ทุกวันนี้ใครๆก็พูดถึง AI, Machine Learning, Data Science ฯลฯ กันเต็มไปหมด หลายคนก็น่าจะสนใจเกี่ยวกับเรื่องเหล่านี้อยู่บ้างแต่ก็ไม่รู้ว่าจะเริ่มต้นศึกษาที่ตรงไหน และมีอะไรบ้างที่จำเป็นต้องรู้
และนี่คือ 5 เครื่องมือที่คุณต้องรู้ สำหรับงาน Data Science ด้วย Python สำหรับคนที่ยังไม่รู้จะเริ่มยังไงดี
TensorFlow
Tensorflow คือ library สำหรับสร้าง machine learning models แบบ open source จาก Google สามารถใช้งานได้ดีกับภาษา Python แต่ก็สามารถใช้ภาษาอื่นๆเช่น C, Java หรือ Go ได้เช่นกัน และยังมี community ขนาดใหญ่ ทำให้สามารถค้นหาข้อมูล หรือสอบถามเวลาเจอปัญหาได้ง่าย ซึ่ง TensorFlow มีไกด์แนะนำสำหรับ ผู้เริ่มต้น และ ผู้เชี่ยวชาญ ให้สามารถไปศึกษากันได้
Pytorch
Pytorch เป็น opensource อีกหนึ่งตัวสำหรับใช้ทำ machine learning จาก Facebook ที่มีคำอธิบายในหน้าเว็บว่า ‘An open source machine learning framework that accelerates the path from research prototyping to production deployment.’ โดยเป็นอีกทางเลือกหนึ่งในการศึกษา machine learning นอกจาก TensorFlow เพราะเทียบกันแล้ว Pytorch ค่อนข้างจะง่ายในการศึกษามากกว่า และยังสามารถเลือกสภาพแวดล้อมในการพัฒนาได้หลากหลายอีกด้วย
ถ้าอยากจะรู้ว่าง่ายแค่ไหนก็ลองไปศึกษาที่ Pytorch ได้เลย
scikit-learn
scikit-learn เป็นเครื่องมือในการทำ machine learning อีกหนึ่งตัวที่น่าศึกษาเอาไว้ เนื่องจากความง่ายและมีประสิทธิภาพในการทำ predictive data analysis โดยสร้างขึ้นมาจากโมดูลหลายตัวทั้ง NumPy, SciPy และ matplotlib ส่งผลให้ scikit-learn มีความสามารถที่หลากหลาย นำไปใช้ในงานได้หลายประเภท
Pandas
สำหรับ Pandas เป็นเครื่องมือในการวิเคราะห์และจัดการข้อมูลที่เร็ว, มีประสิทธิภาพ , มีความยืดหยุ่น และง่ายในการใช้งาน ที่สามารถนำเข้าข้อมูลเช่นไฟล์ CSV, TSV หรือจาก SQL database นำไปสร้างเป็น Python Object ที่มีลักษณะเป็น row และ column ทำให้สามารถใช้งานข้อมูลเหล่านั้นได้ง่าย และนำไปใช้งานต่อได้อย่างหลากหลาย
สามารถไปศึกษาได้ ที่นี่
Jupyter
สำหรับเครื่องมือตัวสุดท้ายนี้ต้องบอกว่าไม่ได้เป็นเครื่องมือสำหรับทำ Data Science หรือ Machine Learning โดยตรง แต่ว่าประโยชน์ของ Jupyter นั้นเหมาะที่จะใช้เป็นเครื่องมือในการทดลองสิ่งใหม่ๆ โดยเครื่องมือนึงจาก Jupyter ที่จะแนะนำก็คือ Jupyter Notebook เนื่องจากความสามารถเขียนโค้ดและรันซ้ำ รันทีละส่วน และแสดงผลลัพธ์ของแต่ละส่วนของโค้ดแยกกันได้อย่างอิสระ ซึ่งทั้งหมดนี้ทำได้ผ่านเว็บเบราเซอร์ และยังสามารถเซฟผลลัพธ์ต่างๆเก็บไว้ได้อีกด้วย
เข้าไปทดลองเล่นในเว็บของ Jupyter คลิก
นอกจากเครื่องมือที่ยกตัวอย่างมาแนะนำในครั้งนี้ ก็ยังมีเครื่องมือดีๆและน่าใช้งานอื่นๆอีกมากมาย ทั้งนี้ก็ขึ้นอยู่กับความต้องการในการใช้งาน ว่างานที่จะนำไปใช้เป็นแบบไหน ก็ควรจะเลือกเครื่องมือให้เหมาะสมกับงานนั้นๆเสมอ
หากคุณสนใจพัฒนา สตาร์ทอัพ แอปพลิเคชัน และ เทคโนโลยีของตัวเอง ?
อย่ารอช้า ! เรียนรู้ทักษะด้านดิจิทัลเพื่ออัพเกรดความสามารถของคุณ
เริ่มตั้งแต่พื้นฐาน พร้อมปฏิบัติจริงในรูปแบบหลักสูตรออนไลน์วันนี้
-
ลดราคา!
-
ลดราคา!
-
ลดราคา!
