SIT

05/04/2024

โกแลง (GOLANG) ใช้งานทำอะไรได้บ้าง หลายคนอยากรู้มาดูกัน

โกแลง หรือ GO เป็นภาษาโปรแกรมที่ออกแบบมาเพื่อใช้งานง่าย มีประสิทธิภาพ และเชื่อถือได้ พัฒนาโดย GOOGLE ในตอนแรกถูกใช้เพื่อสร้างระบบโครงสร้างพื้นฐาน(INFRASTRUCTURE) และเครื่องมือสำหรับการทำงานเครือข่าย(NETWORK TOOL) แต่ปัจจุบัน โกแลงกลายเป็นตัวเลือกยอดนิยมสำหรับการพัฒนาซอฟต์แวร์ประเภทต่างๆ

GOLANG เป็น COMPILED LANGUAGE ซึ่งหมายความว่าโค้ดที่เขียนจะถูกแปลโดยตรงเป็นรูปแบบที่โปรเซสเซอร์เข้าใจ ในขณะเดียวกันโปรแกรมใน JAVA จะถูกคอมไพล์เป็น BYTECODE ก่อนที่ดําเนินการโดยเครื่องเสมือน (VIRTUAL MACHINE)

แม้ว่า GO จะเป็นภาษาที่คล้ายกับ C มาก แต่ก็มีสิ่งที่ C ขาดไป เช่น GARBAGE COLLECTION, ความปลอดภัยของหน่วยความจํา การพิมพ์โครงสร้าง และการทํางานพร้อมกันแบบ CSP-STYLE CONCURRENCY นี่เป็นอีกเหตุผลหนึ่งที่ถือว่าเป็นหนึ่งในภาษาโปรแกรมที่ดีที่สุดภาษาหนึ่ง

อื่น ๆ ที่น่าสนใจ เช่น
ไวยากรณ์คล้ายกับ C มาก
มีความสามารถในการอ่านโค้ดได้ง่าย คล้าย Python
มันจัดการกับ parallelisms เช่น Java
มีความสามารถในการอ่านและการใช้งานของ JavaScript
มีประสิทธิภาพรันไทม์ของ C++

ประโยชน์ที่ได้จากความสามารถของภาษานี้คือ
1. ความเร็ว (Speed)
ตัว garbage collectors และ static types ใน Go ยังทําให้เร็วขึ้นเมื่อเทียบกับภาษาระดับสูงอื่น ๆ สําหรับการพัฒนาแอพพลิเคชั่น
แม้ว่าคุณจะเปรียบเทียบ Go กับ Java ซึ่งเป็นที่รู้ดีกันดีว่า Go ก็ชนะในเกณฑ์มาตรฐานความเร็ว

2. ความสามารถในการปรับขนาด (Scalability)
Golang เป็นภาษาโปรแกรมโอเพ่นซอร์ส ดังนั้นจึงไม่ใช่เรื่องใหม่สําหรับการดัดแปลงและเครื่องมือที่จะใช้ร่วมกัน ตัวอย่าง เช่น คุณสามารถค้นหาปลั๊กอินจํานวนมากในที่เก็บใน GitHub ของ Golang เพื่อปรับปรุงการทํางานของแอปของคุณ

Revive: ขยายกรอบการทํางานสําหรับการสร้างกฎที่กําหนดเองใน Go
Gotests: มีวิธีง่ายๆ ในการสร้างการทดสอบที่ขับเคลื่อนด้วยตารางโดยใช้ core logic

3. ความสะดวก (Convenience)
Go มักถูกเปรียบเทียบกับภาษาสคริปต์ เช่น Python เพื่อตอบสนองความต้องการของนักพัฒนา คุณลักษณะบางอย่างของมันถูกสร้างขึ้นแล้วใน Golang เช่น Goroutines สําหรับพฤติกรรมเหมือนเธรด(threadlike behavior) และการทํางานพร้อมกัน(concurrency) คุณสามารถค้นหาความสามารถอื่นๆ ได้อย่างง่ายดายในแพ็คเกจไลบรารีมาตรฐานของ Go

นอกจากนี้ Go ยังปฏิบัติตามโครงสร้างการทดสอบตามการใช้งาน เนื่องจากการทดสอบถูกรวมเข้ากับห่วงโซ่เครื่องมือ(toolchain) คุณจึงสามารถค้นหาและแก้ไขปัญหาก่อนที่จะส่งผลกระทบต่อสตรีมงานอื่นๆ คุณสมบัตินี้เพิ่มความสะดวกสบายและยังเพิ่มการบํารุงรักษาแอปพลิเคชัน

4. การสนับสนุน (Support)
Golang พัฒนาและดูแลโดย Google มีชุมชนขนาดใหญ่ที่สนับสนุน ดังนั้นคุณไม่ต้องกังวลหากคุณเคยประสบปัญหากับ Go code จะมีนักพัฒนา Go ผู้เชี่ยวชาญคอย support ได้แน่นอน

