เปิดทำการกี่โมง?

จันทร์ 09:00 - 17:00 อังคาร 09:00 - 17:00 พุธ 09:00 - 17:00 พฤหัสบดี 09:00 - 17:00 ศุกร์ 09:00 - 17:00

KNIME Thailand User Group, Bangkok (2026)

25/12/2024

KNIME แพลตฟอร์ม 5.4 มีอะไรใหม่บ้าง⁉️
(What’s New in KNIME Analytics Platform 5.4)
สร้างเวิร์กโฟลว์แบบไร้โค้ดด้วย KNIME Platform 5.4 📲 ช่วยให้การออกแบบโมเดลวิเคราะห์ข้อมูลที่ซับซ้อนกลายเป็นเรื่องง่ายและสะดวกยิ่งขึ้น ดังนี้
1.การผสานรวมกับ Databricks (Databricks Integration) 🗃️
2.การปรับปรุงตัวเชื่อมต่อฐานข้อมูล (Database Connector Enhancements) 🔂
3.การปรับปรุงเวิร์กโฟลว์ (Workflow Enhancements) 💻
💡การใช้งานที่ง่ายขึ้น : เพิ่มฟีเจอร์เมนูแบบเลื่อนลงที่ค้นหาได้, การเปิดลิงก์ไฮเปอร์ลิงก์โดยตรง, ทางลัดแป้นพิมพ์, กล่องโต้ตอบสำหรับเพิ่มโหนดอย่างรวดเร็ว และเมนูที่ช่วยให้เชื่อมต่อโหนดได้สะดวกยิ่งขึ้น
📌การปรับปรุง Space Explorer: รองรับการเปิดเผยโปรเจกต์ใน Hub, ฟังก์ชันการคัดลอก และการนำเข้าเวิร์กโฟลว์ที่รองรับการจัดการเวอร์ชันด้วยการลากและวาง URL จาก Hub โดยตรง

20/12/2024

8 แนวทางในการสร้าง Prompt ✍🏻ที่ดีที่สุด
(8 best practices for effective prompt engineering)
เนื่องจาก AI 🤖 ถูกนำไปใช้ในหลายอุตสาหกรรม การสร้าง Prompt 📝 จึงเป็นสิ่งสำคัญในการใช้งานเทคโนโลยีนี้ โดยการใช้ Prompt ที่ชัดเจนและเฉพาะเจาะจงช่วยลดข้อผิดพลาด ✔️ ทำให้ประสิทธิภาพและความแม่นยำในการใช้งานจึงจำเป็น ต้องใช้เวลาในการฝึกฝน พัฒนาทักษะการเขียน ซึ่งมี 8 แนวทางในการสร้าง Prompt ดังนี้
🔷1.ระบุคำสั่งให้ชัดเจน (Be specific) เพื่อให้ได้ผลลัพธ์หรือคำตอบตรงกับความต้องการมากที่สุด โดยใช้วิธี Random Forest

🔷2.เริ่มต้นในการระบุคำสั่ง (Put instructions first) “ฉันต้องการให้…” เช่น การสรุปบทความ แปลภาษา เป็นต้น ช่วยลดขั้นตอน🔻และป้องกันการประมวลผลช้า

🔷3.การเพิ่มตัวอย่างประกอบ (Include examples) เพื่อชี้แนะแนวทางลักษณะคำตอบ ตัวอย่างการสร้างชุดข้อมูลสำหรับวิเคราะห์แนวโน้มสภาพภูมิอากาศ เช่น || ประเทศ | การปล่อยมลพิษ | อุณหภูมิเฉลี่ย | ปริมาณน้ำฝน ||

🔷4.ออกแบบ Prompt (Structure your prompt) โดยใช้สัญลักษณ์ เช่น # # # หรือ """""" เป็นต้น ช่วยให้โมเดลเข้าใจจุดประสงค์และความต้องการ เหมาะสำหรับการออกคำสั่งที่มีความซับซ้อน🧠 ตัวอย่างเช่น ย่อหน้า: # # # {คำสั่ง} # # #

🔷5.แบ่งคำสั่งย่อย (Break down tasks) ในกรณีที่ต้องการคำตอบที่ซับซ้อน เนื่องจากต้องใช้การวิเคราะห์เชิงเหตุผล ตัวอย่าง การออกคำสั่งวิเคราะห์งานวิจัย🔬 เช่น ช่วยวิเคราะห์งานวิจัยด้านล่างนี้ โดยทำตามขั้นตอนดังนี้: (ระบุคำสั่งหรือคำถาม)

