มาเปิดประสบการณ์สาย Data Science กับงาน AI Day Bangkok

เข้าห้องมาสายก็งี้แหละ ที่นั่งแทบไม่เหลือ ถ่ายอะไรก็เห็นแค่นี้แหละ นอกจากซูมเข้าอ่ะ

บอกตามตรงเลยว่า เหมือนเข้าไปเรียนมหาวิทยาลัยอีกครั้งเลย เนื้อหาเอาจริงๆก็ค่อนข้างยากสำหรับเรานะ เรากะว่าจะเขียนให้สั้นที่สุดแล้ววว และมันคงจะสั้นจริงๆแหละ เราเองเป็น Android Developer ที่สนใจด้าน Data Science ด้วย บางอย่างเคยเรียนมาบ้างแต่ก็ลืมไปหมดแล้วววว จบมานานพอควร ไม่ได้ใช้เลย ถ่ายรูปในงานรวมทั้งหมด 200 รูป มากกว่าจดมาอีกอ่า

ซึ่งงานในวันนี้ คือ AI Day Bangkok นั่นเอง งานจัดขึ้นที่ชั้น 3 ของอาคารตลาดหลักทรัพย์แห่งประเทศไทย ที่ห้องประชุมสังเวียนนั่นเองงงง เรามางานที่ตึกนี้เป็นครั้งที่สามแล้ววว

งานวันนี้ก็ชวนๆกันมากัน เริ่มจากดิสเพื่อนสนิทเรา น้องเอน้องรหัสเราปี 4 ภาคคอม กับน้องมุกกี้ เพื่อนน้องเอ เหมือนคนแก่มาระลึกความหลังกับเด็กในบางซีน เช่น คำพูดติดปากอาจารย์ อ่ะป๊ะ คุณมีเหตุผลไหม รวมไปถึงคณะเราจะสร้างตึกใหม่ตรงสนามบอลด้วย...........

ปล. ก่อนวันงานค่ะ อิชั้นได้ไปถอนฟันคุดมา ก็ได้กลืนเลือดที่ซึมระหว่างฟังในงานนี้ด้วย //เล่าทำไม

อย่ารอช้า มาดูกันว่าเราจะได้อะไรจากงานนี้อันน้อยนิด ทั้งๆที่งานมีสาระมากขนาดนี้กันเถอะ เออะ เออะ

Welcome Remarks
ด้วยความที่เราเข้าห้องเลทกัน แน่นอนค่ะ ฟังพี่โอ๋พูดไม่ทันค่ะ //ไม่ได้ตัดจบแต่ไม่ทันจริงๆง่ะ

และเราเข้ามาตอนที่พี่ต้าพูดเกี่ยวกับกิจกรรมของ commulity เมื่อปีก่อน มีหลายอย่างที่จัด เช่น TensorFlow meetup, Deep Learning by TensorFlow, Google I/O expend และฉายหนังสารคดี alphago พร้อมเสวนาด้วย (และแน่นอน เราไม่ได้ไปสักงานเลย แง) และกล่าวถึง speaker ในวันนี้แบบคร่าวๆ เป็นการอินทูว่าวันนี้เราจะเจอเนื้อหาอะไรบ้างจากใคร

ปล. เนื่องจากจอของห้องประชุมนี้ มันจะเป็นจอเล็กๆรวมกันเป็นจอใหญ่ บางจอมันก็ไม่ติด มีเหตุขัดข้องทางเทคนิคบ้าง แต่ก็ไม่เป็นอุปสรรคต่อพี่ต้าเลย สามารถพูดไปโดยไม่มีสไลด์ และที่สำคัญ ตอนกำลังเสียบจอด้วย กราบข่ะ

Agile Data Science
* Uri Weiss, Head of Data Science at Agoda

การทำงานของ Data Science ในองค์กร จะเป็นประมาณไหนนะ

ปล. มั่นใจว่า session นี้ ถ่ายรูปมาครบทุกสไลด์แน่นอน

key takeaway : idea of project

ใน Agoda มี Data Science guild มี 3 ตำแหน่งหลักๆ คือ seievnce, engineer แล้วก็ analyst ซึ่งแต่ละตำแหน่งจะมี JD ไม่เหมือนกันด้วย ทำงานร่วมกันกับ data ที่มี และเป็น researcher ด้วย