คุณสามารถสร้างแอป Golang บน Windows, Mac และ Linux นอกจากนี้ยังมี IDE และตัวแก้ไขจํานวนมากที่รองรับโค้ด Go เช่น:
VSCode
IntelliJ
Vim
Atom
Sublime
Emacs
Eclipse

นอกจากนี้ Golang ยังเข้ากันได้แบบย้อนหลัง(backward) ซึ่งหมายความว่าคุณสามารถเพิ่มการแก้ไขใหม่ ให้กับโค้ดเก่า ได้โดยไม่สดุดจนพัง หรือทําให้ช้าลง

คุณลักษณะนี้ยังเพิ่มความปลอดภัยและความน่าเชื่อถือของแอปพลิเคชัน นี่คือคุณสมบัติอื่น ๆ ของ Golang ที่ทําให้มันพิเศษ

Go เป็นภาษาที่ compile และ statically type ซึ่งช่วยให้นักพัฒนาสามารถค้นหาและแก้ไขปัญหาได้ตั้งแต่เนิ่นๆ
Go ได้รับการพัฒนาในลักษณะที่ทําให้นักพัฒนาสามารถเขียนโปรแกรมที่ทำงานกับระบบเครือข่ายระดับสูง และพร้อมกันได้ง่าย
Go ทําให้การย้ายโค้ดเป็นไปอย่างราบรื่นเนื่องจากจุดเด่นข้ามแพลตฟอร์ม (cross-platform) ได้ ซึ่งเป็นหนึ่งในข้อดีที่ดีที่สุด
Go รองรับ parallelism และการทํางานพร้อมกัน(concurrency) โดยกําเนิด และทําให้เป็นเทคโนโลยีที่สมบูรณ์แบบสําหรับแอปที่ต้องการทำงานผ่านระบบเครือข่าย(networking) การประมวลผลแบบขนาน(parallel processing) คอมพิวเตอร์ระบบใหญ่ ประมวลผลซับซ้อน (massive computing) ฯลฯ
ทำงานสอดคล้องกับรหัสเครื่อง(machine code) อย่างรวดเร็วและทําให้การอัปเดตแอปรวดเร็วและสร้างรหัสเครื่อง(machine code) ที่มีประสิทธิภาพ
มีโครงสร้างพื้นฐานในตัวมากมาย ตัวอย่าง เช่น รองรับโมเดลการทดสอบตามการใช้งานที่ให้คุณกําหนดและทดสอบโมดูลได้อย่างง่ายดาย
Golang มีคุณสมบัติ เช่น เวลาในการคอมไพล์ที่รวดเร็วการประกาศตัวแปรอัตโนมัติและ garbage collection ซึ่งไม่มีเวลาแฝง ดังนั้นจึงช่วยประหยัดเวลา(latency-free) ให้กับนักพัฒนาจากการจัดการหน่วยความจําด้วยตนเอง
ตัวอย่างการใช้งานทั่วไปของ โกแลง (Golang):
แอปพลิเคชั่นบนเว็บและฝั่งเซิร์ฟเวอร์: โกแลง (Golang) เหมาะอย่างยิ่งสำหรับการสร้างระบบ Backend ของเว็บแอปพลิเคชั่น ด้วยความเร็ว ฟีเจอร์ concurrency และการจัดการหน่วยความจำที่มีประสิทธิภาพ ทำให้ โกแลง เหมาะสำหรับการรองรับปริมาณการใช้งานจำนวนมาก
DevOps และ Site Reliability Engineering: โกแลง (Golang) เป็นที่นิยมในหมู่วิศวกร DevOps ด้วยความสามารถในการทำงานอัตโนมัติและสร้างเครื่องมือที่เชื่อถือได้ ฟีเจอร์ scripting ของ โกแลง (Golang) ช่วยลดขั้นตอนการทำงานอัตโนมัติและจัดการโครงสร้างพื้นฐานได้ง่ายขึ้น
เครื่องมือ Command-Line (CLIs): โกแลง (Golang) มี syntax ที่เรียบง่ายและกระบวนการ compile ที่มีประสิทธิภาพ เหมาะสำหรับการพัฒนาเครื่องมือ Command-Line ที่ทรงพลังและใช้งานง่าย
การเขียนโปรแกรมเครือข่าย: โกแลง (Golang) เป็นตัวเลือกที่ยอดเยี่ยมสำหรับการเขียนโปรแกรมเครือข่าย ฟีเจอร์ concurrency ในตัว ช่วยให้จัดการการเชื่อมต่อเครือข่ายหลายตัวพร้อมกันได้ง่าย
วิทยาศาสตร์ข้อมูล(Data Science) และ Machine Learning: แม้จะไม่ใช่ภาษาที่โดดเด่นที่สุดในสาขานี้ แต่ โกแลง (Golang) กำลังได้รับความนิยมมากขึ้นสำหรับนักวิทยาศาสตร์ข้อมูลบางกลุ่ม ด้วยความสามารถในการจัดการชุดข้อมูลขนาดใหญ่และคอลเล็กชันไลบรารีวิทยาศาสตร์ข้อมูลที่มีจำนวนเพิ่มมากขึ้น
Microservices: โกแลง (Golang) เน้นการสร้างบริการขนาดเล็กและ modular ซึ่งสอดคล้องกับสถาปัตยกรรม Microservices ซึ่ง Microservices เป็นที่นิยมสำหรับการสร้างแอปพลิเคชั่นขนาดใหญ่และซับซ้อน
การใช้งานอื่นๆ: โโกแลง (Golang) ยังสามารถใช้งานได้หลากหลาย นักพัฒนาซอฟต์แวร์ยังใช้ โกแลง (Golang) สำหรับการสร้าง web assembly แอปพลิเคชั่นเดสก์ท็อป และในบางกรณี โกแลง (Golang) ยังสามารถใช้พัฒนาเกมได้อีก

