Skip to content
DescriptiveDiagnostic
PredictivePrescriptive
Motivation = สิ่งที่เรามีความสนใจ อยากจะศึกษาMindset = เราต้องมีความเชื่อว่าเราจะพัฒนาหรือเรียนรู้ในสิ่งนั้นได้Method = กระบวนที่ใช้ในการเรียนรู้ในเรื่องต่างๆMomentum = เป็นการทำอย่างต่อเนื่อง เมื่อถึงจุดนึงจะเกิดแรงผลักให้เราทำทุกวัน
Live 00 - Intro to Data Science
คนเรามักจะ Overestimate ในสิ่งที่เราทำได้ระยะสั้นและ Underestimate สิ่งที่เราทำได้ในระยะยาว
Become Generalist
กฏข้อที่ 1 การมีทักษะหลายๆอย่างมารวมกัน ดีกว่าการมีทักษะใดทักษะหนึ่ง
ถ้าเรามีทักษะเช่น Coding เป็น Specialist ในข้อที่ 5 เราก็จะเก่ง Coding เพียงด้านเดียว
แต่ถ้าเราพอจะทำ Coding ได้ ทำ Marketing, Economy ได้บ้าง เราอาจจะสามารถประกอบธุรกิจที่เกี่ยวข้องกับการนำทักษะทั้ง 3 อย่างนี้มารวมกันได้
กฏข้อที่ 2 อย่าไปไกลเกินกว่า 80% (และไม่จำเป็นต้องไปให้ถึง 80%)
เวลาที่เราใช้เรียนรู้จาก 0% ไป 80% น้อยกว่า เวลาที่เราเรียนรู้จาก 80% ไป 100%
ดังนั้นหลังจาก 80% เป็นต้นไป เราเรียนรู้ได้น้อยลงและใช้เวลามากขึ้น ซึ่งเป็น Law of Diminishing Returns
Jack and Yacine
พี่ทอย ณ ช่วงเวลานั้นพูดภาษาอังกฤษไม่เก่งเพราะว่ารู้คำศัพท์ไม่เยอะ
Yacine เลยบอกว่า Toy ไม่ต้องรู้คำศัพท์เยอะก็สามารถพูดภาษาอังกฤษได้
Yacine เลยหยิบ Dictionary ให้ Jack ที่เป็น British และถามว่ารู้คำศัพท์ทั้งหมดใน Dictionary ไหม?
Jack บอกว่าจะรู้ได้ยังไง มันเยอะมากเลย
Yacine บอกพี่ทอยว่า ไม่ต้องรู้คำศัพท์ทุกคำก็สามารถพูดภาษาอังกฤษได้
ถ้าคำศัพท์มีทั้งหมด 10,000 คำ รู้แค่ 500 คำก็สามารถพูดได้แล้ว
500 จาก 10,000 คำ คิดเป็น 5% > แค่ 5% ก็สามารถพูดภาษาอังกฤษได้แล้ว ไม่ต้องไปถึง 100%
หลักการ Sprint เป็นหลักการนึงในการพัฒนา Software ซึ่งจะเป็นการทำเพื่อตอบโจทย์การใช้งานของลูกค้า
โดยมี Concept ในการแบ่งเป็นรอบๆ เพื่อทำการพัฒนาและส่งมอบ Features ใหม่ๆ
นำหลักนี้มาคิดกับตัวเอง เรามองตัวเองเป็น Software แต่ละ Sprint ก็เปรียบเสมือนหนึ่งเรื่อง
เราค่อยๆ เรียนรู้เพิ่มขึ้นทุกวันก็เป็นการ Add Value ให้กับตัวเอง เพิ่ม Features ใหม่ๆ เพื่อตอบโจทย์กับชีวิต
ไม่ว่าจะทั้งการงาน การทำธุรกิจ หรือการเป็นคนที่ดีในสังคม เราค่อยๆแบ่ง Add Value ตัวเองเป็นทีละ Sprint
หากโจทย์คือการเป็นคนเก่ง ไม่จำเป็นต้องเก่งทีเดียว แต่ค่อยๆ เก่งขึ้นทุกวันก็พอแล้ว