อันนี้เหมือนเขาบอกว่า research เพื่อ ensure กับข้อมูลที่ได้ ประมาณนั้น

ตัวอย่าง Hotel Price เขาจะใช้ทั้ง SEO (organic search) และ Google Adwords (paid search) เลย และดูตาม funnel ที่เกิดขึ้น

อีกตัวอย่างนึงคือ Ranking ดู state process ตอน check-in check-out และนำ data ที่ได้มาหา solution โดยนำมาทดลองก่อนออกไปใช้จริง

เนื่องด้วยว่าการลง Ads บน Google Adwords นั้น อธิบายง่ายๆสำหรับคนที่ไม่เคยแตะเจ้านี่มาก่อนนะ
คือสมมุติว่าคุณเปิด hostel แล้วอยากให้ลูกค้ามาเข้าพักช่วงตรุษจีน ก็ต้องทำแคมเปญโฆษณาใช่ป่ะ ซึ่งหนึ่งแคมเปญก็ทำตัว ads หลายๆตัว เรียกว่าหน่วยโฆษณาเนอะ แต่ละหน่วยโฆษณาก็สามารถใส่ได้หลาย keyword แล้วก็ biding อีก รายละเอียดตรงนี้จะเยอะแล้วแหละ และทาง Agoda ก็ทำเจ้า auto campaign building เพื่อลด process ตรงนี้

โครงการนี้ใช้เวลาทำ 2 ปี มี goal ชัดเจน คือ 1k additional bookings per day

Recap from TensorFlow Summit
* Sorawit Saengkyongam, GDE ML

มาอัพเดตกันดีกว่า ว่างาน TensorFlow Summit มีอะไรใหม่ๆให้เราเล่นบ้าง

ก่อนอื่น ชม video highlight กันก่อนเลยจ้าาา

แบ่งเป็น 5 เรื่องเด่นๆนะ

1) tf.data

input pipeline : fast, flexibility, easy to use

performance : เพิ่ม data set ได้

flexibility : Dataset.map function design

- support nested structure

- python code

- C++ via plug-in

ease to use

- ใช้ python สำหรับพวก loop

- เราสามารถ import csv data ได้ด้วยนะ

2) The practitioner's guide

- encapsulated everything need & what's an estimater circuit learn api

- exam: predict user feedback at 1st add feature model see metric

- feature column

predict P : model function

TF Serving: data from java or API

3) Distributed TensorFlow

- distributed training : GPU, multi GPU, and multi node, multi GPU

- multi-node training

4) TensorFlow Hub

เมื่อเรานำโค้ดขึ้น GitHub ได้ฉันใด เราก็สามารถอัพเจ้า ML ขึ้น TensorFlow Hub ได้เช่นกัน

Image retraining -> image module

test classification -> sentence embedding มี paper Universal sentence encoding ด้วย และ text module ต่างๆ

5) Debugging TensorFlow

มี demo run บน terminal และ show บน localhost

Building AI Products: From Paper to Prototype to Production
* Sam Witteveen, GDE ML

อันนี้หนุกๆ เมื่อ web dev ขี้เกียจเขียน layout ด้วย HTML เอง AI จึงยื่นมือเข้ามาช่วย

ก่อนอื่นต้องแนะนำตัวก่อนเนอะ เนื่องจากงานนี้ All sessions are English then he said "ผมพูดไทยได้ครับ" to everyone in this room เขาพูดไทยชัดกว่าเราอีกอ่า พูดแค่ประโยคเดียวนี่แหละ จะทำซูมรูปก็เกรงใจ แหะๆ