🔷6.กำหนดหน้าที่ บทบาท หรือคุณสมบัติ (Assign a persona) ช่วยให้โมเดลเรียนรู้💻เเละเข้าใจจุดประสงค์ที่ชัดเจน เพื่อตอบสนองให้สอดคล้องกับความต้องการ เช่น “จินตนาการว่าคุณคือ X” หรือ “ปฏิบัติตัวเป็น X”

🔷7.ระบุกลุ่มเป้าหมาย ผู้ที่สนใจ หรือระดับความเข้าใจของผู้รับสาร (Specify the audience) ช่วยเพิ่มข้อมูลให้ ระบบ AI เรียนรู้และเข้าใจ เช่น อธิบาย การวิเคราะห์ข้อมูลถดถอยเชิงเส้น คืออะไร ให้กับนักเรียนมัธยมต้นที่ไม่มีพื้นฐานเกี่ยวกับแคลคูลัส🧮 เป็นต้น

🔷8.เรียนรู้และปรับปรุง (Learn and refine) การสร้าง Prompt อย่างมีประสิทธิภาพต้องอาศัยการทดลองและปรับปรุงอย่างต่อเนื่องเพื่อให้ได้ผลลัพธ์ที่ตรงความต้องการ โดยกำหนดให้โมเดลตอบเฉพาะข้อมูลที่มีในฐานความรู้ หรือ❌ปฏิเสธหากไม่มีข้อมูลที่เหมาะสม ซึ่งการระบุคำสั่งอย่างชัดเจนช่วยลดข้อผิดพลาด
จากแนวทางการสร้าง Prompt ✍🏻ที่ดีที่สุด ที่กล่าวไปข้างต้น ช่วยแสดงให้เห็นถึงความสามารถในการเรียนรู้ของ AI อย่างมีระบบและขั้นตอน ✅บริษัท อินเทลลิจิสต์ จำกัด (มหาชน) เป็นตัวแทนจำหน่ายซอฟต์แวร์ KNIME รายแรกในประเทศไทย ซึ่งเป็นผู้ให้บริการซอฟต์แวร์ที่ครอบคลุมทุกขั้นตอนของ Data Science เพื่อทำให้การวิเคราะห์ข้อมูลของคุณง่ายและสะดวกยิ่งขึ้น

#จัดเก็บข้อมูล

17/12/2024

What is Agentic AI? Definition, features, and governance considerations 🔎
(Agentic AI คืออะไร คำจำกัดความ คุณสมบัติ และข้อควรพิจารณาด้านการกำกับดูแล)
ความก้าวหน้าที่ยิ่งใหญ่ที่จะเปลี่ยนแปลงธุรกิจและเทคโนโลยีในอนาคตอย่าง Agentic AI 🤖ซึ่งแตกต่างจาก AI ทั่วไปและสามารถนำไปประยุกต์ใช้ได้จริงอย่างไร?

Agentic AI คืออะไร?🤖
คือ ระบบปัญญาประดิษฐ์ที่มีอำนาจในการตัดสินใจจากข้อมูลที่ได้รับ โดยมีการควบคุมจากมนุษย์อย่างจำกัด

Agentic AI 🤖และ AI ทั่วไป🦾 มีความแตกต่างกันอย่างไร?
ระบบ Agentic AI สามารถปรับการดำเนินการอย่างอัตโนมัติเพื่อบรรลุเป้าหมาย โดยมีความสามารถในการตัดสินใจด้วยตนเอง ขณะที่ระบบ AI ทั่วไป จะแจ้งเตือนไปยังผู้ดูแลจัดการสต็อกสินค้าในการตัดสินใจคำสั่งซื้อและปรับราคา

💡การประยุกต์ใช้งานจริงของ Agentic AI
การใช้ Agentic AI ได้รับความสนใจเป็นอย่างมากเนื่องจากศักยภาพในการทำงาน แต่ยังนำมาประยุกต์ใช้งานจริงยาก จึงจำเป็นต้องมีการควบคุมและกำกับดูความเสี่ยงโดยมนุษย์ ซึ่ง Agentic AI เพิ่มศักยภาพในการทำงาน ดังนี้

🔸การเพิ่มประสิทธิภาพในห่วงโซ่อุปทาน: Agentic AI สามารถจัดการสต็อกสินค้า ทำนายความต้องการ เพิ่มประสิทธิภาพการขนส่งลดต้นทุนและเวลาการจัดส่งได้ด้วยตนเอง

