The First Achievement

วันนี้วันที่ 3 แล้วของการทำงาน 😀🍺

ปิดได้ 1 โปรเจค แล้ววว (แอบดีใจ เย้ๆ)
เป็นโปรเจคใช้ ML ช่วย Optimize ลด Cost ไปได้หลัก 100M
ซึ่งแน่นอนว่าเราเองก็คงต้อง Convert ให้เห็นตัวเงิน !!
เพราะการที่เราคุยเรื่อง Model กันในทีม DS
แล้วบอกว่า Model นี้ดีไม่ดี เราก็คุยกันที่ Metrics

เช่นในโจทย์ Regression ทำนาย Continuous Data
เราก็อาจจะคุยว่า เห้ย RMSE ดีโคตรเลย
MAE ก็ดี MAP ก็ว้าว แล้วก็เลือก Model ที่ดีที่สุดไปใช้เลย
แต่เวลาเราต้องคุยกับ Stakeholder
เช่นบอกกับทีม Marketing
แล้วบอกว่าพี่ Model ผมแม่งลด Error เหลือ 5.721 เลยนะพี่
Marketing คงทำหน้า WTF แล้วคิดในใจเบาๆ
(อะไรของเมิงวะครับ/คะ คุณน้อง !!??)

พอ Convert จาก Model เป็นเงินให้น้องๆในทีมดู
น้องๆก็รู้สึกภูมิใจ และรู้สึกว่างานของเรามีคุณค่ามากๆ
(อย่างน้อยก็มองหน้ากันแล้วคุยเล่นๆว่า จ้างพวกเราคุ้มละเว้ย ถถถถถ lol)
จริงๆแล้วโปรเจคนี้เป็นแค่การทำ Demand Forecasting
เอาจริงๆก็ดูแสนจะธรรมดาเลยนะ
แต่แน่นอนอ้ายธรรมดาบางที
การจะนำเสนอมันก็ไม่ง่ายซะทีเดียว

แต่จากการทำงานต่างๆที่ผ่านมา
รวมทั้งหนังสือการทำงานหลายๆเล่มก็ตามที
ก็จะพูดถึงการนำเสนอโปรเจค
ทำยังไงก็ได้ Convert ให้เป็นตัวเงินให้ได้
ซึ่งมันเหมือนกับตัวกลางในการสื่อสารให้ทุกคนเข้าใจ
พอพูดว่าโปรเจคนี้ทำเงินได้
ช่วยลดเงินได้ บลาๆๆ เออเห็นภาพหว่ะ

นอกจากนี้พอ Convert เป็นตัวเงินได้
หากมีหลายๆโปรเจคที่ต้องทำ
เราก็สามารถ Prioritize ถึงความสำคัญของงานได้ง่ายขึ้นด้วย
แต่อาจจะต้องใช้ Metrics ตัวอื่นๆเข้ามาเกี่ยวข้อง
เช่น Resources, Time, Complexity และอื่นๆ

ซึ่งมีครั้งนึงที่ทำงานเก่า SCB
ได้มีโอกาสไปนำเสนอโปรเจคให้ President ฟัง
พี่เค้าก็บอกว่า เห้ยไม่ต้องเล่าให้ผมฟังถึง How หร่อก
เล่าว่าผมได้อะไรจากสิ่งที่พวกคุณทำก็พอ
หรือผมต้องไปทำอะไรต่อจากสิ่งที่พวกคุณทำมา
มันช่วยอะไรได้บ้างล่ะ เป็นตัวเงินยิ่งดีนะ
เหมือนได้ตอกย้ำการเรียนรู้ว่า เออสำคัญเลยนะเว้ยเรื่องเงิน

หลังจากที่บอกน้องๆถึง Contribution แล้ว
ก็มีไฟในการทำงานกันต่อ
น้องในทีมคนหนึ่งบอกว่า
ผมอยาก Tune Model ให้ดีกว่านี้ครับพี่

พอบอยด์ได้ฟังแล้วก็หัวเราะออกมาลั่นเลย
เอ็งเตรียมรับวิชาจากพี่เพิ่มได้เลย ถถถถถถถถถ
ระวังธาตุไฟแตกนะ ถถถถถถ
จะทำให้เกิด Academic Paper ที่มีชื่อของน้องๆ
รวมถึงชื่อบริษัทด้วยเลยล่ะ !! ^^

