟังก่อนสอบ

ส่วนตัวอยากสอบให้ได้ 120 ประมาณ IELTS 7
เพราะมหา’ลัยที่อยากสมัครเข้าเรียนต่อ ใช้ 115+
(ขาดอีก 5 คะแนนเอง TT)
แต่ว่าดันได้ 110 ประมาณ IELTS 6.5 เศร้าแพร่บ
หลังสอบเสร็จเค้าจะส่งคะแนนมาให้แยกเป็นส่วนๆ
ทำให้เรารู้ว่าอ่อนจุดไหน
จุดไหนควรปรับปรุงเพื่อเพิ่มคะแนนให้ดีขึ้น
ส่วนตัวบอยด์เองก็ อ่าน + เขียน ค่อนข้างโอเคร
แต่ขาดเรื่องของ Production ที่ยังเขียน และพูดได้น้อยอยู่
ก็คงต้องฝึกพูด ให้ลื่น และมีศัพท์ยากๆเพิ่มเข้าไป
รวมถึงการเขียนที่ต้องให้เกิน 100 words ในเวลาประมาณ 4 นาทีเพิ่ม

หวังว่าการรีวิวสอบภาษาอังกฤษโพสนี้
จะเป็นประโยชน์กับเพื่อนๆที่กำลังเตรียมตัวสอบ
หรือเพื่อใช้ศึกษาเรียนต่อ ต่างประเทศนะครัช
ขอให้สมหวังทุกคนคร้าบ ^^

แก้ปัญหาดองหนังสือ !!!

พึ่งค้นพบวิธีอ่านหนังสือให้จบไวขึ้น

ต้องเกริ่นก่อนว่าเป็นคนขี้เกียจอ่านมวาก

————————————————-

หลังลองใช้แล้ว เออ อ่านจบไวขึ้นแหะ

2 เล่มนี้อ่านจบแล้วเย้ 😉❤🎉🍺.วิธีดังนี้เลย 😉

🍭 1. ลองหา Postit แบบเล็กๆตามรูป
เขียนแปะแต่ละบทในหนังสือไว้เลย
เพราะเนื้อหาหนังสือมันเยอะเนาะ
บางทีหยิบอ่านหน้านุงก็เหนื่อยละ
เมื่อไหร่จะถึงหน้าสุดท้ายกันล่ะพอลองแล้วเออแหะ
พอใกล้จะเบื่อ เราจะขอมี small win เล็กๆ
ขอจบบทนุงก่อนละกันนะ ถ้าโชคดี อ่านแล้วติดไฟ
ก็อาจจะรู้ตัวอีกทีหมดไปครึ่งเล่มละ
เพราะอยากจะเอาชนะเจ้า Postit ที่เราติด
เทคนิคนี้ เป็นการรวมกันของ Gamification + Small win badge
เมื่ออ่านจบ chapter ที่ติดไว้
ก็รู้สึกชนะจุดนึงละเหมือน Check point ไปโดยปริยาย
ถ้าแต่ละ chapter หนาไป ก็ย่อยไปอีกได้เลย 😉.

🍭 2. ต่อมาคือ ตื่นเช้า !!
เอาเช้าจนพอมีเวลาทำธุระส่วนตัวชิลๆ
จากนั้นก็ลองหยิบหนังสือมาอ่านโดยอ่านสลับกับกิจกรรมต่างๆ
เช่น หากเราตื่นนอน ออกกำลัง เสร็จ
ก็หยิบหนังสือมาอ่านพักก่อนที่จะไปอาบน้ำต่อ
แต่ละกิจกรรมย่อมๆ
จะมีเวลาว่างเสมอ
หรือแม้กระทั่งช่วงก่อนรอประชุม
ช่วงนั่งรถโดยสาร
หรือช่วงรอ take profit 🤔.

🍭 3. หนังสือเยอะใช่ไหมครับกำลังดองอยู่ซักที่ละสิ !!! 😂😂
บอยด์ก็เป็นครับ
ถ้างั้นลอง ดองแบบกระจายดีมะ
บอยด์จะวางหนังสือที่คิดว่าอ่านง่ายๆวางกระจายทั่วบ้านเลย
เช่น โต๊ะทานข้าว
ข้างเตียงนอน
ข้างคอมส์บันได
หรือแม้กระทั่ง
ใกล้ห้องน้ำ !
เพราะทุกๆกิจกรรมของเราจะมีเวลา
เสมอบอยด์เรียกว่า nano momnet ละกัน เท่ห์ดี 😅
ช่วงเวลาแบบนี้แหละ เราจะขอหยิบ ขอ touch หน่อย
พอแตะปั๊บ ก็เข้ากับข้อ 1 หรือ 2 เลย
ก็ได้ progress การอ่านเล็กๆน้อยๆกันไป..


แต่ที่สำคัญอ่านแล้วต้องลองหาโอกาสเอา Input ที่เข้ามาไปใช้ด้วยนะเออ
เหมือนหนึงสือเรื่อง Input และ Output ได้กล่าวไว้ 😉.

คิดว่าเป็นประโยชน์กับเพื่อนๆนะครัช

จากคนนุงที่ดองหนังสือ ดองจนขึ้นรา ถถถถ 😅😂