🔶การขับเคลื่อนยานยนต์ด้วยระบบอัตโนมัติ: การใช้ Agentic AI ช่วยประมวลผลข้อมูลจากสิ่งแวดล้อมรอบข้างแบบเรียลไทม์ เพื่อหลีกเลี่ยงสิ่งกีดขวางและความปลอดภัยโดยไม่ต้องมีการแทรกแซงจากมนุษย์

🔶การวินิจฉัยทางการแพทย์: สามารถใช้ Agentic AI ในการวิเคราะห์ภาพเพื่อระบุโรคหรือภาวะต่าง ๆ และแนะนำทางเลือกในการรักษาได้โดยอัตโนมัติ
อย่างไรก็ตาม Agentic AI ช่วยเสริมศักยภาพใหเกับหลายอุตสาหกรรม โดยสามารถดำเนินการได้โดยไม่ต้องพึ่งมนุษย์ ในขณะที่ยังมีการใช้โมเดลของ AI ทั่วไป เช่น GPT4o ทำให้ลักาณะของ AI ทั้งสองชนิดนี้ยังมีคุณสมบัติที่คล้ายคลึงกันอยู่

-------------------------------------------
📌ช่องทางการติดตาม KNIME Thailand User Group📌
💙page : KNIME Thailand User Group
🌐Website : https://www.intelligist.co.th
❤️Youtube : Intelligist Channel
📩E-mail : [email protected]

11/12/2024

Data warehouse🏠 vs Data lake🚤: Key differences and how to choose
(Data Warehouse เทียบกับ Data Lake: ความแตกต่างที่สำคัญและวิธีการเลือก)
เมื่อองค์กร🏢เลือกออกแบบวางแผนกลยุทธ์จัดการข้อมูล ขั้นแรกและขั้นตอนที่สำคัญที่สุดคือ การเลือกวิธี🔎และสถานที่📍ในการจัดเก็บข้อมูล โดยบางองค์กรอาจเลือกจัดเก็บข้อมูลอย่างเป็นระบบ ไว้ใน Data Warehouse (DWH) 🏠 และบางองค์กรอาจเลือกจัดเก็บข้อมูลจำนวนมากแบบไม่แบ่งประเภทโครงสร้างข้อมูลไว้ใน Data Lake (DL) 🚤แหล่งจัดเก็บข้อมูลทั้งสองประเภทนี้มีคุณสมบัติที่แตกต่างกัน

--------------------------------------------
📌ช่องทางการติดตาม KNIME Thailand User Group📌
💙page : KNIME Thailand User Group
🌐Website : https://www.intelligist.co.th
❤️Youtube : Intelligist Channel
📩E-mail : [email protected]

25/11/2024

How to start thinking about data science 💡(เริ่มต้นกับวิทยาศาสตร์ข้อมูล)
Data science อาจดูเป็นเรื่องยากสำหรับนักการตลาด หรือพนักงานขายสำหรับการจัดการข้อมูลที่ซับซ้อนโดยใช้เทคโนโลยีขั้นสูงในการวิเคราะห์และคาดการณ์แนวโน้มในอนาคต โดยมีรายละเอียดหัวข้อที่สำคัญที่สุดในการเรียนรู้ Data science ได้ง่ายขึ้น ดังนี้

✍🏻เรียนรู้ขั้นเริ่มต้น
🗃️รวบรวมและเตรียมข้อมูลจากหลายแหล่งโดยใช้เทคนิคการดึงข้อมูล ประมวลผล และจัดการข้อมูล
🧠ใช้ Data mining ในการวิเคราะห์ข้อมูลเพื่อค้นหารูปแบบ แนวโน้ม และความสัมพันธ์ในข้อมูล
📖สร้างรายงานเพื่อนำเสนอผลการวิเคราะห์โดยใช้ Data visualization

🎓เรียนรู้ขั้นสูง
📊พัฒนาแบบจำลองทางสถิติและการทำนายด้วยเทคนิคการเรียนรู้ของเครื่องและ AI
💻สร้างแดชบอร์ดและรายงานแบบโต้ตอบเพื่อนำเสนอผลการวิเคราะห์
การเผชิญกับข้อมูลที่หลากหลายและซับซ้อน ซึ่งอาจมีแหล่งข้อมูลจากแหล่งที่ต่างกันเพื่อให้ได้ข้อมูลเชิงลึกที่ถูกต้องในการวิเคราะห์ข้อมูล การเรียนรู้ Data science ควรเข้าใจหลักการของวงจรชีวิตข้อมูล♻️ แนวคิด การดำเนินการ และหลักในการประมวลผลเบื้องต้นก่อนลงลึกถึงการเขียนโค้ด ออกแบบระบบการทำงานให้กับ ML