แค่เราเก่งขึ้นจากตัวเองเมื่อวานก็พอแล้ว ไม่ต้องไปเปรียบเทียบกับคนอื่น
ชีวิตมันสั้นเกินกว่าที่จะสร้างสิ่งที่ไม่มีใครต้องการ
ถ้าสิ่งที่ต้องการหมายถึงทักษะ
ฉะนั้นสร้างทักษะที่ผู้คนต้องการจะดีกว่า
Data Science เป็นทักษะไม่ใช่อาชีพ และเราทุกคนต่างเป็น Data Analyst กันอยู่แล้ว
พี่ท็อปน้องชายพี่ทอยเป็นทนาย วันหนึ่งพี่ทอยถามพี่ท็อปว่า “ท็อปคิดไงกับคำว่า ทุกคนคือ Data Analyst”
พี่ท็อปตอบว่า “ทุกวันนี้งานทนายใช้ข้อมูลเยอะมาก ต้องดูข้อมูลและวิเคราะห์”
พี่ทอยก็เลยคิดได้ว่า
ทุกวันนี้ที่เราทำงาน เราต่างใช้ข้อมูลในการตัดสินใจ ฉะนั้นทุกคนคือ Data Analyst
Field of Data Science Skill
Data Analyst
Data Scientist
Data Career Skill Set
Outcome from Bootcamp
Jim Kwik เป็น Brain Coach ตัวอย่างงานที่ทำคือทีม Xmen เข้าอบรมกับ Jim และได้ผลลัพธ์ในการจำบทที่ดี
Jim Kwik มี Framework ดังนี้
Process ในการทำ Data เพื่อวิเคราะห์ข้อมูลต่างๆ
พี่ทอยให้ความเห็นว่าสิ่งที่สำคัญในกระบวนการนี้ นอกเหนือจากการ Coding หรือการตั้งคำถามใดๆแล้ว
การสื่อสาร (Communicate) ก็เป็นสิ่งสำคัญเช่นกัน
ลองคิดว่าถ้าสิ่งที่ทำมาทั้งหมดในระยะเวลา 3 เดือน อาจจะพังเพราะสื่อสารไม่รู้เรื่อง
ดังนั้นเราต้องมีทักษะด้านการสื่อสาร เพื่อนำเสนอข้อมูลหรือสิ่งที่เราต้องการให้คนได้รับรู้และนับไปตัดสินใจได้จริงๆ
การสร้างตัวตนบนโลก Digital ให้ผู้คนได้เห็นถึงทักษะและวิธีการคิด
สร้างความโดดเด่นกว่าผู้สมัครคนอื่นๆ
เป็นที่รู้จักและจดจำในวงการ
Research Method เป็นวิชาที่สำคัญของการเรียนปริญญาโท เป็นวิชาที่สอนการค้นคว้าเพื่อทำวิจัย
ทักษะนี้เป็นทักษะที่สำคัญ มันเป็นการสอนการเรียนรู้ด้วยตัวเอง การค้นคว้างานวิจัยเก่าๆ ข้อมูลที่เกี่ยวข้องต่างๆ
และสรุปเป็นความเข้าใจของตัวเองรวมถึงตั้งคำถามในชุดข้อมูลเหล่านั้นและหาคำตอบต่อไป
Analytics Phases
Descriptive Analytics = การอธิบายสิ่งที่เกิดขึ้นในอดีต
Diagnostic Analytics = การหาคำตอบว่าทำไมสิ่งเหล่านั้นในอดีตถึงเกิดขึ้น
Predictive Analytics = อนาคตที่จะเกิดขึ้นจะเป็นยังไง
Prescriptive Analytics = แล้วจะทำยังไงเพื่อหลีกเลี่ยงหรือส่งเสริมอนาคตให้เป็นแบบนั้น
Want to print your doc?
This is not the way.
This is not the way.
Try clicking the ⋯ next to your doc name or using a keyboard shortcut (
CtrlP
) instead.