โชคดีเรื่องนึงคือน้องในทีมกระตือรือร้นมากๆเลย
คนนึงชอบ Research มากๆเลยว้าวที่จะเขียน Paper เลย
อีกคนก็ชอบเรียน ไปสอบนู่นนี่นั่น
ตอนแรกได้ GCP Data Engineer มา
วันนี้คุยอีกที อ้าวได้อีกใบ Solution Architect แล้ว โอว้โคตรเท่ห์

คิดในใจเราต้องเก็บ GCP Engineer กับ MLE ให้ได้โว้ยยยย ถถถ

ปูลู ที่ทำงานใกล้ Singha Complex เลย
เลยแวะไปทานบะหมี่ที่ตึกช่วงกลางวัน แล้วก็ถ่ายรูปไว้ยามดึก แฮร่ !!

#MyDailyBlog ❤️😀🍣

Back to the Future ??

เรื่องเล่าระหว่างทางกลับบ้านกับเพื่อน

จริงๆเรื่องนี้ก็เกิดขึ้นไม่นาน คือเมื่อวานระหว่างกลับบ้าน
เรานั่งรถกลับบ้านไปด้วยกัน เพราะทางเดียวกัน
เพื่อนบอยด์ทำงานด้านคอมส์เหมือนกัน
แต่เป็นสาย Computer Graphic ด้าน Design
(ถ้ามันอ่านอยู่คงรู้แหละ ถถถถถ)

ระหว่างทางรถก็ค่อนข้างติด
(ติด xxxๆ เลยก็ว่าได้)
เพราะต้องผ่านแยกแคราย
และช่วงนั้นกำลังทำรถไฟฟ้า
คือเหลือทางวิ่งบางจุดแค่เลนเดียว
และบางจุด 2 เลน แต่ก็มีรถจอด คิดดู๋

พอรถติดปั๊บ ก็เป็นช่วงเวลาของการเริ่มต้นสนธนา
.
บอยด์: เมิงว่าช่วงเวลาไหนที่เมิงคิดว่าอยากย้อนเวลากลับไปวะ !
เพื่อน: อืม … กูว่า กูอยากย้อนกลับไปช่วงปี 1 หวะ
บอยด์: (สงสัยทำไมต้องปี 1 วะ!?)
เพื่อน: กูอยากย้อนไปเปลี่ยนสายสกิล Design

เพื่อนบอยด์ปัจจุบันทำงาน Design แต่นางอยู่สายตัดต่อ
ปัจจุบันก็มีลองทำพวกปั้นโมเดลนะ
แต่ก็เข้าใจแหละ มันใช้เวลาในการเรียน หรือฝึกฝนนานอยู่
เพราะงานสาย Design ตัดต่อนี่แม่งต้องอดทนจริงๆ
ไหนจะกลับดึก หอบงานทำที่บ้านต่อ
หรือไม่ก็นอนค้างเป็นเดือนๆเลย !

บอยด์: เปลี่ยนสายไปทำอะไร ? (เราถาม)
เพื่อน: อยากไปสายปั้นโมเดล 3D
บอยด์: เราก็ร้องอ๋อเลย เพราะเข้าใจ

ณ ตอนนั้นด้วยนิสัยชอบเล่าเรื่อง
คือถ้าใครสนิทกับบอยด์จะรู้เลยว่าคุยได้ตลอดเป็นละครฉากๆ
แล้วทีนี้เราก็เริ่มต้นด้วยเรื่องสมมติ !??

บอยด์: เอางี้ ถ้าเมิงย้อนเวลากลับไปได้ จริงๆนะ
ถามคล้ายๆเดิม คราวนี้สมมติว่าย้อนเวลากลับไปได้จริงๆ
เพื่อน: โหววว ถ้ากูย้อนกลับไปได้นะ กูซื้อหุ้นรวยไปแล้ว
บอยด์ + เพื่อน: (หัวเราะกันดังลั่น ถถถถถถ)

บอยด์: อ่ะ กูให้เพิ่มอีกอย่างด้วย ในขณะที่ย้อนเวลากลับไปได้เนี่ย
เมิงมีความทรงจำในปัจจุบันทั้งหมดด้วยนะเว้ย !!
เพื่อน: ok งั้นกูย้อนไป ปี 1 เนี่ยแหละ
เพราะปัจจุบันเองกูก็ได้สกิลตัดต่อชำนาญละ
กูอยากกลับไปตั้งใจฝึกฝนสาย 3D มากๆเลย

บอยด์: (เพื่อนเราแม่งรักในอาชีพจริงๆหวะ)

บอยด์: เอางีี้ กูให้พรเมิงเรียบร้อยละ !!
เพื่อน: (ทำหน้า งง !!)