สรุป
Go เป็นสิ่งที่คุณสามารถพัฒนาฟังก์ชันการทํางานเกือบทุกอย่างที่คุณสามารถจินตนาการได้
ผู้นําในอุตสาหกรรม หลากหลายด้าน เช่น Netflix, Monzo, Uber และอื่น ๆ เลือกใช้ ซึ่งเป็นข้อพิสูจน์ และแน่นอนว่าจะได้รับแรงกระตุ้นเพิ่มขึ้นในอีกไม่กี่ปีข้างหน้า หากคุณต้องการใช้ภาษาที่ใช้งานง่ายและยังช่วยให้คุณได้ผลลัพธ์ที่ต้องการ ในต้นทุนที่ต่ำและประสิทธิภาพสูง

ใครมีอะไรที่อัพเดทก็มาเสริมกันได้ครับ

#สังคมแห่งการแบ่งปัน

29/03/2024

Mojo 🔥 — the programming language for all AI developers.
รู้หรือไม่เรามี ภาษาคอมพิวเตอร์เกิดใหม่ เมื่อ พฤษภาคม ปี 2023 อีก 1 ตัวคือ Mojo Language

ภาษาโมโจ (Mojo) เป็นภาษาโปรแกรมใหม่ล่าสุดที่ถูกออกแบบมาเพื่อใช้งานกับปัญญาประดิษฐ์ (AI) โดยเฉพาะ

Mojo คือภาษาการเขียนโปรแกรมเชิงนวัตกรรม ที่ผสมผสานการใช้งาน Python เข้ากับประสิทธิภาพของ C โดยได้รับการออกแบบมาโดยเฉพาะสำหรับการสร้างแอปพลิเคชัน AI ประสิทธิภาพสูง

จุดเด่นของภาษาโมโจ:

ผสมผสานความเรียบง่ายและใช้งานง่ายของภาษาไพธอน(Python) ทำงานร่วมกับ MLIR (Multi-Level Intermediate Representation)
ช่วยให้การเขียนโปรแกรมด้าน AI ได้อย่างมีประสิทธิภาพ โมโจสามารถโต้ตอบกับฮาร์ดแวร์ ที่ทำงานด้าน AI ได้โดยตรงและขยายขีดความสามารถของโมเดล AI ที่มีอยู่ให้ทำงานร่วมกับระบบ Ecosystem ของ Python ได้อย่างราบดี โมโจสามารถใช้ร่วมกับไลบรารีและเครื่องมือต่างๆ มากมายในระบบ Ecosystem ของ Python และทำงานได้เร็วกว่า Python ด้วย

Python: 970 seconds (1x)
Numpy: 171 seconds (6x speedup)
Scalar C++: 0.11 seconds (9000x speedup)
Mojo: 0.0142 seconds (68000x speedup)

ที่สำคัญ Mojo ปลดล็อกประสิทธิภาพของ Python โดยใช้ประโยชน์จากฮาร์ดแวร์เต็มประสิทธิภาพ รวมถึงการใช้งาน multiple cores, vector units, and exotic accelerators(ตัวเร่งความเร็ว) ให้ประสิทธิภาพเทียบเท่ากับ C++ และ CUDA โดยไม่มีความซับซ้อน

ใครว่างก็ลองไปศึกษาดู เห็นมั้ยว่ามันมีภาษาใหม่เกิดขึ้นเรื่อย ๆ เพื่อแก้ไขปัญหาที่แตกต่างกัน เพราะฉะนั้นอย่าเสียเวลา ดูถูกภาษาอื่น ๆ เพราะมันจะมีอย่างอื่นให้ศึกษาไม่รู้จบ

