How to acquire digital certificate?

Step1: Use ssh-keygen command or openssl toolkit (https://www.digicert.com/csr-ssl-installation/apache-openssl.htm) to create a key pair.
Step2: Apply free CA,  letsencrypt , to generate digital certificate based on the keypair's public key. The generation follows this process https://letsencrypt.org/how-it-works/

cloudonaut.io

cloudonaut.io

MATLAB like open-source

GNU Octave
www.gnu.org/software/octave

สังคมผู้สูงวัยและสังคมเงินสด & blockchain ในญี่ปุ่น

https://www.prachachat.net/asian-100/news-257441

Interpolation VS. Extrapolation

Interpolation means finding unknown data that lies within the range of given values while extrapolation means projecting known data to obtain unknown values.

(https://sciencestruck.com/interpolation-vs-extrapolation)

Chrome Guest mode vs. Incognito

• Incognito just doesn't save browsing history.
• Guest mode neither provides any profile info to any visited web servers nor saves browsing history. (https://support.google.com/chrome/answer/6130773?co=GENIE.Platform%3DDesktop&hl=en)

NECTEC's ML as a Service

https://kitwaicloud.github.io

YOLO v.3

real time object detection program
https://pjreddie.com/darknet/yolo/

Get started https://medium.com/mlearning-ai/getting-started-with-yolov5-in-a-few-minutes-80ea2ff25c3c

Common Vulnerabilities and Exposure (CVE) DBs

https://www.exploit-db.com/

https://cve.mitre.org/

Stat graph:
https://www.exploit-db.com/exploit-database-statistics

เปรียบเทียบ พรบ คอม 50 และ 60

https://thainetizen.org/docs/cybercrime-act-2017/

Free AWS ML

https://aws.amazon.com/th/training/learning-paths/machine-learning/?fbclid=IwAR1kxStHIeSW5wUCBa152GrOu4yGkr_MzILPYPPv3JggWpXOl3WN11B3oHk

ฤดูร้อนช่วยประเทศญี่ปุ่นและอเมริกา

ฤดูร้อนช่วยประเทศญี่ปุ่นให้รอดพ้นจากการโจมตีของมองโกลถึง 2 ครั้งเนื่องจากในช่วงที่มองโกทากองทัพเรือมาถึงญี่ปุ่นในช่วงหน้าร้อนก็เกิดไต้ฝุ่นถึง 2 ครั้งทำให้ต้องถอยทัพ
ในอดีตประเทศอเมริกาเครื่องหนึ่งถูกปกครองโดยฝรั่งเศสแต่ในช่วงหน้าร้อน ยุงที่เป็นพาหะของโรคไข้เหลืองระบาดทำให้กองทัพฝรั่งเศสตายไป 1 ใน 3 ของเซลล์จึงประกาศขายพื้นที่ดังกล่าวทั้งหมดให้กับอเมริกาในราคาถูก

ปัจจัยที่ทำให้ลืม

Web defacement stat

All the information contained in Zone-H's cybercrime archive were either collected online from public sources or directly notified anonymously to us.

http://zone-h.org/archive/special=1

SRAN's stat page:
http://bl.cipat.org/domain_blacklist

Web application automation tool

https://www.seleniumhq.org/

Conversion, Engagement

Conversion is the point at which a recipient of a marketing message performs a desired action.

https://www.dynamicyield.com/glossary/conversion/

Engagement marketing is the use of strategic, resourceful content to engage people, and create meaningful interactions over time.

https://www.marketo.com/engagement-marketing/

A/B testing

คือการแบ่งทดสอบ 2 แนวทาง a และ b ว่าใครเหมาะสมกว่ากัน
hooktalk.com/การทำ-ab-testing-101/

Python VS Matlab

https://pyzo.org/python_vs_matlab.html

Python IDEs
https://www.datacamp.com/community/tutorials/data-science-python-ide?utm_source=adwords_ppc&utm_campaignid=1455363063&utm_adgroupid=65083631748&utm_device=c&utm_keyword=&utm_matchtype=b&utm_network=g&utm_adpostion=1t2&utm_creative=278443377083&utm_targetid=aud-392016246653:dsa-473406587035&utm_loc_interest_ms=&utm_loc_physical_ms=1012728&gclid=CjwKCAiA8rnfBRB3EiwAhrhBGgE-NoEeSozz2GkMw7CEM-RfZnwlb_Szh0EpKbIHRREF9JOkD-NKSRoCImYQAvD_BwE

Python's Math plot library
https://matplotlib.org/users/pyplot_tutorial.html

IoT protocols

https://electronicsforu.com/technology-trends/popular-iot-protocols

Feature selection techniques

• Pearson’s product moment correlation that figure out Pearson’s product moment coefficient
• t-test ใช้วัดความแตกต่างของค่าเฉลี่ยของสองกลุ่มว่ามีนัยสำคัญหรือไม่ www.sthda.com/english/wiki/t-test-formula ตย ของ Paired t-test https://www.jmp.com/en_nl/statistics-knowledge-portal/t-test/paired-t-test.html
• ANOVA ใช้วัดความแตกต่างของค่าเฉลี่ยของ 3 กลุ่มขึ้นไปว่ามีนัยสำคัญหรือไม่ http://www.sthda.com/english/wiki/wiki.php?title=one-way-anova-test-in-r#what-is-one-way-anova-test และยังใช้ทำ feature selection ด้วย https://towardsdatascience.com/anova-for-feature-selection-in-machine-learning-d9305e228476
• Chi square (X^2) ใช้หา correlation