เพื่อน: เดี๋ยว อะไรของเมิงวะ !
บอยด์: เมิงลองคิดดูนะ !

จริงๆแล้ว เราอาจจะเป็นตัวตนที่ย้อนเวลามาจากในอนาคตก็ได้ ??
เพียงแต่ว่าความทรงจำของเรา ไม่ได้ตามมาด้วย !!
นั่นหมายความว่าเราสามารถเริ่มต้นทำอะไรก็ได้ตลอด
ทุกๆช่วงเวลาที่ผ่านไป
มันอาจจะเป็นช่วงเวลาที่ตัวตนในอนาคตของเราย้อนมาก็ได้ !!!
ดังนั้น กูว่านะ เมิงเองก็สามารถไปสาย 3D ได้เว้ยเห้ย
หรือยิ่งกว่านั้นนะ เมิงอาจจะทำอะไรมากกว่านั้นก็ได้

เพื่อน: (…)

บอยด์: (แอบเห็นเมิงยิ้มนะ ถถถถถ+)

ซักพักจากนั้นก็ถึงป้ายพอดี
แล้วก็เดินทางแยกย้ายกลับแยกทางกันไปต่อ
จบอีกหนึ่งวันที่มากกว่าหนึ่งวันจริงๆ

บางครั้งแค่ได้สนทนากับเพื่อนสนิท
แค่ช่วงสั้นๆ แมร่งก็โคตรดีแล้วจริงๆ

ปูลู เรื่องเล่าเยอะจริงๆ ใจจริงอยากทำเพจแนวเขียนเล่าเรื่องเก็บไว้นะ
เป็นเรื่องราวที่ได้คุยกับคนที่พบเจอ หรือเรื่องราวความประทับใจไว้จุง
แต่ก็มี Blog อยู่่แล้วนี่หน่า ถถถถถ อัพเดทในนั้นละกันเนาะ ^^

ปูลู2 รูปถ่ายมื้อดึกก่อนเข้าบ้าน

#MyDailyBlog❤️🌟🍣😀

My First Day at New Work Place

วันนี้ทำงานวันแรก รู้สึกโลกกลมมากๆ !! 😀

หลังจากย้ายงานมาที่ใหม่
เราก็มีหน้าที่ความรับผิดชอบที่มากขึ้น
สิ่งสำคัญเลยคือต้องคุยกับคนที่หลากหลายขึ้น
ดูแลน้องๆในทีมมากขึ้น รวมถึงใส่ใจรายละเอียดมากขึ้น
และที่สำคัญต้องฝึกตัดงานที่ไม่จำเป็น ออกให้เป็น

ช่วงเย็นๆ น้องในทีมคนนึงก็กลับบ้านทางเดียวกัน
เลยได้มีโอกาสคุยเล่น ไปเรื่อยเปื่อย
ซึ่งก็เป็นโอกาสที่ดีเลยนะเอออ
เพราะทำงานมาก็เต็มที่กันมากๆ

ดังนั้นเวลานอกงานนี่แหละที่จะได้คุยแบบชิลๆ
น้องในทีมคนหนึ่งทำงาน DE กึ่ง DS
เชี่ยวด้าน DE เลยล่ะ เลยสอบถามถึงที่มาที่ไป
เพราะงานที่ทำก็มีขอบเขตของ DE ด้วยล่ะ

คุยไปคุยมา น้องบอกว่าจบ Stat มาล่ะเออ
แต่ลองสอบ Google Cloud Professional Data Engineer
ซึ่งแน่นอนว่าตอนสอบก็ต้องมีการเตรียมตัวสอบ
เลยได้อ่านได้ศึกษา ลองทำเกี่ยวกับ Data Engineer
ประกอบกับทำงานด้าน Data Engineer มาด้วยนะเออ
ทำให้เชี่ยวชาญด้านนี้ระดับนึงเลยล่ะ !!