บางคนเพิ่งรู้จัก Red Dragon AI ก็วันนี้แหละ จริงๆบริษัทนี้อยู่ที่สิงคโปรนะ

session นี้เราจะได้อะไรกลับบ้านบ้างน๊อออ

แทบจะทุก product ของ Google ใช้ ML เข้ามาทำงานในแอปหมดเลยหล่ะ

สไลด์เขาเข้าใจง่ายดี มาเป็น checklist เลยแหะ

นี่ก็ด้วย

ตัวอย่างที่ได้มาจากการทำ prototype research คือ เจ้า Smart Reply ใน inbox นั่นเอง ไว้สำหรับตอบเมลล์ธุรกิจ (งาน Android Bangkok ก็มี session TensorFlow อยู่นะ เขาบอกว่า user ไม่ค่อยชอบตอบเมลล์กัน เลยมีเจ้าสิ่งนี้ขึ้นมา ทำให้คนตอบเมลล์มากขึ้น อยากอ่านต่อที่นี่เลย)

สิ่งที่จะนำมาเสนอกันก็คือ วาด wideframe ของเว็บด้วยมือ แล้ว AI มันจะช่วย genereate รูปที่เราวาด เป็น HTML จ้าาา ว๊าววว

และอันนี้คือ reference paper ของการทำงานของเจ้า demo นี้
- paper : https://arxiv.org/pdf/1705.07962v2.pdf
- GitHub : https://github.com/tonybeltramelli/pix2code

Show & Tell อันนี้แยกวัตถุได้ละเอียดมากขึ้น
https://research.googleblog.com/2016/09/show-and-tell-image-captioning-open.html

อันนี้ Neural Architecture Search

ถ่ายสไลด์เยอะกว่าที่จดอีก อ่านตามรูปไปเลยแล้วกันนะ ;_;

ถ่านสั่นไปนิดนึง อันนี้จะบอกว่าเจ้ส Pix2Code ทำอะไรได้บ้าง ทำงานยังไง อ่านตามสไลด์เลยจ้า
ย่อๆคือ เจ้า compiler จะทำงานร่วมกันกับ config file แล้ว convert GUI ที่วาดไว้ เป็น HTML เจ้าค่ะ

ก่อนอื่นให้มันเรียนก่อนเนอะ ลองวาด data set ของปุ่มไว้หลายๆแบบ

และนี่คือ test set ตัวอย่างที่วาดไว้เนอะ

มาเริ่มทำกันเลยดีกว่า เขาเปิดเจ้า jupyter ขึ้นมาทำให้เราดู

เขาลองวาดให้เราดูสองแบบด้วยกัน แต่รูปถ่ายทั้ง before กับ after รอบหลังมา เพราะอะไรเหรอ

ตอนแรกเขาวาด UI แถวแรกมีปุ่มบนสองปุ่ม แล้วมีตัว title description และ ปุ่ม ใน layout อีกตัวนึง มีสองอัน วาดเสร็จกดปุ่ม ปุ๊ป หน้าเว็บมาเหมือนกันเป๊ะเลย คนปรบมือกันทั้งห้อง เลยไม่ได้ถ่ายผลตอนแรกมา อิอิ

แล้ววาดเพิ่มเป็นรูปข้างล่าง แล้ว generate ขึ้นมา ยังเหมือนเป๊ะเหมือนเดิม เย้

สิ่งที่เราต้องคำนึง

และสำหรับ mobile หล่ะ

แล้วฝั่ง business หล่ะ

Google เขาก็มีหลายๆตัวอย่างน่าสนใจนะ

สุดท้าย แหล่งอ้างอิงจ้าา

Struggling with Deep Learning - SME Style
* Jarun Ngamvirojcharoen, Chief Data Scientist and VP of Data Innovation Lab at Sertis

เอา Deep Learning มาใช้ใน SME ได้อย่างไรกันน๊า
ปล. เอาจริงๆเราก็งงๆอยู่เหมือนกัน อ้าวววววววว

ตอนแรกเปิด Google trend ขึ้นมาก่อน

Goal คือ ทำให้ process ต่างๆดีขึ้น โดยที่เรามีทรัพยากรจำกัด โดยใช้เจ้า deep learning

แล้วจะทำยังไงดีหล่ะ ?