--------------------------------------------
📌ช่องทางการติดตาม KNIME Thailand User Group📌
💙page : KNIME Thailand User Group
🌐Website : https://www.intelligist.co.th
❤️Youtube : Intelligist Channel
📩E-mail : [email protected]

13/11/2024

9️⃣ Best practices to boost automated business reporting (9 แนวทางปฏิบัติที่ดีที่สุดในการเพิ่มประสิทธิภาพการรายงานธุรกิจ)
รายงาน (Report) 📊มีความสำคัญต่อการตัดสินใจ โดยการอ้างอิงข้อมูลจำนวนมากในการสร้างและตรวจสอบรายงาน บริษัทจึงจำเป็นต้องใช้กระบวนการอัตโนมัติในการสร้างและปรับปรุงคุณภาพ✅ เช่น การปรับขนาดกราฟและจัดการเอกสาร เพื่อให้ได้ข้อมูลที่มีประสิทธิภาพและดูเป็นมืออาชีพ และมี 9 แนวทางปฏิบัติที่ดีที่สุด ดังนี้

🎯Align visualizations to suit your user’s preferences (ปรับการแสดงภาพให้ตรงตามความต้องการของผู้ใช้)

🌈sign your corporate color scheme (ใช้สีที่สอดคล้องกับแบรนด์)

🗓️Ensure information in tables is visible at a glance (ทำให้ข้อมูลในตารางชัดเจนและเข้าใจง่าย)

🖼️Improve report formatting by checking aspect ratios (ปรับอัตราส่วนภาพเพื่อให้รูปแบบรายงานเกิดความสมดุล)

🔎Improve text readability by adding line breaks (เพิ่มการเว้นบรรทัดเพื่อให้อ่านเนื้อหาง่ายขึ้น)

💬Adjust text size to keep report on one page (จัดรายงานให้อยู่ในหนึ่งหน้าเพียงปรับขนาดข้อความให้เหมาะสม)

🧠Ensure you show succinct, meaningful information with customized views (แสดงข้อมูลที่สั้นกระชับและเปิดมุมมองทางความคิด)

👀Ensure clarity of information in report (ทำให้ข้อมูลในรายงานชัดเจนและเข้าใจง่าย)

💡Use custom layout styles to improve visual appeal and readability (ออกแบบเค้าโครงที่อ่านง่ายและดึงดูดความสนใจ)

--------------------------------------------
📌ช่องทางการติดตาม KNIME Thailand User Group📌
💙page : KNIME Thailand User Group
🌐Website : https://www.intelligist.co.th
❤️Youtube : Intelligist Channel
📩E-mail : [email protected]

17/10/2024

Data Lifecycle♻️ The 8️⃣ Stages and Who is Involved (วงจรชีวิตข้อมูล: 8 ขั้นตอนและใครบ้างที่เกี่ยวข้อง)
ทุกวันนี้ข้อมูลกลายเป็นสิ่งสำคัญในการขับเคลื่อนองค์กร เพื่อส่งเสริมศักยภาพ✨ ในการดำเนินธุรกิจให้เหนือกว่าคู่เเข่ง ธุรกิจจึงจำเป็นต้องทำความเข้าใจเกี่ยวกับวงจรชีวิตของข้อมูล เพื่อเปิดมุมมอง💡 ของการทำโครงการตัวอย่างในการวิเคราะห์ความต้องการของลูกค้าและนำไปปรับปรุงแนวทางในการให้บริการ ซึ่งวงจรชีวิต♻️ของข้อมูลช่วยให้จัดการข้อมูลให้ถูกต้อง ปลอดภัย และมีประสิทธิภาพ ดังนี้
1️⃣Data Generation การสร้างข้อมูล: จุดเริ่มต้นของวงจรชีวิตข้อมูลจากแหล่งต่างๆ ไม่ว่าจะเป็นการโต้ตอบลูกค้า ธุรกรรม📄ทางธุรกิจหรือการเงิน💰 IoT และกิจกรรมโซเชียลมิเดีย📱 เช่น การบันทึกข้อมูล ณ จุดขายด้วยระบบโปรแกรม (POS), รถเข็นหรือตระกร้า🛒 สินค้าชอปปิงในระบบอีคอมเมิร์ซ และแบบฟอร์มข้อเสนอแนะ เป็นต้น