คุยไปคุยมา เราก็คิดในใจว่า
เรามาทาง Data Scientist ก็ต้องสอบ
Machine Learning Engineer ให้ได้บ้าง
เพราะที่ทำงานต้องทำทั้ง DS และ DE ไปด้วย
แต่อัตราส่วนงานคง 70:30

ซึ่งรวมๆแล้วก็สนุกดีหมดเวลา 1 วันโดยลืมเวลาทำงานเลย
รู้สึกว่า 1 วันทำงานมันผ่านไปไวมวากจริงๆ
คิดในใจ เราต้อง Keep สิ่งนี้ไว้เรื่อยๆล่ะนะ ^^

จุดพีคของเรื่องที่กล่าวมาก็คือ
น้องในทีม มองไปมองมา คุยไปคุยมา
อ้าวคุ้นๆหน้ากันนี่หว่า
น้องเคยมาสัมภาษณ์ที่ SCB
เราก็ลุ้นนะอยากให้น้องได้ เพราะตอนมาสัม
น้องทำสไลด์มาดีมากจริงๆ เล่าได้ดีเลยล่ะ
แต่ว่าไม่ผ่านสัมภาษณ์ TT

สุดท้ายโลก กล๋มมม กลม
ได้มีโอกาสมาทำงานร่วมกัน lol
จริงๆเรื่องเล่ายังมีอีกมากมายเลยนะเอออ
ไว้ไปเขียนอัพเดทใน Blog ต่อละกันนะ

ปูลู ในภาพพึ่งทานกับเพื่อนสมัยมัธยม
กลับบ้านพร้อมกัน แต่ทำงานคนละที่
ถือว่าเป็นรางวันปิดท้ายของวัน

ปูลู 2 ตื่นมาวิ่งคาดิโอตอนตี 4 ครึ่งละกันนะ ^^

#MyFirstDayAtWork❤️🌟🍣😀

4 วิธีแนะนำ เพื่อความก้าวหน้าในหน้าที่การงานอย่างยั่งยืน

“ผมค่อยๆไต่เต้าในบริษัทยักษ์ใหญ่ด้วยการรับ ตำแหน่งและเงินที่น้อยกว่าถึง 3 เท่า”

Key หลักๆเลย 🔑


🔹 กลุ่มคนยุค millennial มักอยากได้ตำแหน่งที่สูงๆ แม้จะเงินไม่ขึ้นหรือเงินน้อยก็ตามที
🔹 ถ้าอยากประสบความสำเร็จระยะยาว ไม่ควร Focus ที่ค่าตอบแทน หรือตำแหน่ง
🔹 สิ่งสำคัญจริงๆแล้วคือ โอกาสที่จะได้พัฒนาทักษะ และความสามารถต่างหากล่ะ !!

ความเห็นส่วนตัว 🧐


บางทีเหมือนไก่กับไข่เลยเนาะ (แอดเป็นคนยุค 90s’)
คือโอกาสมันก็มาพร้อมกับหน้าที่ที่ต้องรับผิดชอบ
แต่ถ้าตำแหน่งที่น้อยไป บางทีความรับผิดชอบหรือการพัฒนามันก็อาจจะไม่เพียงพอหรือ Challenge ให้เกิดการพัฒนาสิ่งใหม่ๆ

ผู้เขียนบอกว่า 👤


ทุกครั้งที่เค้าลองลงไปทำตำแหน่งล่างๆดู
เค้าจะได้เรียนรู้อะไรใหม่ๆเสมอแม้มันจะได้ค่าตอบแทนที่น้อยลง
แต่มันทำให้เป้าหมายของเค้าชัดขึ้นเรื่อยๆ
และนั่นคือการ Progress ทีละน้อยแบบระยะยาว
โดยสุดท้ายเค้าเองก็ได้เป็น Product Leader !!

หลายๆคนอยากจะตำแหน่งหน้าที่การงานโตไวๆ
แต่ขาดทักษะหลายๆอย่างที่ช่วยให้เติบโตในสายงานที่ต้องการแบบ Long-term
และสุดท้ายพวกเขาเหล่านั้นก็ตันและไปต่อไม่ได้เพราะ ไม่มีทักษะที่เพียงพอจริงๆ
จริงๆแล้วถ้าเรามีพื้นฐานทักษะต่างๆที่แข็งแรง
เราก็สามารถสร้างเส้นทางอีกมายมายให้ตัวเองได้นั่นเอง

ความเห็นส่วนตัว 🧐


พออ่านมาเรื่อยๆ เออก็จริงๆแหะ Fundamental Skills ยังไงก็สำคัญมากๆเลยสำหรับทุกเส้นทางของทุกๆสายงาน