Imbalanced data set

• A problem in classification i.e. labels are discrete 
• Binary class data set is imbalanced if  YES and NO classes (i.e., the labels of data points in the set) are not 50/50 (or 60/40) in terms of the number of data points. 
•  A dataset is marginally imbalanced if one class is rare compared to the other class.
• Solved by under sampling  (i.e. use all the smaller class and randomly select same number of majority class several times to make multiple data sets and then combine all classification results) to balance it this is best way for this without loosing information. If you use boosting you could alter the weights and balance data that way (https://www.researchgate.net/post/How_to_know_that_our_dataset_is_imbalance). อีกวิธีที่นิยมใช้แก้ปัญหาชื่อ SMOTE ซึ่งเป็นการสร้าง synthetic samples (i.e. oversampling) ขึ้นมา https://towardsdatascience.com/dealing-with-imbalanced-classes-in-machine-learning-d43d6fa19d2
• สมมติให้ data set มี 2 classes Class A มีจำนวน 90 เปอร์เซ็นต์ Class B มีจำนวน 10 เปอร์เซ็นต์ ถ้าไม่แก้ปัญหา imbalance แล้วใช้วิธีแล้วใช้วิธี Random ให้ 90%  อยู่ใน A จะได้ accuracy 91% แต่ถ้าพยากรณ์ถูกหมดทั้ง A & B (อาจใช้over/undersampling ช่วย) จะได้ accuracy 100%

Recommendation systems

RS is a kind of information filtering (of items recommended to users).
Types:

• Content-based RS : Recommendation of new items to users is performed by looking at (historic) item to (new) item (item is content) similarity. It uses item profile and user preference profile (i.e. items user liked) (Cf. "Handbook on ontologies")
• Collaborative filtering RS : Recommendation of new items to user is performed based on item reviews (i.e. other users) within a community of the user. (Cf. "Handbook on ontologies") Collaborative filtering works by using the ratings provided by a community of users to recommend items for a specific user. There are two complementary approaches available, user-based or item-based collaborative filtering. User based collaborative filtering is where similar users are found and items recommended that these similar users also liked. Item-based collaborative filtering is where items are grouped if people rate them similarly then the items are recommended together.
• Knowledge-based RS aka rule-based RS : RS of either above types that is supplimented by knowledge base e.g. to calculate user-item or item-item attribute similarity (i.e., similarity of attributes existing in both user and item) (https://medium.com/recombee-blog/recommender-systems-explained-d98e8221f468); The attributes may be in form of ontology-based RS (which has knowledge engineering bottleneck i.e. various problems in knowledge acquisition); this RS is aka rule-based RS in which the rule may be heuristic rules or ML-based classification rules like decision tree.
• Hybrid RS is mix of the first two types.

User profiling methods:

• Knowledge based approach : uses static models of users and dynamically match users to the closest model. Questionnaires and interviews are often employed to obtain this user knowledge. Once a model is selected for a user, specific domain knowledge (from ontology) for that user type can be applied to help describe the user.
• Behavioral based approach : uses the user’s behaviour as a model, commonly using machine-learning techniques to discover useful patterns in the behaviour. Behavioural logging is employed to obtain the data necessary from which to extract patterns.

Common problem of RS is cold start problem (a state of a deployed RS having not enough info on item or user or community (in case of collaborative RS) to give recommendation). Cf. https://en.wikipedia.org/wiki/Cold_start_(computing)

การอภิปรายผลของการพยากรณ์ด้วย machine learning

• เมื่อได้โมเดลออกมาต้องลอง interpret โมเดล เช่น อ่าน decision tree ให้ได้
• เมื่อได้ผลกาพยากรณ์ออกมาเป็นค่าแล้วต้องอธิบายสาเหตุว่าทำไมได้ค่าเท่านั้น เช่น พยากรณ์ว่าตู้ ATM นี้มี demand มากต้องอธิบายได้ว่าเพราะอะไร เพราะคนบริเวณนั้นยังไม่ใช้ cashless app. เพราะ ส่วนใหญ่เป็นผู้สูงอายุ เป็นต้น

Data types in data mining : discrete, nominal, continuous, binary, ordinal

Src:  https://stats.stackexchange.com/questions/159902/is-nominal-ordinal-binary-for-quantitative-data-qualitative-data-or-both

Nominal เรียกอีกอย่างหนึ่งว่า categorical

Discretization = quantization = the process of constraining an input from a continuous or otherwise large set of values (such as the real numbers) to a discrete set (such as the integers). เช่น แรงดัน 2.5 ถึง 5V. ให้ถือเป็น 1; Opposite is "nominal to numeric" process.

A cardinal number tells "how many." Cardinal numbers are also known as "counting numbers," because they show quantity.