ตัวอย่าง code

def make_plot(m: Matrix):
plt = Python.import_module("matplotlib.pyplot")
fig = plt.figure(1, [10, 10 * yn // xn], 64)
ax = fig.add_axes([0.0, 0.0, 1.0, 1.0], False, 1)
plt.imshow(image)
plt.show()

make_plot(compute_mandelbrot())

ถูกนำไปสร้าง
เกิน 300 open-source projects แล้วในหลาย ๆ ด้าน เช่น

AI:
Modular Engine - Modular's AI inference engine.
llama2.mojo - Implementation of llama2.c in Mojo.
mojograd — Implementation of Karpathy's micrograd in Mojo.
Micro-Mojograd - Implementation of Karpathy's micrograd in Mojo.
Mojo-Arrays - Vectorized N-Dimensional Arrays in native Mojo.
Infermo — A compact AutoDiff Engine for Deep Learning.
EasyDeL - An OpenSource Library to make your training faster and more Optimized With cool Options for training and serving Both in Python And Mojo🔥.
gradi-mojo - Implementation of a simple gradient descent problem in Python, Numpy, JAX, C++ (binding with Python) and Mojo.
Dainemo - A Machine Learning framework from scratch in Mojo🔥.
Voodoo - A machine learning framework in pure Mojo

ข้อมูลเพิ่มเติม https://mojolang.org/

01/10/2023

อบรมพร้อม ส่งมอบงานระบบส่งสัญญาณซื้อขาย Trade Signal รองรับหลาย Indicator Indices ,Stock, Crypto, Forex, Futures, Bonds คู่เหรียญไม่จำกัด

#รับพัฒนาระบบ #รับพัฒนาเว็บไซต์

10/09/2023

การทำ Segmentation (แบ่งกล่มเป้าหมาย) นั้นเป็นขั้นตอนที่สำคัญมากสำหรับการวางกลยุทธ์ธุรกิจ เพราะธุรกิจคงไร้ทิศทางหากไม่สามารถบอกได้ว่ากลุ่มเป้าหมายของธุรกิจคือใคร เช่นเดียวกับที่การทำ Segmentation ก็จะมีหลายระดับ หาก Segmentation ได้ดีก็จะช่วยทำให้การวางกลยุทธ์มีประสิทธิภาพมากขึ้น ลดการสิ้นเปลืองของการตลาด และสามารถสร้างประสบการณ์ที่ยอดเยี่ยมกับกลุ่มเป้าหมายได้ดีกว่าเดิม นั่นทำให้ Segmentation เป็นหนึ่งในทักษะสำคัญที่นักการตลาดควรจะฝึกฝนให้แม่นยำ โดยการทำ Segmentation ให้มีประสิทธิภาพนั้นสามารถเริ่มต้นได้ผ่านกระบวนการดังต่อไปนีั้

✅การมีเป้าหมายที่ชัดเจนของการทำ Segmentation
✅การใช้ข้อมูลต่าง ๆ เข้ามาช่วยเสริมการทำ Segmentation
✅การพยายามทำ Segmentation ให้มากกว่า Demographic พื้นฐาน
✅การจัดเรียงลำดับของ Segment ที่เกิดขึ้นจาก Segmenation
✅การสร้าง Target Persona

เข้าใจแต่ละหัวข้อและเทคนิคเพื่อให้ Segmentation มีประสิทธิภาพมากขึ้นในบทความ https://www.dots.academy/post/art-of-segmentation-เทคนิคแบ่งกลุ่มลูกค้าให้เกิดประสิทธิภาพที่สูงขึ้น

