รายงานจาก Deloitte น่าสนใจครับ แนะนำการประยุกต์ใช้ AI กับงาน healthcare โดยแบ่งเป็น 8 ด้าน 33 Use Casesโดยในแต่หละด้าน ประกอบด้วย wearables, imaging, laboratory applications, physiological monitoring, real world data, virtual health assistance, personalised apps และrobotics สิ่งที่น่าสนใจของรายงานคือ การทำ Patient Journey ครับ ที่นำเสนอตั้งแต่1.) Prevention and early detection 2. ) Diagnosis 3. ) Treatment and care management 4.) Research and development source: Continue reading AI สำหรับระบบ Healthcare

Trends ของการใช้ machine Learning จะเปลี่ยนจาก Analytical ML เป็น Operational ML ครับ หรือ จากการที่นำ ML มาตอบคำถามๆเดียว แต่จะเป็นการทำเป็น solutions เพื่อใช้ประโยชน์ทางธุรกิจได้มากกว่า และมักจะถูกติกตั้งบงไปในระบบที่ใช้อยู่ปัจจุบัน เช่น chatbot หรือ real time pricing โดย MLOps จะประกอบไปด้วย 1. Continues Life cycle Managment ของการพัฒนาและupdate ML (เหมือน DevOps)2. Model Versioning และ iteration3. ML monitoring discovery และ governance4. Model Security และการทำ performance tuning Credit Booz Allen Source Click to access the-emergence-of-mlops.pdf Continue reading MLOps เทรนใหม่ของการใช้ ML ในองค์กร

ตัวอย่าง Use Cases สำหรับการนำ ML/AI สำหรับงาน ประกัน 1.)Automated Clam Processing หรือ นำ ML/AI มาช่วยกรองงานของการเครมประกัน ยกตัวอย่างเหตุการณ์น้ำท่วมที่โคราชนะครับ ถ้าเกิดว่า บริษัทประกันต้องการสำรวจพื้นที่ทั้งหมดเพื่อดูว่า พื้นที่ไหนสามรถเรียนเงินทดแทนได้บ้าง คงจะต้องใช้เวลาพอสมควรในการประเมินความเสียหาย แต่ถ้าเราเอา ML/AI มาช่วยน่าจะทำให้ร่นระยะเวลาไปเยอะ และ สามารถให้บริการลูกค้าได้รวดเร็วมากขึ้น ตัวอย่างจาก TheAcutuary.Net ได้ใช้ image processing ในการคัดกรองจุดเสี่ยงน้ำท่วมบนแผนที่ และนำเสนอ insight สำหรับผู้ประเมินว่า พื้นที่ไหนเสี่ยงมาก (และต้องให้คนลงพื้นที่) หรือ เสี่ยงปานกลาง 2. Document Automation หรือ การดูแลเอกสารอัตโนมัติ กระบวนการของธุรกิจประกันมีเอกสารมากมายที่จำเป็นที่ต้องใช้ในการสมัคร การเครมประกัน หรือ การต่อประกัน ซึ่งหลายๆเอกสารยังใช้คนในการตรวจสอบ และ บางครั้งใช้เวลานาน ถ้าเรานำ ML/AI มาช่วยน่าจะช่วยทำให้ประหยัดเวลา และ สามารถทำให้บริการลูกค้าได้เร็วขค้น 3.) AI/ML มาช่วยประเมินราคาเครม ตัวอย่างที่นำมาเล่าวันนี้ เป็นการประเมินราคารถจากรูปถ่ายครับ ขอยกตัวอย่างบริษัท Tractable ที่ใช้ image processing มาช่วยวิเคราะห์ model รถ วิเคราะห์ว่าชนมาจริงหรือไม่ และ เสียหายที่จุดไหนบ้าง ตัวอย่างของ Tractable ได้ใช้เทคนิค multi-instance learning ที่เช็ครูปภาพหลายๆรูป และ รวมกันตัดสินใจว่าควรจะเครมได้เท่าไหร่ (ปกติ การประเมินราคารถ ก็จะใช้หลายรูปตัดสินใจอยู่แล้ว) Source Continue reading 3 Use Cases ในธุรกิจประกัน InsureTech AI