HTTP Strict Transport Security (HSTS)

HTTP Strict Transport Security (HSTS) allows web servers to declare that web browsers (or other complying user agents) should interact with it using only secure HTTPS connections,[1] and never via the insecure HTTP protocol.
When a web application issues HSTS Policy to user agents, user agents behave as follows:
1. Automatically turn any insecure links referencing the web application into secure links. (For instance, http://example.com/some/page/ will be modified to https://example.com/some/page/before accessing the server.)
2. If the security of the connection cannot be ensured (e.g. the server's TLS certificate is not trusted), the user agent must terminate the connection (and should not allow the user to access the application.
The HSTS Policy helps protect web application users against some passive (eavesdropping) and active network attacks. A man-in-the-middle attacker has a greatly reduced ability to intercept requests and responses between a user and a web application server.
HSTS can fix is SSL-stripping man-in-the-middle attacks, working by transparently converting a secure HTTPS connection into a plain HTTP connection. The user can see that the connection is insecure, but crucially there is no way of knowing whether the connection should be secure. Many websites do not use TLS/SSL, therefore there is no way of knowing (without prior knowledge) whether the use of plain HTTP is due to an attack, or simply because the website hasn't implemented TLS/SSL.
--wiki

Stock prediction with Python

https://towardsdatascience.com/stock-prediction-in-python-b66555171a2

AI knowledge map

https://medium.com/@Francesco_AI/ai-knowledge-map-how-to-classify-ai-technologies-6c073b969020

สถานะกฎหมายดิจิทัลของไทย

https://ictlawcenter.etda.or.th/de_laws

vision mission strategy

Organizational strategy must arise from a company's mission, which explains why a company is in business. Every activity in the company should seek to fill this purpose, the mission thus guiding all strategic decisions. A company's vision describes what the company will have achieved in fulfilling its mission. From the vision follows the long-term goals of an organizational strategy.

https://smallbusiness.chron.com/meaning-organizational-strategy-59427.html

A* algorithm

ปรัชญา (philosophy)

A system of thought based on or involving such study.

An underlying theory or set of ideas relating to a particular field of activity or to life as a whole.

Project consultant

https://m.pantip.com/topic/32250148?

ตามนี้ แต่ถ้าไม่ใช่พนักงานประจำ แค่รับทำเป็น project ก็เรียกว่า project consultant

Cross Browser Friendly Frameworks and tester

https://medium.com/@sarahelson81/how-to-make-a-cross-browser-compatible-website-40796eaeda05

https://www.lambdatest.com/index-new-landing.html?utm_source=Medium&utm_medium=Blog&utm_campaign=Blogpost&utm_term=indexnewlanding

Breakthrough vs. groundbreaking

As adjectives the difference between groundbreaking and breakthrough

is that groundbreaking is innovative; new, different; doing something that has never been done before while breakthrough is characterized by major progress or overcoming some obstacle.

infimum and supremum

DVR

Local storage server of cctv.
Being replaced by cloud storage.
New cctv uses PoE and cloud storage.

NBIoT VS EMTC

EMTC is faster and good for mobile IoT.

AIS' NB-IoT

Classes of ANN

Feedforward neural network VS. Recurrent neural network:
Networks such as the previous one are commonly called feedforward, because their graph is a directed acyclic graph. Networks with cycles are commonly called recurrent.

Cf. wiki

Simulation VS. Emulation

• Emulation is the process of mimicking the outwardly observable behavior to match an existing target. The internal state of the emulation mechanism does not have to accurately reflect the internal state of the target which it is emulating.Simulation, on the other hand, involves modeling the underlying state of the target. 
• An emulator can replace the original for 'real' use. A simulator is a model for analysis.A remote desktop emulates a PC. If a flight-simulator could transport you from A to B then it would be a flight-emulator.
• Simulation = For analysis and study but Emulation = For usage as a substituteEmulators focus on recreating the behavior of a system, with no regard for how the system functions internally. Simulators2 focus on modeling the components of a system. You use an emulator when you care mostly about what a system does, and a simulator when you care about how it does it.

Bitcoin

IDC infographic library

http://infographics.idc.asia/index/infographics#

symbol meaning

https://en.m.wikipedia.org/wiki/Greek_letters_used_in_mathematics,_science,_and_engineering

การเลือกใช้ visualization diagrams

AI dictionary

https://towardsdatascience.com/the-deep-learning-ai-dictionary-ade421df39e4

https://link.springer.com/referencework/10.1007/978-0-387-30164-8#springerlink-search

การปรับตัวของมหาวิทยาลัย

จำนวนนักศึกษา​ลดลง สอดคล้อง​กับจำนวนเด็กเกิดใหม่ที่ลดลง และเป็นปรากฏการณ์​ที่กำลังเกิดขึ้นกับ Aging Society ทั่วโลก..​
ต่อไปนี้มหาวิทยาลัยต้อง  focus ต้องหาจุดเด่นหรือสิ่งที่ตนเชี่ยวชาญเพื่อทำให้เป็นเลิศและเป็นจุดขาย
คนวัยทำงาน 38ล้านคน ครึ่งหนึ่งไม่จบปริญญาส่วนใหญ่เป็นปวช. ปวส. จะต้องเอามาพัฒนาศักยภาพ reskill upskill upgrade เพื่อตอบโจทย์ตลาดแรงงานที่ต้องการคนที่มีคุณภาพสูงขึ้น สามารถใช้เทคโนโลยีขั้นสูงได้
มหาวิทยาลัยต้องเริ่มทำ Training  มากขึ้นเน้น Non-degree สำหรับ workforce เพื่อให้ภาคการผลิต ปรับตัวมุ่งสู่ industry 4.0 และ Service 4.0 เป็น Digital Transformation ด้วยครับ... ตลอดจนต้องปรับตัวสร้าง radical change สำหรับการผลิตกำลังคนที่มีคุณภาพสูง และ การสร้างนวัตกรรมจากการวิจัย ต่อยอดไปเป็นสินค้าที่มีมูลค่าเพิ่มเชิงพาณิชย์ จึงจะทำให้ประเทศหลุดจากกับดักประเทศรายได้ปานกลางครับ
คนสูงอายุก็ต้องมาเรียน upgrade ตัวเองให้ทำงานได้อย่างมีศักดิ์ศรีและมีคุณภาพชีวิตที่ดี ไม่ใช่ให้อยู่บ้านเฉยๆ

กฎหมาย cryptocurrency & digital token

ลำดับชั้นของกฎหมาย

1.       กฎหมายรัฐธรรมนูญ

คือ   กฎหมายสูงสุดในการจัดระเบียบการปกครองประเทศ     ซึ่งจะวางระเบียบแห่งอำนาจสูงสุดของรัฐ

หรืออำนาจอธิปไตย ได้แก่ อำนาจนิติบัญญัติ อำนาจบริหาร และอำนาจตุลาการ ตลอดจนการกำหนดสิทธิเสรีภาพและหน้าที่ของชนชาวไทย

2.       พระราชบัญญัติ (พ.ร.บ.)