22/07/2023

Update !!! เปิดตัว Svelte 4 หลักจากพัฒนามาหลายเดือนในการสร้าง ก็ได้เปิดตัว Svelte 4 ที่เสถียรขึ้นมาก ๆ
เวลาผ่านไป - Svelte 3 เปิดตัวเมื่อสี่ปีที่แล้ว! ใน JavaScript-framework-time นั่นคือ ยุคใหม่ของ Svelte ยังคงมีอยู่ตลอด แต่ Node.js และ API ของเบราว์เซอร์ได้มีการพัฒนาในช่วงเวลานั้น และในวันนี้ Svelte 4 เป็นเวอร์ชันสำหรับการบำรุงรักษาเป็นหลัก โดยเพิ่มความต้องการขั้นต่ำของเวอร์ชันและกระชับการออกแบบมากขึ้น เปิดการเบิกทางไปสู่ Svelte รุ่นต่อไปที่จะเปิดตัวในชื่อ Svelte 5 เพราะ เวอร์ชั่นนี้วางรางฐานการไปสู่การเป็น Svelte 5 จะเป็นการเขียนคอมไพเลอร์และรันไทม์ของ Svelte ใหม่
หากคุณยังไม่ได้ลองใช้ Svelte ลองใช้ดู ในบทช่วยสอนแบบโต้ตอบบน StackBlitz หรือติดตั้งในเครื่องด้วย npm create svelte@latest Svelte ช่วยให้คุณรวบรวม UI ของเว็บได้อย่างง่ายดายโดยใช้พลังของ HTML, CSS, JS และคอมไพเลอร์ Svelte
มีอะไรใหม่
ประสิทธิภาพการทำงาน
การเปิดตัวครั้งนี้ส่งผลให้โค้ดไฮเดรชั่นมีขนาดเล็กลงและเร็วขึ้น หากต้องการดูผลกระทบ ผู้ใช้ SvelteKit สามารถดูขนาดเอาต์พุต (output) ที่คอมไพล์(compiled) แล้วได้โดยตรวจสอบโฟลเดอร์ .svelte-kit/output/client/_app/immutable/nodes ตัวอย่างเช่น บน kit.svelte.dev JS ที่สร้างขึ้นทั่วทั้งไซต์ถูกลดขนาดลง 12.7% (126.3 kB เป็น 110.2 kB)
2. Svelte 4 ลดขนาดแพ็คเกจ Svelte เกือบ 75% (10.6 MB เหลือ 2.8 MB) ซึ่งหมายถึงการรอการติดตั้ง npm น้อยลง การปรับปรุงนี้จะเห็นได้ชัดเจนเป็นพิเศษสำหรับผู้ใช้ที่เข้าไปเรียนรู้แบบโต้ตอบของ Svelte บน learn.svelte.dev เป็นครั้งแรก ผู้ใช้ Svelte REPL และผู้ใช้ที่มีการเชื่อมต่อจำกัด ขนาดแพ็คเกจที่เหลือส่วนใหญ่รองรับ eslint และเมื่อการเขียนซ้ำ eslint เสร็จสิ้น ขนาดแพ็คเกจ Svelte จะลดลงอีก 50%
3. จำนวนการพึ่งพา(dependencies) ในระบบของ Svelte ลดลงอย่างมากจาก 61 เหลือ 16 ซึ่งหมายถึงการดาวน์โหลดที่เร็วขึ้นสำหรับผู้ใช้ Svelte และยังลดจำนวนการพึ่งพา(dependencies) ในเวอร์ชันล่าสุดของ SvelteKit Svelte 4 ทำให้ประสบการณ์การเขียน Svelte ง่ายขึ้นและสอดคล้องกันมากขึ้น local เป็นค่าเริ่มต้นสำหรับการเปลี่ยนเพื่อหลีกเลี่ยงภาพเคลื่อนไหวที่ปิดกั้นการเปลี่ยนหน้า ตอนนี้ตัวประมวลผลล่วงหน้า(preprocessors) เขียนได้ง่ายขึ้น และการแก้ไขหลายอย่างทำให้ CSP(Content Security Policy) ติดตั้งและใช้งานได้ง่ายขึ้น
4. สำหรับผู้ใช้ส่วนประกอบของเว็บ(web components) การเปลี่ยนแปลงที่ใหญ่ที่สุดคือการยกเครื่องวิธีที่คุณใช้ Svelte เพื่อเขียนองค์ประกอบแบบกำหนดเอง ด้วยการเปลี่ยนวิธีสร้างข้อบกพร่องและความไม่สอดคล้องกันทั้งหมดจึงถูกกำจัดไป
5. สุดท้าย ยังได้ปรับปรุงประสบการณ์การเขียน IDE หลายอย่าง เช่น ตอนนี้ cmd+click ในโมดูล svelte จะนำคุณไปสู่การใช้งานแทนการอิมพอร์ตไฟล์ .d.ts จาก svelte/internal และจะไม่เกะกะ ส่วนคำแนะนำการเติมข้อความอัตโนมัติ การนำเข้าอัตโนมัติ ตอนนี้ทำงานได้อย่างน่าเชื่อถือมากขึ้น ใครอยากเรียน Framework ที่กำลังมาแรง ลองเข้าไปศึกษาดูครับ เผื่อเป็นตัวเลือกในการแก้ไขปัญหาต่าง ๆ ให้กับลูกค้าของเรา ถือว่าเป็น Solution ที่น่าจะเหมาะกับงานหลาย ๆ ประเภท ลองไปศึกษาเพิ่มเติมที่ https://svelte.dev หรือไปร่วมแลกเปลี่ยนความคิดเห็นที่ Svelte Thailand กลุ่มเล็ก ๆ ที่กำลังเริ่มเติบโตในกลุ่มคนที่สนใจ JavaScript Framework ตัวนี้ NovirtualDOM nextgenerationframework

26/06/2023

ขอไว้อาลัยคุณปู่ John Goodenough นักวิทยาศาสตร์ผู้ร่วมพัฒนาแบตเตอรีลิเธียมไอออน (Li-ion) จนได้รับรางวัลโนเบลเมื่อปี 2019 และยังเป็นหนึ่งผู้พัฒนาระบบหน่วยความจำคอมพิวเตอร์ เสียชีวิตแล้ว ด้วยวัย 100 ปี 11 เดือน