ผู้เขียนบอกว่า 👤


เมิงยิ่งโตไปยิ่งต้องไปเจอกับแรงกดดันมหาศาลเพิ่มขึ้นเรื่อยๆนะ
ทั้งด้านบนและการดูแลทีมด้านล่าง ไม่หนำซ้ำไม่เพียงจะไม่โตต่อแล้ว
เมิงยังร่วงดังแพละอีก !!! 😯😦😧

ผู้เขียนบอกต่อว่า

นี่เลย 4 สิ่งที่สำคัญที่ช่วยเสริมสายงานตัวเองให้ก้าวหน้าอย่างยั่งยืน โดยผู้เขียนใช้คำว่า

“you’ll have a better chance of thriving in your job 10 years down the road.”

🟢 ข้อแรกเลยคือ
เมิงอยากจะไปยืนอยู่ที่ไหนล่ะ !!

ถามตัวเองว่าอยากทำอะไร
เป้าหมายคืออะไร
อีก 5 ปีข้างหน้าจะเห็นตัวเองในแบบไหน !??



🟢 ข้อสอง
หมั่น Research ในเรื่องราวของสายตัวเองซะ !!

อะไรคือสิ่งที่จะทำให้ก้าวหน้าได้
ต้องใช้ทักษะอะไรบ้าง
สิ่งที่จำเป็นในอนาคตมีอะไรบ้าง


🟢 ข้อสาม
ทำความรู้จักกับเพื่อนๆในสายงานเดียวกัน


นอกจากจะได้เพื่อนใหม่
ได้ความรู้ทักษะใหม่ๆแล้ว
ยังได้ทักษะการพูดคุย และการนำเสนอด้วยนะเออ !!


🟢 ข้อสี่
หัดมีเวลาให้ตัวเองซะบ้าง !!


หลายคนงงว่าเวลาให้ตัวเองคืออะไร
มันคือเวลาที่ใช้ในการพัฒนาทักษะใหม่ๆ
ลองดูสิวันๆนึงเราใช้เวลาในการพัฒนาทักษะใหม่ๆเท่าไหร่
หรือไม่มีเลย !!!!
ลองเลยเช่น ทุก 6 ชั่วโมง ขอมาซัก 1 ชม. นะ
เพื่อใช้ในการเรียนรู้สิ่งใหม่ๆ หรือเพิ่มทักษะให้ตัวเอง


สุดท้ายฝากไว้อันนี้ดีมากครับจากผู้เขียน 👤


Your title matters, but only as long as you’re building the skills you need to keep moving forward.
To reach your goals, you need to focus on long-term growth, not just the next promotion.
Identifying the skills required to get there and setting aside time to cultivate them is your best form of job security.
If you have the right skills, opportunities will come to you.


ความเห็นส่วนตัว 🧐


หลังจากอ่านมาได้จนจบแล้วทำให้แอดเองก็รู้สึกต้องหันกลับมามองตัวเอง
และตั้งคำถามหลายๆต่อหลายครั้งว่า จริงๆแล้วเราต้องการอะไรกันแน่
การเติบโตในหน้าที่การงาน หรือการได้เรียนรู้สิ่งใหม่ๆ หรือเป็นเรื่องเงิน

ทั้งนี้ถ้าหากเรามีเป้าหมายชัดเจนแล้วนั้นเราก็จะไม่ลังเลที่จะทำมันให้สำเร็จ
แน่นอนว่าถ้าเป็นในเกมส์ เราก็คงต้องใช้ Skill Points อัพ

แต่ในชีวิตจริงๆ ถ้าอยากเลเวลอัพไวๆ
แต่ไม่มี Skill Points ไว้อัพ Status เลย
มันก็คงจะเก็บเวลต่อไม่รอดอยู่ดี
ดังนั้นการแบ่ง Skill Points ไปลงยัง Skills หรือทักษะที่จำเป็นเพื่อไปให้ถึง Goal ของเรานั้นสำคัญมากๆเลย
เพราะการที่เราจะได้ Skill Points มานั้นสิ่งสำคัญที่ต้องแลกอีกอย่างคือเรื่องของเวลา อย่างในข้อที่ 4 อีกด้วยนะเออ


สุดท้ายนี้แล้วเพื่อนๆล่ะครับเห็นด้วยหรือไม่เอ่ย
Discuss กันได้เลยนะ ^^ 🙋‍♂️🙋‍♀️❤️

Reference:
https://www.cnbc.com/…/i-climbed-corporate-ladder-by-taking…

#BigDataRPG #Career #Business #Growth

ยอดชม Youtube ทะลุ 200 hr !!