คือ   กฎหมายที่พระมหากษัตริย์ทรงตราขึ้นโดยคำแนะนำและยินยอมของรัฐสภา เป็นกฎหมายหลักที่สำคัญ

ที่บังคับใช้อยู่ในปัจจุบัน พระราชบัญญัติเป็นกฎหมายที่มีลำดับชั้นรองลงมาจากกฎหมายรัฐธรรมนูญ พระราชบัญญัติที่สำคัญที่รัฐสภาตราออกมาใช้บังคับ เช่น พระราชบัญญัติสงวนและคุ้มครองสัตว์ป่า พ.ศ. 2535 พระราชบัญญัติคุ้มครองสุขภาพของผู้ไม่สูบบุหรี่ พ.ศ. 2535 เป็นต้น

3.       ประมวลกฎหมาย

คือ     กฎหมายลายลักษณ์อักษรที่ได้บัญญัติหรือตราขึ้นโดยรวบรวมจัดเอาบทบัญญัติเกี่ยวกับกฎหมายที่

เป็นเรื่องเดียวกันเอามารวบรวมเป็นหมวดหมู่ วางหลักเกณฑ์ให้อยู่ในที่เดียวกันและมีข้อความเกี่ยวเนื่องติดต่อกันอย่างเป็นระเบียบ เช่น ประมวลกฎหมายอาญา ประมวลกฎหมายแพ่งและพาณิชย์ ประมวลรัษฎากร เป็นต้น

                       ประมวลกฎหมายมีฐานะเท่าเทียมกับพระราชบัญญัติ         

4.       พระราชกำหนด (พ.ร.ก.)

คือ   กฎหมายที่พระมหากษัตริย์ทรงตราขึ้นตามคำแนะนำของคณะรัฐมนตรี การตราพระราชกำหนดให้

กระทำได้เฉพาะเมื่อคณะรัฐมนตรีเห็นว่าเป็นกรณีฉุกเฉินที่มีความจำเป็นเร่งด่วนอันมิอาจหลีกเลี่ยงได้ และต้องเป็นกรณีเพื่อจะรักษาความปลอดภัยของประเทศหรือความปลอดภัยสาธารณะ หรือความมั่นคงในทางเศรษฐกิจของประเทศ หรือป้องปัดภัยพิบัติสาธารณะ หรือเป็นพระราชกำหนดเกี่ยวด้วยการภาษีอากรหรือเงินตราซึ่งจะต้องได้รับการพิจารณาโดยด่วนและลับเพื่อรักษาผลประโยชน์ของแผ่นดินและเมื่อได้ประกาศใช้แล้วต้องเสนอพระราชกำหนดนั้นต่อสภาทันทีถ้ารัฐอนุมัติก็มีผลใช้บังคับเป็นพระราชบัญญัติต่อไป ถ้ารัฐสภาไม่อนุมัติก็ตกไป แต่ถ้าไม่กระทบกระเทือนกิจการที่ได้เป็นไปในระหว่างที่ใช้พระราชกำหนดนั้น การประกาศใช้พระราชกำหนดให้ประกาศในราช-กิจจานุเบกษา โดยมีนายกรัฐมนตรีเป็นผู้ลงนามสนองพระบรมราชโองการ

5.       พระราชกฤษฎีกา (พ.ร.ฎ)

คือ   กฎหมายที่พระมหากษัตริย์ทรงตราขึ้นตามคำแนะนำของคณะรัฐมนตรี พระราชกฤษฎีกาจะออกได้

ต่อเมื่อพระราชบัญญัติซึ่งถือเป็นกฎหมายแม่บทให้อำนาจไว้ พระราชกฤษฎีกาจึงเป็นเสมือนกฎหมายที่ไม่สามารถจะออกมาให้ขัดหรือแย้งกับกฎหมายแม่บท และถ้ากฎหมายแม่บทถูกยกเลิก พระราชกฤษฎีกานั้นก็ถือว่าถูกยกเลิกไปด้วย การประกาศใช้พระราชกฤษฎีกาให้ประกาศในราชกิจจานุเบกษา

 6.       กฎกระทรวง

คือ    กฎหมายที่รัฐมนตรีผู้รักษาการตามพระราชบัญญัติอันเป็นกฎหมายแม่บทออกมาเพื่อดำเนินการให้

เป็นไปตามพระราชบัญญัตินั้น ๆ กฎกระทรวงจึงเป็นกฎหมายบริวารที่กำหนดรายละเอียดของกฎหมายแม่บทอีกต่อหนึ่ง กฎกระทรวงจะออกมาขัดแย้งกับกฎหมายแม่บทไม่ได้และถ้ากฎหมายแม่บทถูกยกเลิก กฎกระทรวงนั้นถือว่าถูกยกเลิกไปด้วย คณะรัฐมนตรีเป็นอนุมัติกฎกระทรวง การประกาศใช้กฎกระทรวงให้ประกาศในราชกิจจานุเบกษา

