Space Sandbox 101

[Thai below] 𝗟𝗲𝘁'𝘀 𝗺𝗲𝗲𝘁 𝗼𝘂𝗿 𝘀𝗽𝗲𝗮𝗸𝗲𝗿𝘀!

We are only 1 week away from Thailand’s Virtual Energy Demo Day. Reserve you seat now!

Let's open a world of global energy, innovation, and startups ecosystem over 100 participants gathering online across Thailand and Asia!

🚀 Six pitching of energy startups talking about biomass fro agri-waste, energy management, solar market place, and energy access.

🚀 Three insightful panel discussions with the panelists from corporate, government and impact investment organisation!

💡See you on 𝗙𝗿𝗶𝗱𝗮𝘆 𝟮𝟰 𝗝𝘂𝗹𝘆 𝟮𝟬𝟮𝟬 | 𝟭𝟯:𝟬𝟬 - 𝟭𝟱:𝟯𝟬
(Bangkok time)

🌟 Register for FREE at http://bit.ly/EnergyDemoDay

We look forward to seeing you at the Demo Day.



--

เชิญชวนทุกท่าน เข้าร่วมชมการ Pitching ของสตาร์ทอัพด้านพลังงาน และการเสวนาอัพเดทเทรนด์ด้าน Startups ecosystem และความยั่งยืนด้านพลังงาน ผ่านระบบออนไลน์ 📺

ในวันศุกร์ นักขัตฤกษ์ที่ 24 ก.ค. 63 นี้ พบกับ
🗨 6 Startup ด้านพลังงาน | AI, EV, Biomass, Solar Energy, Smart City 🔌🔋💡
🗨 3 เสวนาจากผู้เชี่ยวชาญขององค์กรชั้นนำทั้งในและต่างประเทศ ไม่ว่าจะเป็น True Digital Park, SiriVentures, การไฟฟ้านครหลวง, IIX, ADB Ventures และ 500 Startup

🔸 งานนี้ไม่มีค่าใช้จ่ายใดๆ งานดี แถมฟรีอีก อย่าลืมบอกต่อให้คนที่สนใจด้านนี้นะคะ 💕

รีบลงทะเบียนสำรองที่นั่งก่อนห้อง meeting จะเต็ม!
ช้าหมด อดได้เจอ Special Guest ของเราในช่วงสุดท้าย จากบริษัทผลิตรถยนต์ไฟฟ้าชั้นนำของโลกที่คุณก็รู้ว่าใคร 🤣

สมัครได้เลยที่! http://bit.ly/EnergyDemoDay

งานแข่งที่น่าไป สำหรับคนอยากแก้ปัญหา PM2.5

ชีวิตต้องสู้นะ

Introduction to Applied Linear Algebra – Vectors, Matrices, and Least Squares

By Stephen Boyd and Lieven Vandenberghe, Cambridge University Press: https://web.stanford.edu/~boyd/vmls/

อีกหนึ่ง Youtube Channel - 3Blue1Brown
ช่องที่สอนด้าน Math แบบเข้าใจ "ง่าย" มากๆ
เรพาะมันมีคำอธิบายแบบไม่กระโดดไป
และมีภาพ สี เคลื่อนไหว ชัดเจน

เหมาะกับคนอยากเรียน Math แบบได้คิดตาม

3Blue1Brown 3blue1brown, by Grant Sanderson, is some combination of math and entertainment, depending on your disposition. The goal is for explanations to be driven by a...

[[ กิจกรรม แบบ RPG ]] 🤖🐍🎮
แจกสไลด์ How we work to make data work ✨🎉
@ Data Science Talk 2.0



🛡⚔
สำหรับกิจกรรมครั้งนี้แอดมุ่งเน้นไปยังกิจกรรมต่างๆที่ Data Scientist ต้องเจอ หรือทำงานด้วยนะฮับ เปรียบกับ Rockman ค่อยตะลุยด่านปราบบอสทีละตัวๆ ภายในสไลด์อาจจะดู High Level (เห็นภาพกว้างๆ) นะครับ (◕‿◕✿)


✌🙏
ขอบคุณทุกท่านที่มาร่วมงานนะครับ
น่ารักและตั้งใจทำ Workshop กันมากๆเลย
ทีมงานทุกคนประทับใจมากๆเลยฮ้าบบบ
ขอบคุณทีมงานที่ได้ให้โอกาสไปร่วม Talk ครั้งนี้ด้วยฮับ
ทีม 100x ที่ร่วมกันสร้าง Community =]
ตอนนี้เตรียมสไลด์งานหน้าต่อแล้วววววว ~(˘▾˘~)
กับ Python Hardcore for Everyone 🤖🐍🎮