แอดขอขอบคุณแฟนเพจทุกคนนะคร้าบ
ตอนนี้ยอดชม Youtube ทะลุ 200 hr. แย้วเย้
🎉❤😀🐼🎉❤😀🐼🎉❤😀🐼🎉❤😀🐼
============================
แอดจึงได้เปิด Clip Pandas ที่เคยสอนไว้
ลงใน Youtube เพิ่มอีก 4 คลิปนะครับ ^^
เพื่อนๆ สามารถเข้าไปเรียนเพิ่มเติมกัน
ได้ที่ link ด้านล่างเลยนะคร้าบบบ


กด Subcribe เป็นกำลังใจให้ด้วยน้าคร้าบ ^^

https://www.youtube.com/playlist?list=PLff6SfKNyDun1o9V1qKgW4vN5xrBon4E7


ปูลู
ยังไม่ได้ทำหน้าปกเลย ถถถถถถ


ปูลู 2
วันนี้ถ้าทันจะกลับมาลง Deep Learning เพิ่มนะคร้าบ
(สรุปไม่ทัน lol)


❤🤘🙏
ขอบคุณทุกท่านที่ติดตามคร้าบบบ ^^
Like, Share, Comment, Subscribe
เพื่อเป็นกำลังใจให้ทำคลิปดีดีต่อไปด้วยนะคร้าบบ
ขอบคุงมากคร้าบบบบบ ^^

#BigDataRPG #YouTube #Pandas

ปี 2020 กับ Skills ของ Data Scientist ที่ต้องเจอ

หยิบกระดาษขึ้นมาแล้วทำ Checklist กันได้เลย
.


📚 1. Machine Learning และ Deep Learning
จริงๆก็เป็น Main Skills หลักที่ต้องมีเลยนะ
เพราะได้ใช้ในการทำงานสายนี้โดยตลอด
ส่วน Machine Learning เริ่มต้นได้จาก
Traditional Model ง่ายๆเช่น
Linear Regression เจ้าเส้นตรง หรือ
Decision Tree เจ้าต้นไม้
ซึ่งสามารถอธิบายเป็นเหตุเป็นผลได้ไม่ยาก
ให้กับคนที่อยู่นอกสาย Data
.
ส่วน Deep Learning รู้ไว้มีประโยชน์กว่าไม่รู้แน่นอน
เพราะโลกเรา Data เยอะขึ้นเรื่อยๆ
และบางงานเราเน้น Model แม่นๆ
มากกว่าการอธิบายว่าทำไมมันถึงต้องแม่น
.
ส่วน Framework ที่ใช้เขียนก็มีหลายตัวด้วยกัน
เริ่มแบบง่าย ก็ ScikitLearn
หรือระดับกลาง Keras (ปัจจุบันรวมกับ Tensorflow ใช้ง่ายขึ้นเยอะ)
ถ้ายากขึ้นมาหน่อยก็ Pytorch + Tensorflow
ซึ่งทั้งสามตัวเขียนผ่านภาษา Python นั่นเอง
.
สำหรับ ML + DL แอดใช้ตอนทำงานช่วงปีที่หนึ่งตลอดเลย !!
อาจจะลงเป็น ML 80 % DL 20 %
.


📚 2. Natural Language Processing (NLP)
คือการใช้ประโยชน์ จากข้อมูลพวก Text
หรือสอนคอมส์พิวเตอร์ให้เข้าใจภาษามนุษย์
โดย Model ที่เราต้องเจอจะค่อนข้างยากขึ้นมาอีกระดับ
ส่วนใหญ่จะเจอพวก Sequential Model
เช่น LSTM, Bi-LSTM, Transformer, BERT,
Elmo, GPT เป็นต้น
.
ความยากในการศึกษาในเรื่องนี้คือการลงมือทำ
เพราะเราต้องเจอกับภาษา RegularExpression
ใช้ในการจัดการข้อมูล หรือดึง Text ที่ต้องการ
.
ด้วยความที่ NLP เกี่ยวข้องกับภาษา
มันจึงเกี่ยวพันธ์กับ Voice หรือเสียงด้วยนะ
ซึ่ง Data ก็อยู่ในรูปแบบของ Sequential อีกนั่นเอง
น่าสนุกใช่ไหมล่ะ 5555555+
.
สำหรับ NLP แอดใช้ตอนทำงานช่วงปีที่สองค่อนข้างเยอะเลยล่ะ !!
.