7.       ประกาศ ระเบียบ ข้อบังคับ และคำสั่ง

คือ    กฎหมายปลีกย่อยประเภทที่เป็นเรื่องเล็ก ๆ น้อย ๆ  ได้แก่เรื่องที่เกี่ยวกับระเบียบการปฏิบัติราชการ

ภายในและการที่จะนำกฎหมายปลีกย่อยเหล่านี้ไปประกาศในราชกิจจานุเบกษา ต้องเป็นกรณีที่กฎหมายกำหนดไว้ให้ประกาศในราชกิจจานุเบกษา แต่ถ้าในกฎหมายไม่ได้กำหนดเช่นนั้นก็อยู่ในดุลยพินิจของผู้มีอำนาจว่าการจะประกาศลงในราชกิจจานุเบกษาหรือไม่ ซึ่งประกาศ ระเบียบข้อบังคับ และคำสั่งเหล่านั้นก็เป็นกฎหมายได้เช่นกัน

8.       กฎหมายที่ออกโดยองค์กรปกครองตนเอง

ได้แก่   ข้อบัญญัติกรุงเทพมหานคร  ข้อบัญญัติเมืองพัทยา  ข้อบัญญัติจังหวัด  เทศบัญญัติ  และข้อบังคับ

สุขาภิบาล เป็นกฎหมายที่มีพระราชบัญญัติการจัดตั้งองค์กรปกครองตนเองอันเป็นการบริหารส่วนท้องถิ่นนั้น ๆ ให้มีอำนาจออกกฎหมายบังคับใช้เฉพาะท้องถิ่นเท่านั้น

อ้างอิงจาก https://www.jobpub.com/articles/showarticle.asp?id=2006

Progressive Web App (pwa)

Mobile or desktop webapps that can be installed locally (add to mobile home screen or pc desktop) and can work offline, running a background process, and adding a link to the device home screen (Rich offline experiences, periodic background syncs, push notifications) -  to provide an 'native mobile or desktop app like' user experience.
https://medium.com/@firt/progressive-web-apps-on-ios-are-here-d00430dee3a7

https://developers.google.com/web/progressive-web-apps/

https://developers.google.com/web/fundamentals/primers/service-workers

https://aws.amazon.com/th/blogs/mobile/building-progressive-web-apps-with-the-amplify-framework-and-aws-appsync/

During offline, requests from webapp will be batched by background service worker for later sync with server when online.
https://medium.com/@iamgique/service-worker-%E0%B8%84%E0%B8%B7%E0%B8%AD%E0%B8%AD%E0%B8%B0%E0%B9%84%E0%B8%A3-5ddcde2a329e

Appcache is file extension of HTML5 cache manifest and will be removed from pwa and html5.
https://html.spec.whatwg.org/#manifests

Service worker's cache API (replacing Appcache)
https://codelabs.developers.google.com/codelabs/your-first-pwapp/#4

Types of mobile apps and web apps
https://aws.amazon.com/th/mobile/mobile-application-development/

API tester

https://www.getpostman.com/docs/v6/postman/scripts/test_scripts

https://medium.com/@nest12345/มาทดสอบ-api-ด้วย-postman-กันเถอะ-c750a09c86ce

Principal Component Analysis (PCA) and Factor Analysis (FA)

https://www.theanalysisfactor.com/the-fundamental-difference-between-principal-component-analysis-and-factor-analysis/

R VS. Python infographic

https://www.datacamp.com/community/tutorials/r-or-python-for-data-analysis

MVC

• A view can be any output representation of information, such as a chart or a diagram. Multiple views of the same information are possible, such as a bar chart for management and a tabular view for accountants. So view is UI.
• A controller, accepts input and converts it to commands for the model or to update view. So controller pass input to a corresponding model.

• A model is the central component of the pattern. It expresses the application's behavior in terms of the problem domain, independent of the user interface. It directly manages the data, biz logic and rules of the application. So model is a biz logic processing component.

cf. wikipedia

ประโยชน์ของการจด VAT

https://aommoney.com/stories/ภาษีธุรกิจ/ก่อนจะถามว่าจด-vat-ดีไหม-มาเข้าใจภาษีมูลค่าเพิ่มกันก่อนดีกว่า/16905#jho7qoix90

General Data Protection Regulation (GDPR)

What is the GDPR?

The General Data Protection Regulation (GDPR), which comes into force on May 25th, 2018, aims to protect the fundamental right to privacy and the protection of personal data of European Union (EU) citizens. 

This regulation affects any entity (including websites) that processes EU citizens' personal data. Whether or not you or your business is located in the EU, if you have EU site visitors, or if your marketing campaigns target EU citizens, this affects you. 

What does the GDPR mean for you?

Transparency and communication with your site visitors are key elements of the GDPR. As part of the new regulation, you must let your site visitors know how you collect, store, and use their data, in a clear and transparent way. In addition, you must comply with your site visitors' requests to receive a copy of their data that is processed on your site. 