Challenge 1 too many choice and a lot of catch up
- Collect more data เราต้องการเท่าไหร่ และ label/annotate คืออะไร
- More data/augmentation transfer learning
- Sketch of power-law learning curve and what’s the minimum size?
- สิ่งใดคือ data ที่เรามีไม่เพียงพอหล่ะ -> manipulate with filter & transformation and synthesize data ex. AI for health care
- Sample data for training : train and generate data / sampling modified
- What’s the right architecture for a deep learning app? -> building block : damper some the data

Challenge 2 deployment reality
- cloud, edge, on promise
Constraint ex training data, resource, speed memory

------------- ------------- ------------- ------------- ------------- ------------- -------------

และแล้วถึงเวลาที่เราลอยคอ เอ้ยยย รอคอย ได้เวลาอาหารเที่ยงแล้วจ้าาาาาาาา

ออกจากห้องที่คนเยอะมากๆจนมียืนบ้างกันหลังห้อง โอโหววว งูกินหางรับข้าวกันเลยทีเดียว แถวยาวมาก คนเยอะมาก หมู่เราเลยอพยพไปชั้น 7 แต่หอประชุมชั้นนั้นในวันนี้ จัดงาน ห้องเรียนนักลงทุนจ้า คนลงบันไดเลื่อนมาอย่างเยอะ (ไม่แน่ใจว่าเขาเรียนกันครึ่งวันเช้าหรือไม่ จริงๆก็อยากเข้าไปเรียนเหมือนกัน)

และเป็นธรรมเนียมปฏิบัติของบล็อกนี้(หรา) ที่เวลาไปงานไหน มีข้าวฟรี นั่นแหละค่ะ เอามาอวดค่ะ

น่าจะเป็นไก่ทอดซอสมะนาวนะ ไก่ทอดกรอบ จริงๆมีรสแบบเผ็ดๆนิดๆ ราดซอส โรยด้วยกะเพราที่เคยกรอบ วงวารกะเพรากรอบอ่ะ อยู่มานานแล้ว เข้าปากเราซะสิ

กินข้าวเสร็จ กลับบ้านได้ เดี๋ยวๆๆๆๆๆ

------------- ------------- ------------- ------------- ------------- ------------- -------------

Learn to Learn to Learn
* Martin Andrews, GDE ML

ชื่อ session อย่างจี้ แล้วเราจะเรียน เพื่อเรียน เพื่อเรียน กับอะไร และเพื่ออะไรหล่ะ?

วันนี้เราจะได้อะไรกลับไปจาก session นี้

และเขาก็เล่นเจ้า playground ให้ดู

GitHub: https://github.com/mdda/deep-learning-workshop

อันนี้เขาเปิดเจ้า playground ให้ดูนะ ลองจิ้มเล่นระหว่างต่อคิวจับมือน้องๆ BNK48 คราวหน้าก็ได้น๊าา
ปล. วันที่จัดงานนี้ ตรงกันกับงาน handshake ของบัตรแคมปัสพอดีเลย

ตัวอย่าง
- Image competition : ImageNet aka ILSVRC have over 15 million high-resolution image -> 22000 categories

- More complex networks ต่างๆ : processing for human

ImageNet classification : cat analyse

transfer learning : car ใส่ data set แล้วสอนมันว่า classic car หรือ modern car

Meta-learning -> best model, learns quickly

Next level learning

Hasnet cells เรียนรู้ได้ดีกว่ามนุษย์

One-shot learning : คนสามารถเรียนรู้จากตัวอย่างง่ายๆ เช่น อันนี้เป็นที่ทุบหมูนะ อันนี้เป็นที่ตีไข่ and want model can also learn tasks quickly

Regular-learning มี training set กับ test set
Reptile model search : openAI
Reptile-sines : learn to learn tasks quickly each task
Meta-mnist-> omniglot dataset, 1623 different handwrite -> 55 languages