2️⃣Data Collection การรวบรวมข้อมูล: เป็นการรวบรวมข้อมูลที่มีโครงสร้างจากทุกแหล่ง 🗃️ ซึ่งเป็นขั้นตอนที่มีความสำคัญสำหรับการวิเคราะห์ด้วยข้อมูลที่ถูกต้อง เช่น ข้อมูลจากแบบสอบถาม บันทึกรายการธุรกรรม📄 การสังเกต และเซ็นเซอร์ IoT เป็นต้น

3️⃣Data Processing การประมวลผลข้อมูล: ในขั้นตอนนี้จะใช้ข้อมูลที่ถูกทำความสะอาด🧹และตรวจสอบข้อมูลที่มีความถูกต้องน่าเชื่อถือในการวิเคราะห์หรือประมวลผลข้อมูล🧠

4️⃣Data Storage การจัดเก็บข้อมูล: การจัดเก็บข้อมูลให้ปลอดภัย มีการสำรองข้อมูล และสะดวกต่อการเข้าถึงข้อมูล แต่ข้อมูลยังคงความเป็นส่วนตัว🔐 ซึ่งมีแหล่งจัดเก็บข้อมูลมากมายให้เลือกใช้ตามความเหมาะสมกับความต้องการความปลอดภัยหรือการป้องกันข้อมูล เช่น Database, Data Warehouse🏢, Cloud storage solutions☁️, Data lakes และOn-location storage เป็นต้น

5️⃣Data Management การจัดการข้อมูล: เป็นขั้นตอนที่ครอบคลุมถึงการจัดระเบียบ🗄️ บำรุงรักษาปกป้องข้อมูลด้วยระบบรักษาความปลอดภัย⛓️‍💥ในการเข้าถึงและดึงข้อมูล เพื่อให้แน่ใจว่าข้อมูลที่จะนำไปใช้

6️⃣Data Analysis การวิเคราะห์ข้อมูล: เป็นขั้นตอนที่ต้องเลือกใช้เครื่องมือและเทคนิคในการวิเคราะห์เพื่อหาแนวโน้มและความสัมพันธ์🔂ของข้อมูล ซึ่งรูปแบบการวิเคราะห์ดังนี้ การวิเคราะห์เชิงพรรณนา ช่วยให้เห็นภาพรวมว่าองค์กร, การวิเคราะห์การวินิจฉัย ช่วยให้ธุรกิจมองเห็นถึงปัญหา, การวิเคราะห์เชิงคาดการณ์ ช่วยคาดการณ์แนวโน้มในอนาคต📈 และการวิเคราะห์เชิงกำหนด ช่วยระบุขั้นตอนในการทำงานให้บรรลุเป้าหมาย 💡เพื่อให้ธุรกิจตัดสินใจได้อย่างแม่นยำ

7️⃣Data Visualization การแสดงข้อมูลด้วยภาพ: ข้อมูลที่ได้จากการวิเคราะห์เป็นข้อมูลที่ซับซ้อนเข้าใจยาก🧠 การแสดงข้อมูลด้วยภาพ🏞️สามารถให้บุคคลทั่วไปหรือผู้บริหารเข้าใจง่ายขึ้น เช่น ภาพแผนภูมิและกราฟ📊 ระบบสารสนเทศภูมิศาสตร์ แดชบอร์ดแบบโต้ตอบและแบบเรียลไทม์ ฮิสโทแกรม เป็นต้น

8️⃣Data Interpretation การตีความข้อมูล: ขั้นตอนสุดท้ายในวงจรชีวิตข้อมูล เป็นขั้นตอนการวิเคราะห์และสรุปข้อมูลเชิงลึก เช่น 🎯คำเเนะนำเชิงกลยุทธ์ทางการตลาด 👩🏻‍💼การพัฒนาผลิตภัณฑ์และการให้บริการ เพื่อนำไปประกอบการตัดสินใจเชิงกลยุทธ์และปรับปรุงผลลัพธ์สำหรับองค์กร
วงจรชีวิตของข้อมูล♻️กลายเป็นกรอบงานที่ช่วยชี้นำการจัดการและการใช้ข้อมูลเพื่อการตัดสินใจทางธุรกิจเพื่อปลดล็อก🔓ศักยภาพของข้อมูลและนำไปใช้ให้เกิดประโยชน์สูงสุดจากการเข้าใจขั้นตอนในแต่ละขั้น