Source: https://support.wix.com/en/article/preparing-your-wix-site-for-the-gdpr?referralAdditionalInfo=BIZ_MANAGER_HOME_LB

Coinspace: Example of Bitcoin

Cryptocurrency หรือนัยหนึ่ง คือ Digital Money ซึ่งหลายคนอาจจะรู้จัก
เช่น  Bitcoin ซึ่งในปัจจุบัน  ราคาซื้อ 1 BTC  เท่ากับ  28,558.30  บาท
(ข้อมูล ณ วันที่  5 ธันวาคม 2559) โดยในช่วงของการเปิดตัวเมื่อปี 2009
ราคาอยู่ที่ 0.001 $... สิ่งที่กำลังจะเสนอ คือ COINSPACE
ส่วนเหรียญที่ใช้ คือ S-Coin
COINSPACE
1. Coinspace จัดตั้งสำนักงานใหญ่อยู่ที่ยุโรป
ซึ่งสามารถรองรับการดำเนินการจากทั่วโลก  ตลาดหลักๆ ของ Coinspace
อย่างเช่น เอเชียตะวันออกเฉียงใต้ ยุโรป  อินเดีย  แอฟริกา และอเมริกาใต้
เพื่อให้เห็นว่าบริษัทตั้งเป้าหมายที่จะเติบโต
จึงจะเปิดสำนักงานตามพื้นที่ต่างๆ ทั่วโลก
2. Coinspace เป็นโอกาสทางธุรกิจที่มีความเฉพาะ
และเป็นธุรกิจเดียวที่เป็นธุรกิจ Cryptocurrency หรือ Digital Money
โดยมีจุดมุ่งหมาย คือการทำให้ cryptocurrency เป็นที่นิยม
เป็นการนำเสนอผลประโยชน์ให้แก่ผู้คนที่มองหาความสำเร็จและมีอิสรภาพในด้านการเงิน
จากทั่วโลก
3. วิสัยทัศน์ คือ  “One World, One Currency” เป้าหมาย คือ
การจัดเตรียมระบบที่สามารถช่วยให้คุณได้เข้าถึง coin
ที่สามารถใช้ได้หลากหลาย และเป็น coin
ที่สามารถทำกำไรได้มากที่สุดเท่าที่เป็นไปได้ ซึ่งเรียกว่า  S-Coin
4. แผนการพัฒนาธุรกิจ COINSPACE
ระดับที่ 1  สมาชิกสูงถึง 50,000 คน ทั่วโลก (1%)
ระดับที่ 2  ปล่อย S-coin และระบบการค้าอัจฉริยะเพื่อทำการแลกเปลี่ยน
ระดับที่ 3 S-Coin เป็นวิธีการชำระเงินที่ใช้กันอย่างแพร่หลายทั่วโลก
        Coinspace อยู่ในระหว่างการจดทะเบียนในประเทศไทย และอยู่ในระดับที่ 1
เช่นเดียวกับประเทศอื่นๆ ทั่วโลก คือ Pre- Launch
ผู้ที่ลงทุนในช่วงนี้จะเป็น Pioneer เป็นต้นน้ำของ Coinspace
ในประเทศไทยที่สามารถสร้างธุรกิจจาก Multi-Level Marketing (MLM)
ได้อย่างเต็มที่  สกุลเงินที่ใช้กับ Coinspace คือ ยูโร  ซึ่งเมื่อถึง
ระดับที่ 2  คือ ช่วง Launch, 1 S-coin จะมีค่า 1 ยูโร

Wireless calling system, LoRaWAN, Adhoc (MANET)

wireless calling system รู้สึกใช้คลื่น AM ครับ ปรับช่องสัญญานได้ เหมือนพวก handfree จีนแดง
m.callingsys.com/m/product.asp?autoid=62

LoRa ใช้ license-free frequency ส่งได้สิบกว่ากิโล  แต่ท่าทางต้องใช้ LoRa transmitter กับ receiver (lora gateway) โดยเฉพาะ เพื่อต่อเข้า IP nw อื่นๆ

WSN (wireless sensor nw) ไม่จำเป็นต้อง ad hoc แบบ MANET (Mobile adhoc network) แต่มี product LoRAWAN ที่ใช้ทำ MANET ขายเช่น  https://www.aliexpress.com/item/LoRa-embedded-MESH-MANET-Radio-wireless-433MHz-micro-power-RF-Module-3-3-5-0V-20dBm/32847900789.html

บริการ LoRa gateway ของ CAT พิสัยทพการประมาณ 5 km สำหรับให้อุปกรณ์ IoT มาเชื่อมต่อและส่งข้อมูลผ่าน MQTT (publish/subscribe L7 protocol) ไปที่ gateway ของ CAT จากนั้นจะส่ง MQTT message ต่อไปยัง application server (ที่อาจสร้างด้วย PaaS http://cayenne.mydevices.com) ของผู้ใช้ๆ ก็เขียน app รับข้อมูลไปใช้ต่อ
https://www.cattelecom.com/cat/content/2621/216/CAT+เปิดบริการเทคโนโลยีอัจฉริยะ+“LoRa+IoT+by+CAT”+ตอบสนองยุคดิจิทัล

End node (starter kit) ต้องเสียรายปี 300 บาท เพื่อเชื่อมต่อกับ gw ของ CAT:

สามารถอ่านข้อมูลมาแสดงใน dashboard ของ mydevices.com

ถ้าไม่ใช้ของ cat ต้องซื้อ  lora gw มาเอง พิสัยทำการจะยิ่งสั้น ด้านหน้าคุย lora ด้านหลังคุย wifi/LAN ออก internet