📒📚
อันนี้ Link Slide ฮับ แล้วเจอกันงานหน้าฮ้าบบบ

See Math 101 ตอนที่ 3 ”เอกลักษณ์” สำคัญไฉน

See Math 101: ตอนที่ 2 พลังของ "เท่ากับ" (=)

Eigen Vector & Eigen Value เป็นหนึ่งในเครื่องมือการทำ PCA (Principal Component Analysis) ซึ่งจะมีส่วนช่วยมากๆ ในการทำ Features Engineering (Feature Selection)

เอาจริงๆ ตอน code แล้วใช้ library เขียนแค่ไม่กี่บรรทัด
แต่การรู้เบื้องหลังของ algorithms ก็ถือเป็นเรื่องดี
สำหรับการต่อยอดในอนาคตนะครับ ^__^

วันนี้แหละ เราจะหายงงกันซักที มาเริ่มเลยค่ะ

AX = lambda*X

เวลาเห็นสมการครั้งแรก มีใครคิดเหมือนแอดป่าวว่ามันจะเป็นไปได้ยังไงที่จะได้สมการนี้ อีกทั้งยิ่งงงเข้าไปอีก เมื่อคำตอบที่ได้ A และ lambda ไม่เท่ากัน คือมันเป็นคนละแมททริกซ์เลย แล้วจะเป็นคำตอบได้ไงอะ ตอนนั้นถึงจะทำข้อสอบได้แต่ก็ยังคงเก็บความงงต่อไป

จริงๆแล้วผิดที่เราเคยชินกันสมการการคูณตัวเลข เมื่อเราเห็นสมการนี้ปุ๊ป สมองประมวลผลเลย A กับ lambda ต้องเท่ากันสิ หรือไม่ X ต้องเท่ากับศูนย์

ถึงแม้จะจริงสำหรับการคูณตัวเลข แต่ไม่ใช่สำหรับการคูณแมททริกซ์ค่ะ การคูณแมททริกซ์สามารถมีความหมายอีกอย่างได้ นั่นคือ มันทำกระบวนการ Linear transformation

นั่นคือเมื่อคูณเวกเตอร์ใดๆเข้ากับแมททริกซ์แล้ว ก็จะได้ output ที่เป็นเวกเตอร์ใหม่ โดยที่ทิศทางและขนาดเปลี่ยน ทิศทางอาจเปลี่ยนไปโดยที่หัวลูกศรมีการหมุนไป และขนาดเปลี่ยนโดยเวกเตอร์นั้นมีการยืดและหด โปรดดูภาพประกอบค่ะ

ทีนี้มันจะมีบางครั้งที่เมื่อคูณแมททริกซ์เข้ากับเวกเตอร์ชุดนึงแล้ว ทิศทางไม่เปลี่ยน มีเพียงขนาดที่เปลี่ยน นี่แหละคอนเซ็ปของ eigen vector และ eigen value ค่ะ ซึ่งเวกเตอร์ที่ว่าจะเป็นเวกเตอร์ที่เฉพาะสำหรับแมททริกซ์นั้นค่ะ

ยกตัวอย่างตามการคูณแมททริกซ์ที่ไม่ทำให้เปลี่ยนทิศทางตามรูปข้างล่างเลยค่ะ

จากสูตร เราต้องการหาเวกเตอร์ที่ว่านี้ ฉะนั้นเราจึงต้องกำหนดให้ lambda มีค่าเฉพาะในแนวทะแยงมุม โดยที่ค่าอื่นเป็นศูนย์หมด เพราะต้องการบังคับให้เป็นค่าสเกลเท่านั้น

และมีการพิสูจน์ว่า เวกเตอร์ที่ได้ จะทำมุมต่อกัน 90 องศาทั้งหมด

Eigen values และ Eigen vector มีการใช้อย่างกว้างขวางมาก ในหลายๆด้าน แต่วันนี้เราจะมาพิจารณาการนำมาใช้ใน PCA ที่เคยเขียนถึงก่อนหน้านี้ สามารถอ่านได้ในลิ้งก์นี้เลยค่ะ
https://m.facebook.com/story.php?story_fbid=2483461195221867&id=2453771964857457