📚 3. Statistics สถิติ หนีไม่พ้นหร่อกนะ ฮ่าๆๆๆ
.
คำแนะนำง่ายๆคือเข้าใจ ว่าต้องใช้ตอนไหน
เช่นเราเจอข้อมูล อยากทราบ Insight ง่ายๆ
ก็หมุนข้อมูลไปมา ดูค่า Mean, Min, Max, Range,
Mode, Median, Quantile บลาๆๆๆ
เท่านี้ก็ช่วยระดับนึงแล้ว
.
สถิติ ช่วยให้เราคิดอย่างเป็นระบบ
และไม่เชื่อข้อมูลอะไรง่ายๆ หากไม่มีข้อมูลมากเพียงพอนั่นเอง
.
สำหรับแอดแล้ว Stats ใช้ตลอดการทำงานเลยนะ ^^
.


📚 4. Programming Skills หนีไม่พ้นอีกเช่นกันกับการ Code
.
เรามีให้เลือกมากมายเลยนะไม่ว่าจะเป็น
R, Python, Julia, Matlab
ซึ่งจะเริ่มอย่างไรดี
ก็ลองเลือกก่อนละกันว่าจะเริ่มอะไรก่อนให้ได้ซัก Project
แล้วค่อยเรียน SQL ต่อยอดเพิ่มเติม
.
การเขียนโค้ดช่วยให้เราทำงานยากๆง่ายขึ้น
ทำงานซ้ำๆน่าเบื่อ ให้กลายเป็นอัตโนมัติ
ทำงานที่คำนวณยากให้กลายเป็นงานน่าทึ่ง
และจัดระบบความคิดการทำงานให้เป็นเหตุเป็นผล
.
ก่อนเข้ามาสายงานนี้แอดเรียนตลอด 3 เดือน
จาก Data Camp โดย 3 เดือนนั้น
ตั้งใจเรียนตั้งแต่เช้ายันดึก
+ กับการทำ Project จนมันซึมไปเอง
.


📚 5. MLOps & Workflow
.
ว่าด้วยเรื่องงานของ Data Scientist
หลังจากเราทำ Model เจ๋งๆได้ซักอย่างแล้ว
เราก็คงอยากให้มันทำงานได้เองอัตโนมัติ
นั่นคือการทำ Model Deploying
.
การเขียนโค้ดก็จะมีความละเอียดมากขึ้น
มีความเข้าใจในเรื่องของ Inflastructure มากขึ้น
เข้าใจการ Track Error ที่เกิดขึ้น
รวมไปถึง Cycle ของการทำงาน Model
ว่าเราจะทำการ Train Model ใหม่อีกรอบเมื่อใดดี
.
เรื่องนี้แอดทำมาตั้งแต่ทำงานปีแรกจนถึงปัจจุบันเลยล่ะ
เพราะได้เห็นความ Automation
และ Model เรารันใน Business ได้ โคตรจะฟินเลย
ซึ่ง Skill ด้านนี้จะค่อนข้างยากหน่อยน้า
แต่รับรองเป็นแล้วสนุกแน่นอนนน !
.


📚 6. Git & Agile หนีไม่พ้นอีกเช่นกันกับการ Code
.
การใช้ Git เพื่อใช้งานเขียนโค้ดหรือทำ Project กันเป็นทีม
ข้อนี้อาจจะไม่คุ้นนัก หรือเห็นแล้วต้องเรียนด้วยหรอ
อยากจะบอกว่ารู้ไว้ก็ดีกว่าครัช
แต่ไม่จำเป็นต้องรู้ก่อนเป็นอันดับแรก
.
Git ช่วยให้โค้ดเราไม่ปนเปกับโค้ดคนอื่น
และเป็นที่ให้เราแก้ไข และเซฟโค้ดในแต่ละ Version
ซึ่งถ้าไม่มีเจ้า Git ก็เหมือนไม่มี Backup โค้ด
หรือหากโค้ดเราเสีย อยากได้ Version เก่าคืนมา
ก็ทำไม่ได้นั่นเอง !!
.
ส่วน Agile เป็นวิธีการทำงานรูปแบบหนึ่ง
ซึ่งมาจากทางฝั่ง Tech Company
โดยเน้นการทำงานเป็น Cycle
มีการ Feedback งานกันตลอด
และมีการ Deliver งานออกตลอดเช่นกัน
โดยที่งานนั้น ไม่จำเป็นต้องเสร็จ 100 %
แต่เน้น Feedback ช่วยให้งานค่อยสมบูรณ์ขึ้นนั่นเอง
.
เอาจริงข้อนี้แอดอาจจะพูดได้ไม่เต็มปากว่าใช้
เอาเป็นว่าใช้ประมาณ 30 % ละกัน อิอิ
.


