ສະຖາບັນໄອທີຈີເນຍສ໌IT Genius Institute
Sanitwong Kamonpakorn
ปริญญาโท คณะเทคโนโลยีและสารสนเทศ พระจอมเกล้าเจ้าคุณทหารลาดกระบัง
ໄຟລ໌ປະຫວັດ (PDF)ເລີ່ມວຽກກັບສະຖາບັນໄອທີຈີເນຍສ໌: 17 สิงหาคม 2556
หลายองค์กรยังมีข้อมูลกระจายอยู่ในระบบ ERP ฐานข้อมูลของแอป ไฟล์ Excel และไฟล์ CSV ที่ต้องรวมกันทุกวันเพื่อทำรายงานและ Data Warehouse งานเหล่านี้มักเริ่มจากสคริปต์หรือการคัดลอกข้อมูลด้วยมือ ซึ่งพังง่าย ตรวจสอบย้อนหลังไม่ได้ และช้าลงเรื่อย ๆ เมื่อข้อมูลโตขึ้น…
ระบบงานจำนวนมากเก็บ Logic สำคัญไว้ใน SQL Server ทั้งการบันทึกคำสั่งซื้อ ตัดสต็อก คำนวณค่าคอมมิชชัน และรายงานที่แอปเรียกใช้ทุกวัน แต่ Stored Procedure ที่เขียนโดยไม่มีมาตรฐานมักไม่จัดการ Error ปล่อยให้ข้อมูลค้างครึ่งทางเมื่อเกิดปัญหา เปิดช่อง SQL Injection…
Microservices แบ่งระบบใหญ่ออกเป็นเซอร์วิสย่อยที่พัฒนา Deploy และขยายได้อย่างอิสระ แต่ละเซอร์วิสมีฐานข้อมูลของตัวเองและคุยกันผ่าน API หรือ Message ข้อดีคือทีมทำงานคู่ขนานได้และเปลี่ยนแปลงทีละส่วนได้ แต่ก็ตามมาด้วยความซับซ้อนของระบบกระจาย…
Blazor ทำให้นักพัฒนา C# สร้างหน้าเว็บแบบโต้ตอบได้โดยใช้ภาษาเดียวกันทั้ง Frontend และ Backend ส่วน Blazor WebAssembly รันโค้ด .NET ในเบราว์เซอร์ได้โดยตรง เมื่อจับคู่กับ MongoDB ซึ่งเก็บข้อมูลเป็น Document ที่ยืดหยุ่น…
Rust เป็นภาษาที่ให้ความเร็วระดับเดียวกับ C และ C++ แต่ป้องกันข้อผิดพลาดด้านหน่วยความจำได้ตั้งแต่ตอนคอมไพล์โดยไม่ต้องมี Garbage Collector จึงถูกใช้มากขึ้นทั้งในงานระบบ เครื่องมือบรรทัดคำสั่ง และ Backend ที่ต้องการทั้งความเร็วและความเสถียร…
Deep Learning คือกลไกเบื้องหลังระบบ AI ที่ใช้อยู่ทุกวัน ทั้งการจำแนกภาพ ตรวจจับวัตถุจากกล้อง วิเคราะห์ความรู้สึกจากข้อความ ไปจนถึงโมเดลภาษาขนาดใหญ่ แต่เครื่องมือเปลี่ยนเร็วมาก โค้ดแบบ TensorFlow 1 และ Keras 2 ที่เคยสอนกันใช้ไม่ได้แล้ว ไลบรารีหลักอย่าง Hugging…
Go หรือ Golang เป็นภาษาที่ Google พัฒนาขึ้นและได้รับความนิยมสูงในงาน Backend, Cloud และเครื่องมือ DevOps เพราะคอมไพล์เป็นไฟล์เดียวที่นำไปรันได้ทันที ทำงานเร็ว ใช้หน่วยความจำน้อย และรองรับการทำงานพร้อมกันจำนวนมากได้ดีด้วย Goroutine กับ Channel…
Web API เป็นหัวใจของระบบยุคใหม่ ทั้งเว็บแบบ SPA แอปมือถือ ระบบหลังบ้าน และการเชื่อมต่อระหว่างองค์กร API ที่ออกแบบดีต้องสื่อความหมายชัดตามหลัก REST ตรวจข้อมูลก่อนบันทึก แจ้งข้อผิดพลาดเป็นรูปแบบเดียวกัน มีเอกสารให้ทีมอื่นเรียกใช้ได้ทันที…
Elasticsearch เป็นเครื่องมือค้นหาและวิเคราะห์ข้อมูลแบบกระจายที่นิยมใช้ทั้งทำระบบค้นหาในแอป และเก็บ Log ของระบบไว้สืบค้นย้อนหลัง ส่วน Kibana คือหน้าจอสำหรับสำรวจข้อมูล สร้างกราฟ และ Dashboard แต่ทีม .NET จำนวนมากยังใช้ไลบรารี NEST หรือ Sink…
Elasticsearch เป็นเครื่องมือค้นหาและวิเคราะห์ข้อมูลแบบกระจายที่สร้างบน Apache Lucene ใช้ได้ทั้งค้นหาข้อมูลในแอป วิเคราะห์ Log และเก็บข้อมูลแบบ Vector สำหรับงาน AI ส่วน Kibana ช่วยสืบค้นและแสดงผลข้อมูลเป็นภาพ ทั้งสองตัวพัฒนาไปมากใน Elastic Stack 9 และ Python…