ปู่ Goodenough จบปริญญาเอกในสาขาฟิสิกส์ในปี 1952 และทำงานที่ Lincoln Laboratory ใน MIT วิจัยหน่วยความจำแม่เหล็ก (random access magnetic memory) นานถึง 24 ปี Goodenough–Kanamori rules จากนั้นปู่ไปทำงานเป็นหัวหน้า Inorganic Chemistry Laboratory ที่ออกซ์ฟอร์ด มีผลงานที่ทำให้แบตเตอรีลิเธียมไอออนสามารถใช้งานได้จริงในอุตสาหกรรม
ปู่ยังทำงานวิจัยอย่างต่อเนื่องด้านแบตเตอรี รวมถึงเป็นที่ปรึกษาหน่วยงานวิจัยอีกจำนวนมาก

30/05/2023

SDLC คืออะไร
Software Development Lifecycle (วงจรการพัฒนาซอฟต์แวร์หรือ SDLC) คือกระบวนการที่คุ้มค่าและประหยัดเวลาในการออกแบบและสร้างซอฟต์แวร์คุณภาพสูงสำหรับทีมพัฒนา เป้าหมายของ SDLC คือการลดความเสี่ยงของโปรเจกต์ด้วยการวางแผนล่วงหน้า เพื่อให้ซอฟต์แวร์ตอบสนองตามความคาดหวังของลูกค้าในระหว่างการใช้งานจริงและหลังจากนั้น ระเบียบวิธีการนี้จะแสดงชุดขั้นตอนที่แบ่งกระบวนการพัฒนาซอฟต์แวร์ออกเป็นงานที่คุณสามารถมอบหมาย ดำเนินการ และวัดผลได้

ขั้นตอนในการพัฒนาซอฟต์แวร์ตามกระบวนการ SDLC มีดังนี้:

1. วางแผน (Planning) - ในขั้นตอนการวางแผนที่เป็นช่วงแรกของ SDLC นักพัฒนาต้องกำหนดขอบเขต วัตถุประสงค์ ความต้องการและข้อจำกัดของโครงการ และต้องประเมินความเป็นไปได้ของโครงการตลอดจนวางแผนการทำงานและการใช้ทรัพยากร

2. วิเคราะห์ (Analysis) - ในขั้นตอนวิเคราะห์ ทีมพัฒนาจะเก็บและวิเคราะห์ข้อมูลเพื่อระบุความต้องการและความคาดหวังของผู้ใช้งาน การวิเคราะห์รายละเอียดของโครงการและการกำหนดเวลาของโครงการ

3. ออกแบบ (Design) - จากผลการวิเคราะห์ ทีมพัฒนาจะออกแบบรายละเอียดอย่างละเอียดของโครงการเช่น แบบแผนผังระบบ, ส่วนประกอบของโปรแกรม, โมดูล, โมเดลข้อมูล, ส่วนของโปรแกรมที่ต้องการประมวลผลกับภาษาโปรแกรมต่างๆ และมีการสร้างโมเดลตัวอย่างเพื่อทดสอบและตรวจสอบมาตราฐาน

4. การสร้าง (Implementation) - ในขั้นตอนนี้ ทีมพัฒนาจะเขียนโค้ดและทดสอบตัววัตถุประสงค์และส่วนประกอบของโปรแกรมตามที่ออกแบบไว้ในขั้นตอนก่อนหน้า

5. การทดสอบและการประกันคุณภาพ (Testing and Quality Assurance) - ในขั้นตอนนี้ ทีม QA จะตรวจสอบคุณภาพของโปรแกรมและตรวจสอบความต้องการของผู้ใช้งานโดยประเมินการทดสอบ functionality, performance, security, และ usability โดยมีการทดสอบระบบระดับต่าง ๆ เช่น การทดสอบของหน่วย, การทดสอบระบบย่อย, การทดสอบระบบและการทดสอบการยอมรับ เพื่อให้มั่นใจว่าโปรแกรมตอบสนองความต้องการของผู้ใช้งานและมีคุณภาพ

6. การนำไปใช้งาน (Deployment) - หลังจากที่โปรแกรมทดสอบแล้วถูกพัฒนาเสร็จเรียบร้อย, ทำการนำโปรแกรมไปใช้งานจริง

7. การดูแลรักษาและบำรุงรักษา (Maintenance) - ในขั้นตอนนี้ทีมพัฒนารับผิดชอบในการดูแลและบำรุงรักษาโปรแกรมซึ่งแก้ไขบั๊ก, ผิดพลาดโดยตลอดจนความคิดเห็นของผู้ใช้งานโปรแกรมเพื่อปรับปรุงประสิทธิภาพโปรแกรม