--------------------------------------------
📌ช่องทางการติดตาม KNIME Thailand User Group📌
💙page : KNIME Thailand User Group
🌐Website : https://www.intelligist.co.th
❤️Youtube : Intelligist Channel
📩E-mail : [email protected]

10/10/2024

How to automate data cleaning🧹: Step-by-step🪜 guide
(วิธีการทำความสะอาดข้อมูลอัตโนมัติ: คำแนะนำทีละขั้นตอน)
โดยทั่วไปแล้วเราจะเสียเวลา⏰ไปกับการทำความสะอาดข้อมูลดิบ🧹ให้พร้อมต่อการนำไปวิเคราะห์ต่อมากถึง 45% การใช้KNIME ช่วยในการทำความสะอาดและจัดเตรียมข้อมูลโดยอัตโนมัติเพื่อให้พร้อมต่อการใช้งาน👩🏻‍💻 ซึ่งมีกระบวนการดังนี้

1️⃣Pull in data from multiple sources 🗃️(การรวบรวมข้อมูล): การดึงหรือรวบรวมข้อมูลจากแหล่งต่างๆทั้งหมดที่มี เช่น ข้อมูลบนคลาวด์ ☁️สเปรดชีต ฐานข้อมูล ไฟล์แนบ🗂️ หรือAPI สามารถดาวน์โหลด KNIME Analytics Platform เพื่อดึงข้อมูลโดยอัตโนมัติ

2️⃣Clean and manipulate data in seconds (ทำความสะอาดและจัดการข้อมูล): เมื่อข้อมูลถูกรวบรวมไว้แล้วขั้นตอนต่อไปคือการสร้างเวิร์กโฟลว์♻️เพื่อทำความสะอาดข้อมูลให้เกิดระบบอัตโนมัติอย่างต่อเนื่อง ซึ่งKNIME มีระบบเวิร์กโฟลว์ด้วยโหนดและลากวางเชื่อมต่อกันทุกโหนด ไม่ว่าจะเป็นการอ่าน ทำความสะอาด แปลงข้อมูลเพื่อรวบรวมและส่งข้อมูลออกไปใช้งานโดยอัตโนมัติ ทำให้ง่าย สะดวก รวดเร็ว⏰ นอกจากนี้ KNIME GenAI ยังมีระบบผู้ช่วยอย่าง K-AI เพื่อสร้างเวิร์กโฟลว์ผ่านการแชท ซึ่งสามารถดำเนินการได้ภายในไม่กี่นาที

3️⃣Set up your data cleaning automation with rules (ตั้งค่าเงื่อนไขในการทำความสะอาดข้อมูล): เมื่อสร้างระบบเวิร์กโฟลว์♻️เพื่อการทำงานโดยอัตโนมัติแล้ว KNIME สามารถแชร์ระบบเวิร์กโฟลว์เพื่อการทำงานร่วมกับผู้อื่นหรือการทำงานเป็นทีมได้โดยการตั้งค่าการทำความสะอาดข้อมูลทุกๆวัน สัปดาห์หรือเดือน ในช่วงเวลาใดบ้าง🗓️เพื่อให้พร้อมต่อการวิเคราะห์ข้อมูล
KNIME Analytics Platform ไม่เพียงแต่ช่วยทำความสะอาดข้อมูลโดยอัตโนมัติแต่ยังช่วยลดข้อผิดพลาดที่อาจเกิดขึ้นจากการทำงานของมนุษย์อีกด้วย

--------------------------------------------
📌ช่องทางการติดตาม KNIME Thailand User Group📌
💙page : KNIME Thailand User Group
🌐Website : https://www.intelligist.co.th
❤️Youtube : Intelligist Channel
📩E-mail : [email protected]

27/09/2024

How to automate data access and collection 🗃️✨
วิธีการเข้าถึงและรวบรวมข้อมูลโดยอัตโนมัติ

ก่อนที่จะเริ่มทำการวิเคราะห์ข้อมูลขั้นตอนแรกคือการเข้าถึงข้อมูลที่มีทั้งหมด ซึ่งต้องอาศัย💡ความรู้ความสามารถในการจัดการโครงสร้างข้อมูลและการใช้เทคโนโลยีที่มีความซับซ้อน โดยการใช้ระบบอัตโนมัติเพื่อเชื่อมช่องว่างระหว่างแหล่งข้อมูล🗃️กับแพลตฟอร์ม📲 ระบบอัตโนมัติจะช่วยอัปเดตข้อมูลให้พร้อมสำหรับการนำไปวิเคราะห์ ✨สามารถสร้าง Workflow เพื่อให้ข้อมูลปรับแต่งเองได้โดยอัตโนิมัติเพียงครั้งเดียว ✅เพื่อให้ระบบสามารถทำงานได้อย่างต่อเนื่อง เพียงการใช้ KNIME ด้วยวิธีดังนี้