TensorFlow contest : YT Eager Execution โดยรวมใช้พี่เหลือม

ตรงนี้มี demo นิดหน่อย วาดตัวอย่างมาสามอัน แล้วลองอะไรก็ได้ เพื่อให้มันวิเคราะห์ว่าเรากำลังวาดอะไร มีดีบ้าง เฟลบ้าง สลับๆกันไป

TensorFlow contest : YT Eager Execution โดยรวมใช้พี่เหลือม 

มี deep learning workshop ที่สิงคโปรด้วย ติดตามข้อมูลเพิ่มเติมได้ที่ SGInnovate Event Page จ้า

Machine Learning in JavaScript with TensorFlow.js
* Virot Chiraphadhanakul, GDE ML

สารภาพก่อนว่า เลือกมาเขียนบล็อก session นี้ก่อนเป็นอันแรกเลย เพราะมีอะไรสนุกๆให้เล่นเยอะมากเลย อาจจะจดไม่ได้ละเอียดนัก แต่ตามเก็บทุก link แน่นอนนนน //เดี๊ยววววว

จาก session ก่อนหน้านี้ เราจะเห็น python ทำงานร่วมกันกับ TensorFlow ใช่ม่ะ

แล้วมันจำเป็นต้องทำงานร่วมกันกับ python อย่างเดียวจริงหรือ และถ้า web developer อยากทำหล่ะ จะได้หรือเปล่า จึงเกิดเจ้า TensorFlow.js ขึ้นมา 

ในงาน TensorFlow Dev Submit 2018 ก็ได้กล่าวถึงเจ้าตัวนี้ ดูเต็มๆที่คลิปด้านล่างเลยจ้า

(ส่วนเสริม คือ web dev เดี๋ยวนี้ไปทาง js ซะเยอะ ถามว่า python เขียนเว็บได้ไหม ได้ แต่ถามว่ามีใครใช้ทำเว็บบ้าง คนจะน้อยอ่ะ)

session ที่แล้วเราคงจะเห็นเจ้า Playground ซึ่งเอามาใส่ Neuron Network เพื่อให้มัน learning เนอะ

(Neuro ก็คือเส้นประสาทนั่นแหละ จำวิชา Fuzzy ที่เคยเรียนได้ลางๆ แบบสอนมันเยอะๆมันจะเก่งขึ้นอ่ะ)

ทำไมถึงให้มันอยู่ใน browser หล่ะ?

- no drivers and no installs : ไม่แปลได้ม่ะ ตรงตัว 555 คือเปิดเว็บมาเล่นได้เลย ไม่ต้องมาลงอะไรเพิ่มอ่ะ

- interactive : มันก็คำทับศัพท์อ่ะ แบบเล่นกับใครก็ได้อ่ะ

- sensor : มือถือมันมี sensor input เยอะแยะ ใช้จริงๆก็ไม่กี่ตัวแหละ รูปอาจจะดูเบลอๆ ขยายดูได้นะ

- data stays on the client : ข้อมูลก็จะอยู่กับเรา เช่น เราเก็บ customer behaviour ของเว็บไชต์เรา ว่า user เข้าไปดู ไปกดอะไรในเว็บเราบ้าง และก็ customize ให้ตรงกับพฤติกรรมผู้ใช้

มาแนะนำเจ้านี้กันดีกว่า deeplearn.js ว่าทำอะไรได้บ้างงงงงงง

photo for drawing style ฝั่งซ้ายเป็น input เช่น import รูปมา และฝั่งขวาเป็น style ของภาพวาดแต่ละแบบ และเอามารวมกัน เป็นภาพถ่ายในสไตล์ภาพวาดที่เราต้องการ

ถ้าอยากได้รูปเราแบบสดๆ ก็ถ่ายจาก webcam ได้เลย และก็ทำให้เราเลยแหละ แบบนี้

ตัวหนังสือก็ทำได้นะ เหมือนเปลี่ยนความหนาให้เป็นธรรมชาติมากขึ้น https://distill.pub/2017/aia/

หรือจะ train with 3 action in web cam ซึ่งเราเคยเล่นแล้วแหละ https://teachablemachine.withgoogle.com/