โดยรวมแล้ว ขั้นตอน SDLC มีเป้าหมายเพื่อให้การพัฒนาซอฟต์แวร์เป็นไปอย่างเป็นระเบียบ และทำให้ผลลัพธ์ของโปรแกรมมีคุณภาพตามที่ผู้ใช้งานคาดหวังและคาดคิดไว้ก่อนหน้านั้น ด้วยการใช้ SDLC จะช่วยให้โครงการพัฒนาซอฟต์แวร์สามารถทำได้เร็วขึ้น และผู้ใช้สามารถตรวจทานเบื้องต้นและมีโปรแกรมที่ช่วยให้มีประสิทธิภาพและเข้าใจง่ายก็ยิ่งช่วยในการใช้งานกันได้มากขึ้น

#กระบวนการพัฒนาซอฟต์แวร์

02/02/2023

มาแล้วรายงานสรุปรายได้ประจำปี 2022 ของคุณทาง GetLinks ได้รวบรวมสถิติทั่วเอเซียมาไว้ และส่งมาให้ ในที่นี้เราจะขอสรุปเฉพาะสายงานไอทีมาให้นะครับ จะไม่ลงระดับแต่ละประเทศ ใครกำลังมองหางานใหม่ กำลังจะเปลี่ยนสายงาน หรือกำลังจะเรียนต่อในอนาคต มาดูว่าโลกไอทีกำลังไปในทิศทางไหน รีบศึกษาและตัดสินใจได้เลย ไม่ต้องไม่มโนเอง

Smart Innovation Technology Co.,Ltd. - Smart CMS is a mulitpurpose cms

20/01/2023

DeepMind ของ Google อาจเปิดตัว Sparrow คู่แข่งของ ChatGPT ในปีนี้

ซึ่ง Google ซื้อกิจการเมื่อ 9 ปีก่อน กำลังวางแผนที่จะปล่อย Sparrow สำหรับ "Private Beta" ในปีนี้ 2566

Smart Innovation Technology Co.,Ltd. - Smart CMS is a mulitpurpose cms

11/01/2023

AI WATERMARK GENERATOR คืออะไร ทำงานอย่างไร?

ตัวนี้ใช้ไลบรารีของ Python เพื่อฝังลายน้ำที่มองไม่เห็นบนภาพที่สร้างขึ้น เนื่องจากมันอยู่ภายในภาพ ไม่ใช่บนภาพ จึงมองไม่เห็นด้วยตามนุษย์ แต่ AI Bot มองเห็นได้เมื่อทำการ ดึงข้อมูลจากอินเทอร์เน็ตเพื่อรวบรวมภาพสำหรับฐานข้อมูล/การฝึก(Training)

ลายน้ำนี้สามารถป้องกันต่อการโจมตีหลายรูปแบบ เช่น เสีย(noise) ความสว่าง(brightness) ภาพการซ้อนทับ(overlay) หน้ากาก(mask) เป็นต้น (ใน version แรก)

อัลกอริทึมจะแยกภาพออกเป็นแถบความถี่ต่างๆ (แถบย่อย) จากนั้นจะใช้แถบย่อยเหล่านี้เพื่อระบุพื้นที่ในภาพที่สามารถฝังลายน้ำได้อย่างมีประสิทธิภาพ

จุดประสงค์ของลายน้ำนี้มีไว้สำหรับการกรองภาพที่สร้างโดย AI ในอนาคต เพื่อหลีกเลี่ยงไม่ให้มีการใช้ภาพเหล่านี้ในการฝึกโมเดล AI ใหม่ (ป้องกันเรื่องลิขสิทธิภาพไปใช้โดยไม่ได้รับอนุญาต)

ผู้สร้างเครื่องมือสร้างลายน้ำนี้ สร้างเพื่อปกป้องงานศิลปะในอนาคตของเรา เพื่อหลีกเลี่ยงการรวมรูปภาพที่สร้างโดย AI ไว้ในชุดข้อมูลและในการฝึก(Training) AI เนื่องจากรูปภาพ/ภาพถ่ายที่มนุษย์สร้างขึ้นมีประโยชน์มากกว่า สำหรับการเรียนรู้เชิงลึก ตัวสร้างนี้ใส่ลายน้ำแบบเดียวกับที่พวกเขาใช้ ดังนั้นมันจะสร้างเกราะป้องกันการโจรกรรม หาก AI Bot พบภาพของเราในขณะที่ทำการดึงจากออนไลน์ พวกเขาจะจดจำลายน้ำและเข้าใจผิดว่าภาพนั้นเป็นภาพอื่นที่สร้างโดย AI และอาร์ตเวิร์กจะไม่สามารถใช้งานได้เนื่องจากภาพที่มีลายน้ำไม่สามารถแยกความแตกต่างจากภาพที่สร้างโดย AI