⌚️Schedules (การกำหนดเวลา): การกำหนดเวลาในระบบ Workflow ช่วยสร้างความมั่นใจว่าข้อมูลที่จะนำมาใช้นั้นเป็นปัจจุบัน เพื่อให้ได้ข้อมูลที่ทันสมัย✨ เช่น การดึงข้อมูลการขายจากฐานข้อมูลในทุกเช้า เป็นต้น

Riggers (ตัวจับสัญญาณ): โดยการตั้งค่าระบบ Workflow ในการตรวจจับเหตุการณ์ที่แปลกใหม่ไปจากเดิมเพื่อให้ระบบสามารถดำเนินงานต่อโดยอัตโนมัติ 🔂 เช่น ระบบ CRM ถูกเพิ่มข้อมูลการซื้อของลูกค้าใหม่ลงในระบบ Triggers สามารถนำข้อมูลใหม่ไปคัดกรองและรวบรวมไว้ในแหล่งข้อมูลที่มีอยู่🗃️

การเชื่อมต่อข้อมูลเพื่อใช้ในการวิเคราะห์เป็นเรื่องที่ต้องใช้เวลา การใช้ KNIME เป็นอีกหนึ่งทางเลือกในการปรับปรุงวิธีการและประสิทธิภาพในการทำงานโดยการใช้เทคโนโลยีที่ทันสมัย ✅ตอบโจทย์กับการทำงานที่มีความซับซ้อนยุ่งยากให้ทำงานได้โดยอัตโนมัติ ช่วยประหยัดเวลาและความเสี่ยงต่อการเกิดข้อผิดพลาด✨

--------------------------------------------
📌ช่องทางการติดตาม KNIME Thailand User Group📌
💙page : KNIME Thailand User Group
🌐Website : https://www.intelligist.co.th
❤️Youtube : Intelligist Channel
📩E-mail : [email protected]

23/09/2024

7️ time-saving GenAI 🤖 use cases in KNIME
(7 ขั้นตอนการใช้งาน GenAI ที่ช่วยประหยัดเวลาใน KNIME)

จะเกิดอะไรขึ้นหากเพ่มฟังก์ชัน GenAI ลงในระบบ Workflow KNIME 📑เพื่อเพิ่มประสิทธิภาพในกระบวนการวิเคราะห์ข้อมูล ✅ลดขั้นตอนซ้ำซากให้กลายเป็นระบบอัตโนมัติ ด้วยการใช้กระบวนการ ดังนี้

1️⃣Data cleaning and preparation (การทำความสะอาดและจัดเตรียมข้อมูล) 🧹โครงการวิทยาศาสตร์ข้อมูลทุกโครงการเริ่มต้นด้วยการทำความสะอาดและจัดเตรียมข้อมูล🗃️ เพื่อรวบรวมและจัดเก็บข้อมูลที่กระจัดกระจายให้พร้อมสำหรับการวิเคราะห์ GenAI ช่วยทำความสะอาดและจัดเตรียมข้อมูล ✅ป้องกันข้อผิดพลาดของมนุษย์ ให้พร้อมต่อการใช้งานช่วยละระยะเวลาในการนำไปใช้วิเคราะห์ข้อมูล

2️⃣Text generation (การสร้างข้อความ)💬 การสร้างข้อความด้วย GenAI ช่วยให้ร่างอีเมล รายงาน บทความ การสรุป การวิเคราะห์ความรู้สึก การแปล สร้างแดชบอร์ด และบทสรุปตามการวิเคราะห์ข้อมูลได้อย่างอัตโนมัติ โดยการใช้ภาษาทางธรรมชาติ (NLP) 🍃ในการสร้างเนื้อหา เพื่อปรับปรุงประสบการณ์ผู้ใช้และการสร้างรายงานอัตโนมัติ