การติดตั้ง Arduino IDE ลง PC เพื่อระบุรุ่นและพอร์ตเชื่อมต่อกับ Arduino เพื่อโหลด MQTT libraries & app code ลงไปใน Arduino เพื่ออ่านค่าจาก sensor แล้วส่งขึ้น MQTT broker

https://mydevices.com/cayenne/docs/cayenne-mqtt-api/#cayenne-mqtt-api-using-arduino-mqtt

Lora dev.
https://medium.com/@choonewza/stm32lora-%E0%B8%95%E0%B8%AD%E0%B8%99%E0%B8%97%E0%B8%B5%E0%B9%88-3-%E0%B8%AA%E0%B9%88%E0%B8%87%E0%B8%82%E0%B9%89%E0%B8%AD%E0%B8%A1%E0%B8%B9%E0%B8%A5%E0%B8%88%E0%B8%B2%E0%B8%81-network-server-%E0%B9%84%E0%B8%9B%E0%B8%A2%E0%B8%B1%E0%B8%87-application-server-747ef5300e39

Thai law

http://www.wunca.uni.net.th/wunca_regis/wunca36_doc/18/006_WUNCA_Lora.pdf&ved=2ahUKEwj8vOjOvp_kAhXFQI8KHdnGD2YQFjAEegQICRAB&usg=AOvVaw0J_evu_-OMMaiT2BGZf3D2

http://spectrum.nbtc.go.th/eventreg/iot2017/docs/02_iot_trends_and_spectrum.pdf

Gradient Descent

The minimization of error measured by cost function or loss function e.g. M.S.E.
https://towardsdatascience.com/gradient-descent-in-a-nutshell-eaf8c18212f0

New WiFi standard

Accuracy and precision

• The accuracy of a measurement system is how close it gets to a quantity's actual (true) value.
• The precision of a measurement system is the degree to which repeated measurements give the same results.

Automation server open source

An open source automation server written in Java. Jenkins provides hundreds of plugins to support building, deploying and automating any project.

https://jenkins.io/

การเขียนชื่อบทความ (paper title)

% paper title
% Titles are generally capitalized except for words such as a, an, and, as,
% at, but, by, for, in, nor, of, on, or, the, to and up, which are usually
% not capitalized unless they are the first or last word of the title.

NOSQL schema design

https://www.mongodb.com/blog/post/6-rules-of-thumb-for-mongodb-schema-design-part-1

AI in Finance

AI หมายถึง ความฉลาดที่มีอยู่ในสิ่งไม่มีชีวิตเช่นฮาร์ดแวร์หรือซอฟแวร์
ความฉลาดหมายถึงความสามารถในการคิดได้คล้ายสิ่งมีชีวิตและแสดงออกทางภาษาหรือการกระทำ

หลักการทำงาน:
• Vision : image recognition
• NLP : speech to text, text to speech, translation, info extraction e.g. text mining
• Reasoning : machine learning, deep learning, expert system, recommendation systems
(machine learning :  unsupervised Learning  เช่น clustering,  reinforcement Learning เช่น หมากรุก  ที่ไม่สามารถบอกการเดินแต่ละตาได้ว่าแบบไหนถูกหรือผิดด้วยวิธี supervised Learning แต่ต้องบอกด้วยrewardคือการแพ้หรือชนะเมื่อเกมสิ้นสุดลงแทน อีกตัวอย่างคือ ปิงปองโดยมีrewardเป็นคะแนน  การคลานถ้าคลานไปด้านหน้าจะได้ reward)

พัฒนาการปัจจุบัน
AlphaGo ชนะนักเล่นหมากล้อมมือหนึ่งของโลกชาวเกาหลีได้โดยใช้ machine learning เพื่อพยากรณ์ next move ของฝ่ายตรงข้ามจากนั้นสร้าง Monte carlo search tree ขึ้นมาหา path และโอกาสชนะ ถ้าต่ำกว่า 20% จะขอผ่านไม่เดินหมาก
Tensorflow เป็น framework ทำ machine learning
ฝั่ง finance:
By using machine learning Wall Street can number crunch millions of data points in real time and capture some of the correlations that traditional statistics models could not capture, and that is actually the dollar track to go after today.
AI helps people to manage lots of data sources and come up with new patterns to help estimate trading, ideas, and make better investing decisions.
Now all the traders have so many real-time streaming news, and to mine information from these unstructured data sets (e.g, images, videos) becomes very important, so we need new technology to handle this, which is new even to Wall Street, but with ML and deep learning we can now look at all these unstructured data sets and mine lots of trading insights which we could not do before.
We can do all this today in natural language processing, which means we can have a computer understand the semantics and meaning of how people say something…and in news, this could be something positive or negative about certain companies, and that’s something we call sentiment analysis. We are building something called a sentiment score, which means we are leveraging all the sentiment we collect from traders, news, blogs, and we’re collecting some of the data from transactions. For example, we collect all the insider data trading sets, so we know for which company, which CEO or CXO is buying or selling stocks; try integrating this transaction data with the trader’s sentiments, and we can come up with a better score to know how people think about a set of stocks.
AI can actually scan (e.g. detect candles) every single stock and find all the tradable classical chart patterns, and you don’t have to do it by using human eyes.
There’s a need for robo-advisors that will better take into account and integrate individuals’ behavior patterns alongside their stated financial objectives, resulting in more adaptive and targeted investments.
I think we’ll see not only Financial advisors but also a lot of brokers losing their jobs, a lot of financial advisors, bankers are going to get hit. It’s going to be the banks that will fire the most people. They’re going to have fewer people at the window, fewer people in the back office.
Many quant trading firms (include Two Sigma Investments, D. E. Shaw (company), Renaissance Technologies (hedge fund), and Hudson River Trading) use machine learning techniques on data feeds for automated trades. These trading firms usually trade on very weak correlations that are uncovered in research from quantitative analysts. Firms heavily optimize their strategies for speed. With the low latency, they can beat anyone else to the right trade, since only the fastest players will get the profit.