แอปนี้ทำงานบน WINDOWS ส่วนเวอร์ชัน MAC จะมาเร็ว ๆ นี้เช่นกัน การสร้างลายน้ำบนงานศิลปะและจะบันทึกด้วย _WM ต่อท้ายภาพ

วิธีการใช้งานง่ายมาก แตก ZIP ไฟล์ออกมา และให้นำภาพที่ต้องการทำลายน้ำ (WATERMARK) และทำการ RUN WATERMARK.EXE รอสักครู่ก็จะได้ภาพที่ใส่ WATERMARK ให้เรียบร้อย

เครดิต ขอบคุณ EDIT SUMMER (ARTIST) , EBALLAI

⬇️ DOWNLOAD IT FROM GITHUB:

Smart Innovation Technology Co.,Ltd. - Smart CMS is a mulitpurpose cms

21/12/2022

การประยุกต์ใช้ ChatGPT ในการสร้าง Line Chatbot

การสร้าง Line Chatbot ด้วย ChatGPT และ OpenAI
อยากให้ดูคลิปนี้ ทำไมโปรแกรมเมอร์มืออาชีพ และอีกหลาย ๆ อาชีพ จึงไม่ตกงานจาก AI ถ้าใช้เป็น แต่โปรแกรมเมอร์ที่รอดคือโปรแกรมเมอร์ที่สามารถอธิบายความต้องการและขั้นตอนที่ชัดเจน Workflow/Logic ต้องได้ แล้ว AI จะอยู่ข้างคุณ เพราะเขาคือผู้ช่วยสำหรับคนที่เข้าใจเท่านั้น
ผมได้ไปเจอบทความของคุณ Kevin Huang ในการประยุกต์ใช้ ChatGPT ในการสร้าง Line Chatbot เลยลองทำตาม ผลลัพธ์ที่ได้ถือว่าดี น่าประทับใจและช่วยงาน Dev ได้เยอะอย่างแน่นอน

ทำให้ได้ข้อสรุปเกี่ยวกับการประยุกต์ใช้ ChatGPT ดังนี้
1. ควรตั้งคำถามให้กระชับและได้ใจความ เป็นไปได้เรียบเรียบลำดับ (Sequence) มาก่อนก็ดี ใครเป็นนักวิเคราะห์ความต้องการจะได้เปรียบ จัด Flow ดี ๆ คำตอบจะแม่นยำขึ้น
2. ควรแยกชุดคำถาม ตามประเด็น เพราะว่ามีข้อจำกัดเรื่องคำตอบที่ยาวเกินไป ข้อความหาย โดยเฉพาะการไปขอ Code ซึ่งบางทีมันยาว
3. อย่าขออะไรเวอร์ ๆ เช่น สมบูรณ์ ดีที่สุด the best อะไรทำนองนี้ตัว AI จะเลี่ยงไม่ออกตัวว่าจะดีที่สุด และจะบอกว่ามันมีหลายองค์ประกอบที่ต้องใช้
4. ข้อสังเกตุคือตัว OpenAI มีการ connect กับฐานข้อมูลภายนอกอย่างแน่นอน เพราะสิ่งที่ถามหลาย ๆ อย่างเริ่มไปรวบรวมข้อมูลจากแหล่งข้อมูลภายนอก (External Source) เข้ามาเป็นองค์ประกอบด้วย มั่นใจว่าในอนาคตต่อแต่นี้จะแม่ยำขึ้นเรื่อย ๆ และภาวะนาข้อมูลที่นำมาตอบนั้นเป็นแหล่งข้อมูลที่เชื่อถือได้ (Trush)
5. คำตอบของ ChatGPT เวลา generate ใหม่ในคำถามเดิมจะได้คำตอบใหม่ ๆ ที่ไม่เหมือนเดิม อย่างน้อย 2-3 คำตอบ แต่ผลลัพธ์เดียวกัน ค่อนข้างจะเป็นธรรมชาติ ซึ่งมันเหมาะมาก ๆ หากใครเป็นนักเขียน หรือ นักข่าวในอนาคตสามารถสร้างเนื้อหาตามคำแนะนำได้อย่างเหมาะสม ในเนื้อเรื่องเดียวกัน
6. ChatGPT เอามาช่วย Support ได้หลายอุตสาหกรรมไม่ใช่แค่เรื่อง IT โดยเฉพาะงานทางด้าน Digital Marketing อนาคต OpenAI จะช่วยสร้างอาชีพหลาย ๆ อย่างที่เกิดใหม่ทดแทนบางอาชีพที่โดน Disrupt ไป ซึ่งตอนนี้หลาย ๆ ธุรกิจเริ่มนำมาประยุกต์ใช้กันแล้ว

ปลาเร็วกินปลาช้าครับ

#เรียนรู้ปรับเปลี่ยนไม่ตกงาน

Smart Innovation Technology Co.,Ltd. - Smart CMS is a mulitpurpose cms