3️⃣Sentiment analysis (การวิเคราะห์ความรู้สึก) การวิเคราะห์ความรู้สึกจากข้อความ😊😍🥲สามารถทำได้โดยการใช้อัลกอริทึมและการประมวลผลภาษาธรรมชาติ (NLP)🍃 ซึ่ง GenAI สามารถเข้ามาช่วยในการวิเคราะห์และจัดหมวดหมู่ความรู้สึก เช่น เชิงบวก➕ เชิงลบ➖ หรือเป็นกลาง🟰 อีกทั้งยังช่วยในการคัดกรองและประเมินความถูกต้อง เพื่อให้ได้ผลลัพธ์ที่มีประสิทธิภาพ นับเป็นเครื่องมือที่มีประโยชน์ในการตรวจสอบและจัดประเภทบทวิจารณ์📃หรือความคิดเห็น เพื่อช่วยปรับปรุงการดำเนินงานและการตัดสินใจต่าง ๆ เป็นต้น

4️⃣Text summarizationก (การสรุปเนื้อหา) การสรุปย่อเนื้อหาใจความสำคัญและแนวความคิดหลัก โดยการใช้ GenAI เป็นตัวช่วย รวบรวมและเตรียมข้อมูลข้อความ💬, สร้างคำสั่งเพื่อชี้นำโมเดลภาษาในการสร้างสรุป📊, ใช้เทคนิค RAG เพื่อดึงข้อมูลสำคัญ, ป้อนข้อมูลสู่โมเดลเพื่อสร้างสรุป, ประเมินและปรับปรุงสรุป เพื่อส่งผลลัพธ์นำไปวิเคราะห์ 📈ด้วยกระบวนการเหล่านี้ช่วยให้ดึงข้อมูลสำคัญที่ยังคงความหมายและบริบทของประโยคให้เข้าใจง่ายช่วยลดจำนวนคนในการทำงาน เพิ่มความรวดเร็ว💨และประสิทธิภาพในการทำงาน

5️⃣Question answering (การตอบคำถาม) ใช้ GenAI ช่วยวิเคราะห์คำถาม 🧹รวบรวมและทำความสะอาดข้อมูล , ใช้เทคนิค RAG เพื่อค้นหาคำตอบที่เหมาะสม เพื่อสร้างคำตอบให้ใกล้เคียงกับบริบทคำถามและนำไปใช้งานด้วยระบบถามตอบ ช่วยประหยัดเวลา⏰เพิ่มประสิทธิภาพในการนำข้อมูลไปใช้งานเพื่อแก้ไขปัญหาหรือตอบข้อสงสัย

6️⃣Language translation (การแปลภาษา) ใช้โมเดลพื้นฐานการประมวลผล (LLM) ของGenAI ในการแปลภาษา🌏โดยการรวบรวมและเตรียมข้อมูล, ออกแบบคำกระตุ้นเพื่อให้บริบทที่ชัดเจน, ใช้เทคนิค RAG เพื่อดึงข้อมูลที่เกี่ยวข้อง ✅ช่วยให้มนุษย์ทำงานได้สะดวกมากยิ่งขึ้น

7️⃣ Topic modeling (การสร้างแบบจำลองหัวข้อ) ช่วยให้การฝึกแบบจำลอง โดยการรวบรวมและทำความสะอาดข้อมูล🧹, การใช้โมเดลภาษาเพื่อสร้างหัวข้อ, ปรับปรุงผลลัพธ์ผ่านการทดลองและการทำซ้ำ ช่วยให้ระบบเข้าใจ✨พฤติกรรมมนุษย์และเข้าใจข้อมูลเชิงลึกในระดับย่อยได้ดียิ่งขึ้น

การนำ Gen AI มาประยุกต์ใช้ร่วมกับระบบ Workflow in KNIME นั้นช่วยลกระบวนการทำงานที่ซ้ำซากให้กลายเป็นระบบอัตโนมัติ ✅

--------------------------------------------
📌ช่องทางการติดตาม KNIME Thailand User Group📌
💙page : KNIME Thailand User Group
🌐Website : https://www.intelligist.co.th
❤️Youtube : Intelligist Channel
📩E-mail : [email protected]

KNIME Thailand User Group

25/12/2024

20/12/2024

17/12/2024

11/12/2024

25/11/2024

13/11/2024

17/10/2024

10/10/2024

27/09/2024

23/09/2024

ที่อยู่

เวลาทำการ

เบอร์โทรศัพท์

เว็บไซต์

แจ้งเตือน

ติดต่อ ธุรกิจของเรา

ทางลัด

แชร์

ประเภท

จันทร์	09:00 - 17:00
อังคาร	09:00 - 17:00
พุธ	09:00 - 17:00
พฤหัสบดี	09:00 - 17:00
ศุกร์	09:00 - 17:00