และสามารถประยุกต์ออกมาเป็นเกมส์ยิงๆแบบนี้ได้ด้วย

ทำไมเรานึกถึงเพลง gashina ของซอนมี ที่มีท่าปิ้วๆเหมือนกันเลย ซึ่งไม่เหมือนของควีนแก้วแน่นอน เดี๋ยวๆ

การทำงานก็จะเป็น layer แบบนี้

TensorFlow.js ทำไรได้บ้างอ่ะ

- author models directly in browser

- import pre-trained model for inference

- re-train imported models

ส่วนรูปด้านล่างนี้ เป็นการทำงานแบบคร่าวๆ ตามความเข้าใจของเรานะ

- เจ้า python จะรับหน้าที่ save และ convert data ส่วน js จะรับหน้าที่ในการ load

- แต่ละ step นั้น จะแปลง TensorFlow SavedModel ให้เป็น Keras Model

Model Conversion

มี demo ให้ดูด้วย เราสามารถทำได้เองที่บ้าน ซึ่งเราไม่ได้จดอะไรมามาก เน้นความเข้าใจเป็นหลักว่าออกมาเป็นประมาณไหน มีมาเป็นบล็อกทั้ง 3 path เลยนะ จะเล่นเพลินๆตอนงานจับมือครั้งต่อไปก็ย่อมได้ เดี๊ยวววว อันนี้ใช้ js มา run บนมือถือนะ เท่าที่จดมา

path แรกมีอะไรให้เล่นเยอะเลย https://beta.observablehq.com/@tvirot/machine-learning-in-javascript-with-tensorflow-js

อันนี้มาจาก part 2 นะ : https://beta.observablehq.com/@tvirot/machine-learning-in-javascript-with-tensorflow-js-part-ii ใส่รูปให้มันวิเคราห์ว่ารูปนี้มีอะไร เช่น ใส่รูปสปาเก็ตตี้คาราโบล่า มันก็จะวิเคราะห์เป็นสปาเก็ตตี้คาราโบล่า เป็นต้น

เจ้า C,C++ จะมีปัญหา memory leak อยู่นะ ใช้ js จะดีกว่า อย่างว่า สองภาษาแรกนี่ low-level ด้วยนะ

ตัวอย่างต่อมา EMOJI SCAVENGER HUNT จ้า ของพี่ต้าเปิดเป็นยกมือขึ้นแบบนี้
และของเราเปิดใน iPad หาของทั้งบ้านวุ่นมากเลยอ่ะ เริ่มจากรองเท้า กุญแจ ถังขยะ กระเป๋าใส่เหรียญ หมวกแก็ป กางเกง โอ้ยยยยยยย

อันนี้จาก part 3 นะ : https://beta.observablehq.com/@tvirot/machine-learning-in-javascript-with-tensorflow-js-part-iii
ส่วนอันนี้ใส่ตัวอย่างของไป 3 sample มีแบบ salfie บัตรห้อยคอ และนาฬิกา ซึ่งไม่ได้ยืมเพื่อนมานะ
จากนั้นให้ AI ดูว่าอันนี้คืออะไร ประมาณนี้

ถ่ายตอนชูนาฬิกาไม่ทัน แต่ตอนแรกที่เห็นชูนาฬิกานั้น เรื่องนั้นก็ลอยขึ้นมาเฉยเลย

ในแอปอื่นๆก็มี เช่น Wongnai เวลาเรารีวิวร้านอาหารงี้ จะมีให้เราอัพรูปเนอะ แล้วให้เราใส่ catalogy ของมันว่า เป็นรูปอาหาร รูปรายการอาหาร รูปในร้าน รูปหน้าร้าน เพื่อให้ AI สามารถ learning ได้

อีกตัวอย่าง https://storage.googleapis.com/tfjs-examples/webcam-transfer-learning/dist/index.html