PCA นั้นนำแมททริกซ์ covariance มาหาค่า Eigen values และ Eigen vector ค่ะ ทีนี้ขอปูพื้นเรื่อง covariance แมทริกซ์นิดนึง

covariance เป็นแมทริกซ์จัตุรัส ด้านกว้างและยาวเท่ากัน ค่าในแนวทะแยงมุมบ่งบอกถึงค่า variance หรือค่าความแปรปรวนของข้อมูลในแต่ละแกน ในขณะที่ตำแหน่งอื่นๆนั้นจะหมายถึงว่าข้อมูลมีความสัมพันธ์กันขนาดไหน หากเป็นค่าบวกกราฟการกระจายข้อมูลจะทำมุมกับแกนไม่เหมือนกับค่าลบ หากค่าตรงนี้เป็น 0 แปลว่าข้อมูลในแต่ละแกนไม่มีความสัมพันธ์ต่อกันเลย กราฟข้อมูลที่ได้จึงไม่เอียง ยกตัวอย่างดังภาพค่ะ

ในสูตรการหา Eigen values และ Eigen vector นั้น แมททริกซ์ lambda ในฝั่งขวาได้บังคับให้มีค่าเฉพาะแนวทะแยงมุมเท่านั้นและตำแหน่งอื่นเป็นศูนย์ ซึ่งก็คือ covariance แมททริกซ์ที่ในแต่ละแกนไม่มีความสัมพันธ์กันนั่นเอง เมื่อตั้งบังคับแบบนี้ และเพื่อให้สองฝั่งเท่ากันตามสมการที่ตั้งไว้ Eigen vector ที่ได้จึงชี้ไปในแนวที่จะได้ covariance แมททริกซ์แบบนั้น หรือชี้ไปตามแนวข้อมูล ฉะนั้น Eigen values จึงหมายถึงค่า variance ในแกนใหม่และสัมพันธ์กับทิศทางที่ Eigen vector ชี้ไป

แอดมองว่าคนคิด PCA นี่สร้างสรรค์มากนะคะ เอาเครื่องมือคณิตศาสตร์มาช่วยลดพื้นที่ในการเก็บข้อมูลได้ด้วย

ช่วงนี้แอดกลับมาสู่ชีวิตอ่านเปเปอร์รัวๆค่ะ แต่ก่อนเมื่อยังอยู่ไทย การอ่านเปเปอร์ให้เข้าใจเป็นอะไรที่สุดเอื้อม เพราะแค่ภาษาก็ไม่รอดแล้ว ไหนจะสมการอะไรอีก งงมาก ตอนถูกบังคับให้อ่านเปเปอร์ดีๆ ตีพิมพ์ที่ดังๆในอันดับหนึ่งของโลกใหม่ๆ แอดกลัวมาก แบบเห็นแล้วไข้จะขึ้น ลมจะจับ มึนทันที

แต่ต่อมาก็ค้นพบว่า เปเปอร์พวกนี้อ่านง่ายกว่าเปเปอร์ระดับล่างๆเยอะ เพราะมีการร้อยเรียงเรื่องราวให้เป็นเหตุเป็นผล อีกทั้งหลายๆไอเดียอ่านแล้วแบบ เห้ย คิดได้ไงเนี่ย เปเปอร์ระดับล่างๆเนี่ยจะเขียนงง หลายๆครั้งนึกอยากจะเขียนก็เขียน โผล่มาแบบงงๆ ทำให้ไม่เข้าใจ แอดเลยค้นพบว่า การเลือกอ่านก็ถือว่าเป็นสกิลที่สำคัญ ไปเลือกอ่านที่ไม่น่าเชื่อถือ นอกจากไม่ได้อะไรแล้ว ยังส่งผลเสียอื่นๆ และสำหรับแอดคือทำให้แอดคิดว่าการอ่านเปเปอร์ให้รู้เรื่องเป็นเรื่องเป็นไปไม่ได้

ใครมีคำถามพิมทิ้งไว้ได้เลยนะคะ

#แชร์โพสนี้ หากความรู้นี้จะเป็นประโยชน์กับหลายคน
#กดไลค์เพจ เพื่อติดตามเรื่องราวใหม่ๆ

ขอบคุณที่ติดตามกันค่า แล้วพบกันนะคะ