งานตรวจสอบคุณภาพชิ้นงาน การนับสินค้า การอ่านค่าจากภาพ หรือการตรวจจับคนและยานพาหนะจากกล้อง ล้วนเริ่มจากการประมวลผลภาพที่ถูกต้อง OpenCV เป็นไลบรารีโอเพนซอร์สหลักของงาน Computer Vision ที่ใช้กับ Python ได้ทันที และ OpenCV 5 ได้ปรับ DNN Module ให้รองรับโมเดล ONNX…
การวิเคราะห์เชิงพยากรณ์ (Predictive Analytics) ช่วยให้องค์กรคาดการณ์ยอดขาย ลูกค้าที่มีแนวโน้มเลิกใช้บริการ หรือความเสี่ยงต่าง ๆ จากข้อมูลที่มีอยู่ Orange Data Mining เป็นเครื่องมือโอเพนซอร์สที่สร้างงานเหล่านี้ด้วยการลาก Widget มาต่อกันบน Canvas…
องค์กรจำนวนมากมีข้อมูลอยู่ในมือแล้ว แต่ยังนำมาสร้างโมเดลพยากรณ์หรือแบ่งกลุ่มลูกค้าไม่ได้ เพราะทีมงานไม่ถนัดเขียนโปรแกรม KNIME Analytics Platform เป็นเครื่องมือโอเพนซอร์สที่สร้างงานวิเคราะห์ข้อมูลด้วยการต่อ Node เป็น Workflow…
แอปพลิเคชันยุคใหม่เก็บข้อมูลเป็นเอกสาร JSON ที่โครงสร้างเปลี่ยนได้ และผู้ใช้คาดหวังว่าจะพิมพ์ค้นหาสินค้า บทความ หรือข้อมูลลูกค้าแล้วได้ผลที่ตรงใจทันที แม้สะกดผิดหรือใช้คำต่างกัน การค้นด้วย LIKE ในฐานข้อมูลทั่วไปทั้งช้าและไม่รู้ความหมายของคำ Couchbase Server…
FastAPI เป็นเฟรมเวิร์กยอดนิยมสำหรับสร้าง API ด้วย Python เพราะเขียนสั้น ทำงานเร็ว ตรวจข้อมูลจาก Type Hint ให้อัตโนมัติ และสร้างเอกสาร API ให้ทันที ขณะที่หลายองค์กรเก็บข้อมูลหลักไว้ใน Microsoft SQL Server…
Gin เป็นเว็บเฟรมเวิร์กของภาษา Go ที่ทีม Backend ใช้สร้าง RESTful API กันอย่างแพร่หลาย เพราะเร็ว เขียนง่าย และมีระบบ Middleware กับ Binding ในตัว ส่วน GORM ช่วยให้ทำงานกับฐานข้อมูลได้โดยไม่ต้องเขียน SQL ทุกบรรทัดเอง แต่ตัวอย่างจำนวนมากยังเขียนแบบเก่า เช่น ใช้…
งาน Data Science ในหลายองค์กรมักหยุดอยู่ที่ Notebook แบบจำลองพยากรณ์ยอดขายหรือความเสี่ยงที่สร้างเสร็จแล้วไม่ได้ถูกนำไปใช้จริง เพราะระบบอื่นเรียกใช้ไม่ได้ ไม่มีใครรู้ว่าโมเดลรุ่นไหนดีที่สุด และไม่มีการเก็บผลพยากรณ์ไว้ตรวจสอบย้อนหลัง คุณค่าของ Data Science…
งานจำนวนมากในองค์กรที่ใช้ Oracle Database ต้องประมวลผลข้อมูลหลายขั้นตอน เช่น คำนวณเงินเดือน ปิดยอดประจำวัน หรือย้ายข้อมูลระหว่างตาราง ถ้าเขียนเป็นคำสั่ง SQL ทีละคำสั่งจากฝั่งแอปพลิเคชัน งานจะช้า ดูแลยาก และเสี่ยงข้อมูลค้างครึ่งทางเมื่อเกิดข้อผิดพลาด PL/SQL…
Dashboard ที่ดีไม่ได้แค่บอกว่ายอดขายเป็นเท่าไร แต่ต้องช่วยตอบว่าทำไมตัวเลขจึงเปลี่ยน ลูกค้ากลุ่มไหนกำลังจะหายไป และจุดไหนผิดปกติจนต้องรีบดู Power BI มี AI Visuals ในตัวที่ช่วยหาคำตอบเหล่านี้ได้โดยไม่ต้องเขียนโค้ด และเมื่อโจทย์ซับซ้อนขึ้นก็ต่อยอดด้วย Python…
หลายองค์กรอยากให้ทุกฝ่ายดู Dashboard จากข้อมูลชุดเดียวกัน แต่ติดเรื่องค่า License ต่อผู้ใช้ ข้อมูลที่ต้องเก็บไว้บนเซิร์ฟเวอร์ของตัวเอง หรือฐานข้อมูลหลายชนิดที่เครื่องมือเดิมเชื่อมต่อได้ไม่ครบ Apache Superset เป็นแพลตฟอร์ม Business Intelligence…