จริงๆตัวอย่างก็มีในนี้นะ https://js.tensorflow.org/

มาดู bencemark กันบ้าง ฝั่ง js ชนะ python จ้าาาา

เราสามารถเรียนเจ้า TensorFlow ฟรีได้ที่นี่เลย https://www.skooldio.com/courses ในนี้มีคอร์สน่าสนใจอีกมากมาย ทั้งฟรีและไม่ฟรีนะ :D

Data Science Applications for Cash Management at SCB to server 20+ millions customers
* Tiravat Assavapokee, EVP and Head of Business Intelligence, Data Science, and Data Innovation at SCB

ธนาคารใช้ Data Science อย่างไรกันบ้างนะ

เขาแบ่งหัวข้อเป็น 2 หัวข้อหลักๆ คือ

1) Data sci community : 

อันนี้เขาเล่าแค่ ATM network ใช่เปล่าหรือเปล่าหว่า จะเน้น Bill & bank note

อันนี้สถิติที่เขาได้มา จะประมาณนี้

การเก็บ data ต่างๆก็มีพวก Event ทั้งหลายในการกดเงิน เช่น วันหยุด (เขาแอบบ่น วันหยุดอะไรเยอะแยะในประเทศนี้ 55) เงินเดือนออก

ใช้ ML model ในการคำนวณ prediction ว่าคนกด ATM ในช่วงนั้นๆเยอะแค่ไหน ค่อนข้างแม่นยำเชียว

Recycle/rejection bill 

2) other data app เช่น Speedy loan

AMl fraud analytics และ Digital predictive menu on EASY app เราได้ยินเสียงขำเบาๆนะ speaker ก็แอบขำด้วย เรารู้นะว่าเพราะอะไร เพราะ UX ไม่ดีเนอะ ก่อนจะไปไกล อันนี้คือดูพฤติกรรมผู้บริโภคว่าใช้เมนูไหนบ่อยๆ ทำอะไรในแอปบ่อยๆ แล้วมันจะถึงเมนู ซึ่ง custom เฉพาะ user แต่ละรายด้วย ระหว่างนั้นเพื่อนเราก็เปิดให้ดูด้วยว่าเป็นยังไง

AI for Slacking
* Chatavut Viriyasuthee, Machine Learning Researcher at bit.studio

AI กับศิลปะแบบ interactive รวมร่างกันจะเป็นยังไงนะ น่าสนุกใช่ไหมหล่ะ

ปล. จริงๆเราเคยไปงาน Maker Faire Bangkok ในปีนี้ มีซุ้มไข่ไดโดนเสาร์ ของ bit.studio นั่นแหละ อันนี้เจ๋งดี เด็กๆชอบกันมากเลย
(อ่านต่อที่ http://mikkipastel.blogspot.com/2018/01/maker-faire-bangkok-2018.html)



bit.studio เป็น creative technology school มีทั้ง VR, AR, game, AI
จากนั้นก็เปิด video ให้เราเห็นภาพชัดขึ้นว่าบริษัทเขาทำอะไรบ้าง

แต่หาคลิปไม่เจอค่ะ แหะๆ งั้นลองไปดูงานเข้าที่ YouTube แล้วกันเนอะ

แล้วผลงานเด่นๆที่ทำหล่ะ มีอะไรบ้าง

Shadow play : AR from AI to create animation

AI feel: emotion and feeling by user

ข้างล่างให้รูปอธิบายไปแล้วกัน จำไม่ได้แล้ว ฮืออออ แต่เอาไปเป็น guideline ได้น๊า

Automated artist: creative graphic

Generating animation from a still image เปลี่ยนภาพนิ่งเป็นภาพเคลื่อนไหว

slacking for slacking
- Object detection and classification to get more label be assisted by AI and with KCF -> detect and classify ว่าวัถตุนี้คืออะไร เช่น โหงวเฮ้ง 4.0 ใช้ ML ช่วย

- defecting face parts ตรงคิ้ว ตา จมูก ปาก และข้อมูลอื่นๆจาก symmetry

Pushing the boundaries เช่น Thai -> OCR,
เขาจะ scan line ซึ่งเป็น model ตัวนึง โดย ML นับตามคลื่นของเส้นอะไรสักอย่าง