📚 7. Big Data & Cloud
.
เมื่อคอมส์เครื่องเดียวไม่พอ
และการทำ Deploy Model อยู่รอบตัวเรา
การเรียนรู้เรื่องพวกนี้จึงเป็นเรื่อง พื้นฐานก็ว่าได้
โดยเรื่องที่เราต้องเจอเพิ่มขึ้นคือ
การเขียนภาษาเพื่อประมวลผลคอมส์หลายๆตัว
หรือ Spark, Scala, Hadoop, Hive
.
อีกด้านหนึ่งคือเรื่องของ Cloud
เช่น Google, Cloudera, Azure, AWS
ซึ่งแต่ละเจ้าก็มีข้อดีข้อเสียต่างกัน
หรือความถนัดในการใช้แตกต่างกันไป
.
ถามแอดว่าจำเป็นไหม
ก็จำเป็นกลางๆนะ
ถ้าเราไม่เจอข้อมูลขนาดใหญ่นัก ก็คงไม่จำเป็น
แต่ถ้าเราอยู่ Enterprise บ. ใหญ่ๆ
ก็ได้ใช้แน่นอนครับ
.


📚 8. Visualization & Data Wrangling
.
สุดท้ายคือสกิลในการงัด Insight ออกมา
ซึ่งคือการ Process Data และแสดงผล
โดยผลที่ออกมาเราจะต้องนำเสนอให้คนอื่นเข้าใจ
พูดง่ายๆก็คือ อธิบายงานที่เราทำให้เด็กๆเข้าใจได้นั่นเอง
.
และผลที่ออกมา…
สามารถทำให้เกิด Business Impact ได้ !!
ซึ่งข้อนี้สำคัญมากๆๆๆๆๆๆๆ
โคตรมากเลย และแอดก็ใช้ข้อนี้ตลอดการทำงาน
.
.
.
สุดท้ายแล้ว เราอาจจะมี Skill ใน List ทั้งหมด
หรือมี Skill แค่อย่างเดียว หรือจะไม่มีเลยก็ตาม
ทั้งหมดนี้มันแค่ส่วนเดียวเองนะที่ต้องเจอในการทำงาน
เพราะ Skills ต่างๆขึ้นกับงานที่ได้รับมอบหมาย
รวมถึงบริษัทที่ได้ไปทำด้วย
ดังนั้น ดูให้แน่ชัดว่าที่เราต้องไปทำต้องใช้ Skills อะไรบ้าง
แล้วเรามีตรงกันไหม ถ้ามีก็เรียนของใหม่เพิ่ม
แต่ถ้าขาดก็ต้องรีบเติม หรือ
หาที่เหมาะกับ Skills ที่เรามีก่อนนั่นเองฮับ
.
อยากฝากไว้ว่า
งานสาย Data Scientist นั้น
เป็นงานที่ต้องเรียนรู้ตลอดเวลา
และพยายามย่อย Data ให้เป็นภาษาคนที่เข้าใจง่าย
โดยที่สามารถสร้าง Business Impact ขึ้นมา ^^
และจริงๆแล้ว List ทั้งหมดนี้ก็เป็นแค่ส่วนเดียวเท่านั้นเอง
เพราะในการทำงานต้องใช้ Soft Skills อีกเยอะเลยล่ะ !!
.
ยังไงบอยด์เป็นกำลังใจให้กับทุกคนที่อยากเข้ามาในสาย Data Scientist นะครับ ❤🌟
.

Reference:
https://towardsdatascience.com/what-skills-new-and-seasoned-data-scientists-should-learn-in-2020-233876b852fa