Category: data engineering
-
มาลองนึกดู ผมจำได้ว่าตอนเรียนหนังสือ มีวิชาที่เข้าใจไวมาก และมีวิชาที่ต้องอ่านซ้ำหลายรอบกว่าจะเก็ท แต่ว่าในห้องเรียน ครูสอนทุกคนในความเร็วเดียวกัน เนื้อหาเดียวกัน วิธีเดียวกัน ถ้าเกิดว่าคุณโชคดี จังหวะของคุณตรงกับจังหวะของครู คุณก็เรียนได้ดี ถ้าไม่ตรง ก็แล้วแต่ดวงครับ ปัญหานี้ไม่ใช่ความผิดของครูหรือนักเรียน มันเป็นข้อจำกัดของระบบที่ออกแบบมาเพื่อสอนคนจำนวนมากพร้อมกันในคราวเดียว ซึ่งในยุคที่ยังไม่มีเทคโนโลยีมันก็ถือว่าเป็นวิธีที่ดีที่สุดเท่าที่มีอยู่ แต่ตอนนี้มันไม่ใช่วิธีที่ดีที่สุดอีกแล้วครับ เพราะ data และเทคโนโลยีกำลังทำให้การศึกษาแบบ “ไซส์เดียวใส่ได้ทุกคน” กลายเป็นอดีต และเปิดทางให้การเรียนรู้ที่ตอบสนองต่อตัวเราแต่ละคนได้จริงๆ ปัญหาของห้องเรียนแบบเดิมที่ data เห็นชัดกว่าความรู้สึก ลองดูตัวเลขง่ายๆ กันก่อนครับ ในห้องเรียน 40 คน ถ้าครูสอนในความเร็วที่พอดีกับนักเรียนที่อยู่ตรงกลาง คนที่เข้าใจเร็วกว่าจะเบื่อและรอ คนที่ต้องการเวลามากกว่าจะตามไม่ทันและเริ่มหลุดจากเรื่องที่เรียน ทั้งสองกลุ่มนี้รวมกันอาจเป็นครึ่งหนึ่งของห้องเรียน แต่ที่น่าสนใจกว่านั้นคือ เราไม่เคยรู้แน่ชัดว่านักเรียนแต่ละคนหลุดตรงไหน ครูรู้ได้แค่ตอนสอบ ซึ่งก็สายเกินไปแล้วสำหรับการแก้ไขในเทอมนั้นๆ Data มันจะเข้ามาเปลี่ยนตรงนี้ครับ แพลตฟอร์มการเรียนรู้ที่ดีสามารถเห็นได้แบบ real-time ว่านักเรียนใช้เวลากับเนื้อหาไหนนานผิดปกติ ทำข้อไหนผิดซ้ำๆ หรือข้ามเนื้อหาตรงไหนไปโดยไม่อ่านมันเลย สิ่งเหล่านี้เป็นสัญญาณที่มีค่ามากกว่าคะแนนสอบปลายเทอม เพราะมันบอกได้ว่าปัญหาเกิดที่ไหนและเมื่อไหร่ Adaptive Learning คืออะไร และทำงานยังไงในทางปฏิบัติ Adaptive Learning คือระบบการเรียนที่ปรับตัวตามผู้เรียนแต่ละคนในแบบ…
-
คำที่ได้ยินทุกที่ แต่ไม่มีใครอธิบายให้เข้าใจได้จริงๆ “Big Data” เป็นคำที่ผมได้ยินในห้องประชุมบ่อยมากครับ บางทีก็พูดกันแบบมั่นใจมาก บางทีก็พยักหน้าตามกันโดยที่ไม่แน่ใจว่าตัวเองเข้าใจจริงหรือเปล่า ถ้าคุณเป็นคนนึงที่เคยนั่งฟังแล้วคิดว่า “ฉันน่าจะรู้เรื่องนี้แล้วแต่ยังงงอยู่” ไม่ต้องรู้สึกแย่ครับ เพราะส่วนใหญ่คนที่พูดเรื่อง Big Data ก็อธิบายได้ไม่ครบเหมือนกัน Big Data ไม่ใช่แค่ “data เยอะๆ” ครับ มันมีความหมายที่เฉพาะเจาะจงกว่านั้น และถ้าเข้าใจมันจริงๆ จะเห็นว่ามันเกี่ยวข้องกับชีวิตประจำวันและธุรกิจในแบบที่ไม่เคยนึกถึงมาก่อน Big Data ไม่ใช่แค่ “data เยอะ” — มันต่างกันอย่างไร? นิยามที่ใช้กันมากที่สุดในวงการคือ 3V ครับ ซึ่งย่อมาจาก Volume, Velocity และ Variety บางคนเพิ่ม V ที่ 4 และ 5 เข้าไปด้วย คือ Veracity ความน่าเชื่อถือของข้อมูล และ Value ว่าข้อมูลที่มีสร้างประโยชน์จริงได้ไหม แต่ 3V หลักก็เพียงพอให้เข้าใจภาพรวมแล้วครับ Big…
-
เกริ่นนำ – ทุกคนถามว่า AI จะเข้ามาแทนที่ในงานต่างๆไหม แต่ไม่มีใครถามว่า แล้วมันสร้างงานอะไรใหม่ๆบ้าง ? ผมเข้าใจว่าทำไมคำถามแบบนี้ถึงน่ากลัวครับ แต่มันเป็นคำถามที่ผิดประมานครึ่งนึงเลยแหละ ประวัติศาสตร์ไม่เคยมีครั้งไหนที่เทคโนโลยีใหม่เข้ามาแล้วทำให้งานในโลกหายไปหมด มันเปลี่ยนรูปแบบบ้าง ย้ายคนบ้าง และแน่นอนว่าก็สร้างสิ่งใหม่ๆขึ้นมาแทนเสมอ เครื่องพิมพ์ดีดฆ่าอาชีพนักคัดลอก แต่สร้างเลขาและ typesetter อินเทอร์เน็ตฆ่าร้านเช่าวิดีโอ แต่ก็สร้าง YouTuber และ UX Designer AI ก็กำลังทำแบบเดียวกันครับ และถ้าดูให้ดี งานบางอย่างที่มันสร้างขึ้นน่าสนใจกว่างานที่มันกำลังค่อยๆแทนที่มากๆ หัวข้อที่ 1 – Prompt Engineer — อาชีพที่ฟังดูแปลก แต่ตลาดต้องการจริงๆ สองปีที่แล้วถ้าบอกว่ามีคนได้เงินเดือนหกหลักจากการ “คุยกับ AI ให้เป็น” คงมีคนหัวเราะอย่างแน่นอนครับ แต่ประเด็นคือ “ตอนนี้ไม่ตลกแล้ว” Prompt Engineer คือคนที่รู้ว่าจะสั่ง AI ยังไงให้ได้ผลลัพธ์ที่ใช้งานได้จริงในบริบทของธุรกิจ ฟังดูง่าย แต่ทำจริงๆยากกว่าที่คิดมากครับ เพราะมันไม่ใช่แค่พิมพ์คำถามสวยๆ มันคือการเข้าใจว่า model มีข้อจำกัดอะไร มันตอบสนองต่อ context…