แอบแทรกนิดนึง จริงๆมีใน Github เอาไปศึกษาได้เน้อ
End-to-End OCR https://github.com/PVirie/aknowthai
Learning to search https://github.com/PVirie/search

Completely remove labeling ex find panda in pic from snow, then learning to search ให้ input และให้ไปค้นหาเพื่อ best match

from http://www.sun-gazing.com/quiz-can-find-panda-hiding-amongst-snowmen/

Prospects 
- Less effort is ubiquity, AI ทุกคนเราสามารถเข้าถึงได้ เพื่อ less effort
- Meta-meta-slacking : find lazy way to do it

AI doing all the work ไม่ได้ danger นะ เราต้องใช้ให้เป็นด้วย

ปล. ไปดูใน youtube เพิ่งรู้ว่าเขาทำเจ้า Voice of Youth ของงาน Tiger jam 2 ด้วยอ่า (เป็นงานหนึ่งของฟังใจด้วย)

https://www.youtube.com/watch?v=xAlDzMnZA6k

Machine Learning with Google Cloud Platform
* Theeraphol Wattanavekin, Software Engineer at Google

บอทแม่นายการะเกดก็มานะเจ้าค่ะ ทำยังไง มาดูกัน

Cloud auto ml : automatic the craft of data sci 

เช่น Image classification : upload -> learning -> output

Predict เช่น ร้านราเมงที่ญี่ปุ่น

และ brand names from 12 pop brands

จำแนกอาหารด้วย auto ml จากประมาณ 1000 รูป จากนั้นเขาจะแสดงให้ดูบน chatbase
Import CSU -> label ให้คนมาแปะ -> train with base model and can export model ผลอยู่ที่ evaluate จ้า

Key concept

- Intents : อยากให้ user ทำอะไร
- Entity : identity keyword from user, support หลายๆ platforms เช่น messenger, line, slack, google assistant
- Fulfilment ex connect firebase cloud function and get we hook

ฟ้าดินแยกเราเท่าไหร่ไม่ขาด ภพชาติแยกเราจากกันไม่ได้ แชทบอทสันนิวาสให้มา พบเจอ
มาทำ chatbot ออเจ้าการะเกดกันเถอะ บอทออเจ้าสามารถพูดคุยได้

มีการดักคำ และการตอบในสำตล์ของออเจ้าด้วย เรียกได้ว่าต้องดูละครด้วยนะ คาเรทเตอร์ของบอทจะได้สมบูรณ์

ออเจ้าบอกข้าหน่อยสิ ว่าอาหารนี้คืออะไร การทำงานเป็นประมาณนี้

ถ้าอยากรู้ stat ของคนใช้ chatbot ใช้ chat base ซึ่งเป็น google analytic for chatbot ข้อมูลที่เราดูได้ก็ เช่น drop-box, handle ประมาณนี้

อยากอ่านเพิ่มเติม ตามนี้เลยจ้า ขี้เกียจพิมพ์ลงในนี้แล้วแหละเอาจริงๆ

หมด session สุดท้ายมี workshop ของ Google Assistance ต่อ ทำแล้วได้เสื้อ ซึ่ง เราไม่ได้เข้าจ้าาาา
(แต่ถ้าเข้าก็แยกอีกบล็อกแหละ คนละงานกัน) งั้นขอจบบล็อกนี้เลยแล้วกันค่ะ //ตัดจบ

ปล. เนื่องด้วยที่รูปมันเยอะเกินที่เราจดไปมากกกกๆๆๆๆ ดังนั้น บาง session จะอ่านรู้เรื่อง บาง session ก็อ่านไม่รู้เรื่อง สารภาพตามตรงว่า รีบบบบบบบบ เพราะมีอย่างอื่นต้องทำต่อง่ะ ;_;

update มีวิดีโอย้อนหลังมาแล้วนะ
https://www.youtube.com/playlist?list=PLdKXCmhNnZ_D_gIgLJOhStfuuGazxd3NK