ถ้าจะพูดถึงองค์กรที่มีข้อมูลรูปภาพ หรือ วีดีโอ มากที่สุด คงจะต้องมีหลายๆคนนึกถึง google นะครับ ซึ่งเป็นเจ้าของทั้ง google image และ Youtube ครับ และถ้าอยากจะเรียนวิชาการวิเคราะห์ image/video ให้เก่งก็คงต้องเรียนจาก google (และฟรี) วันนี้ขอแนะนำโครงการ YouTube-8M ซึ่งเป็นการแชร์ข้อมูล image (แบบ high quality) และ … Continue reading มาเรียน Computer Vision จาก Google กันครับ กับ โปรเจค YouTube-8M

บทความน่าสนใจสำหรับคนอยากเป็น Data Scientist ครับ เราจำเป็นต้องเรียนจบสาย data science เลยไหม? เรียนออไนไลน์ได้ไหม หรือ ต้องเรียนรู้จากการทำงาน? ในบทความด้านล่างยังมี 3 คำแนะนำที่น่าสนใจด้วยครับ Data Science เป็นศาสตร์ที่เริ่มที่ปัญหาจากธุรกิจ ค้นหาคำตอบโดยใช้ข้อมูล และ จะต้องเป็นประโยชน์ต่อธุรกิจ ไม่ใช่การซื้อ software การเรียนรู้ คือ การทำความเข้าใจไม่ใช่เรียนเพื่อท่องจำ syntax (หมายถึงเรียนเพื่อนำมาใช้ได้จริง ไม่ใช่ท่องคำสั่งใน python/r แต่ไม่รู้ความหมายจริงๆว่ามันมีไว้ทำอะไร) การฝึกสร้าง data product เป็นวิธีการที่ดี แต่ถ้าจะให้ดีที่สุดควรจะ สร้างและแบ่งปัน เพราะมันคืองานประจำของ data scientist และ การจะเก่งด้าน data science ต้องฝึกฝน เพิ่มทักษะ และต้องใช้เวลา Source https://www.datasciencecentral.com/profiles/blogs/8-smart-ways-to-become-a-data-scientist Continue reading 8 Smart Ways To Become A Data Scientist

Data-Driven Company Series Part 1 คำว่า Data-Driven Company เป็นคำที่หลายๆองค์กร ตั้งเป็นเป้าหมายหลัก ในการ transform และ เมื่อพูดถึง Data ทุกๆคนก็จะให้ความสนใจ และ พยายามวิ่งเข้าหามัน แต่จริงๆแล้ว คำว่า data-driven มันคืออะไร และ เรากำลังจะไปถึงจุดนั้นแล้วหรือยัง สิ่งหนึ่งที่สำคัญเมื่อเรามีเป้าหมายที่อยากจะไป และ พร้อมที่จะปรับเปลี่ยน คือ การที่เราต้องรู้ว่าเราอยู่ตรงไหน และ ห่างไกลกับเป้าหมายนั้นแค่ไหน ถ้าจะพูดถึง Data-Driven Company คงจะต้องอ้างอิงจาก Journey to Data-Driven Company ที่มี 5 ขั้นตอนของ Christopher S Penn Data-Resistant ขั้นแรกคือ องค์กร ที่ไม่ยอมใช้ข้อมูลซึ่งเก็บไว้มากมาย หรือ อาจจะอยู่ในขั้นตอนที่ข้อมูลน้อยมากจนไม่นึกว่ามีประโยชน์ และ มัก ประโยคที่มันจะได้ยินบ่อยๆ คือ “We’ve always done it this way” หรือ เราก็ทำแบบนี้มาตลอด ไม่เห็นต้องใช้ข้อมูลเลย 2. Data-Aware ขั้นที่สอง คือ องค์กรรู้ว่าข้อมูลมีประโยชน์ และ ตระหนักว่ามันมีประโยชน์ และ จะเน้นเก็บข้อมูลไว้ก่อน และ ค่อยว่ากันอีกที หรือ ให้ vendor ช่วยขุดหา insights แทนที่จะทำเอง. 3. Data Guided ขั้นที่สาม คือ เน้นวิเคราะห์ ค้นหาสิ่งที่มีอยู่ในชุดข้อมูล และเข้าใจว่ามีสิ่งใดเกิดขึ้นบ้างในองค์กร และในองค์กรจะมีลักษณะที่เรียกว่า Tool Parades คือทดลองใช้ทุกเครื่องมือ ทุก vendors เพื่อดึงประโยชร์ออกมาจากข้อมูล 4. Data Savvy ขั้นที่สี่คือ … Continue reading ใครๆก็อยากเป็น Data-Driven Company