Back test ไม่ได้ผลใน out-of-sampling test
สาเหตุที่เป็นไปได้คือ
• Local minimum (error) vs. global minimum : ที่ไม่พบ global เพราะ inputs หรือ initial weights เลือกมาไม่ดี
• จำนวนปัจจัยนำเข้าเปลี่ยนแปลงตลอดเวลา เช่น มีมหาเศรษฐีคนใหม่แต่ชี้นำตลาดได้ การตัดสินใจของเขาต้องถูกนำมาใช้ใน AI ด้วย
• ความไร้ pattern ของตลาดทำให้ต้องใช้ nondeterministic machine ที่เมื่อได้รับตัวเลือกจะเลือกถูกเสมอ มาช่วยซึ่งยังไม่อุบัติขึ้นในโลก

แนวโน้มในอนาคต :
• ถ้ามี AI มา trade กันมากๆ การเล่นหุ้นปกติต้องมีฝ่ายได้และฝ่ายเสีย แต่ถ้าเก่งกันหมดก็ไม่มีใครทำกำไรได้ อย่างไรก็ตามในทางปฏิบัติ ไม่ใช่ทุกคนจะมีหรือจะใช้เครื่องมือ AI แต่ละคนมีพฤติกรรมในการลงทุนต่างกัน เล่นสั้น เล่นกลาง เล่นยาว และสามารถกำหนดนโยบายการวางกลยุทธให้กับเครื่องมือ AI ต่างกัน ในภาพรวมแล้วจึงไม่น่าเป็นไปได้ที่จะไม่สามารถทำกำไรได้
• ปัจจุบันอาจเรียกได้ว่าเป็นยุคบุกเบิกของ AI trading คือแค่นำ AI มาจับ pattern ในตลาดเพื่อหาโอกาสทำกำไร มนุษย์ย่อมทำกำไรยากขึ้นอุปมาเหมือนสู้กับAlphaGoก็ต้องปรับตัวด้วยการหันมาศึกษาเครื่องมือ AI จนกลายมาเป็น common knowledge ดังนั้นยุคถัดไป AI จะเป็นเครื่องมือพื้นฐานสำหรับผู้เล่นทุกคนก็จะเป็นยุคการใช้ตัวแทนคือ agent หรือถ้าผนวกพฤติกรรมมนุษย์ลงไปด้วยก็กลายเป็น digital twin มา trade กันในตลาด agent แต่ละตัวจะมีพฤติกรรมไม่เหมือนกันตามเป้าหมายของเจ้าของที่ต่างกัน ก็ยังน่าจะสามารถทำกำไรกันได้อยู่ แต่ agent ก็จะวิวัฒนาการไปเรื่อยๆ เช่น เรื่องความเร็วในการเคาะซื้อขายใครประมวลผลเร็วกว่าได้เปรียบคล้ายๆการขุดบิตคอยน์การ์ดจอใครแรงกว่าก็ขุดได้เยอะกว่า แต่สำหรับนักลงทุนรายบุคคลอาจไม่มีการได้เปรียบเสียเปรียบมากเพราะใช้ในรูปแบบบริการคลาวด์ได้ ส่วนนักลงทุนระดับสถาบันอาจมีการลงทุนโครงสร้างพื้นฐานเหล่านี้เองและพัฒนาขั้นตอนวิธีเองเพื่อจับสัญญาณบวกได้เร็วที่สุดเพื่อทำกำไร และ agent อาจไปถึงจุดที่ใช้ tactics ต่างๆ เข้ามาเช่นการการพราง pattern คล้ายๆ polymorphic virus เช่น agent ของนักลงทุนรายใหญ่ทำการเข้ารหัสลับข้อมูลที่ตนเผยแพร่ออกมาเพื่อไม่ให้ถูก mining ได้ อีกหน่อย digital inventor อาจจะหาเลี้ยงเราที่เป็น physical investor
• Quantum computer ช่วยให้ AI พัฒนาได้เร็วขึ้น AI will become common knowledge among financial institutions just like mobile apps & social media

AI ต่างจากคนตรงที่ ขาดความคิดสร้างสรรค์ การสร้าง story ของสินค้า handmade ไม่มี สร้างโจทย์เองไม่ได้ต้องให้คนหาโจทย์และเลือกหยิบaiที่เหมาะสมมาตอบโจทย์ ดังนั้นรู้จัก ใช้เป็น ไม่ตกงาน

dynamic programming vs. divide and conquer

Divide and Conquer

Divide and Conquer works by dividing the problem into sub-problems, conquer each sub-problem recursively and combine these solutions.

function fib(n)

    if n <= 1 return n

    return fib(n − 1) + fib(n − 2)

Notice that if we call, say, fib(5), we produce a call tree that calls the function on the same value many different times:

fib(5)

fib(4) + fib(3)

(fib(3) + fib(2)) + (fib(2) + fib(1))

((fib(2) + fib(1)) + (fib(1) + fib(0))) + ((fib(1) + fib(0)) + fib(1))

(((fib(1) + fib(0)) + fib(1)) + (fib(1) + fib(0))) + ((fib(1) + fib(0)) + fib(1))

In particular, fib(2) was calculated three times from scratch. In larger examples, many more values of fib, or subproblems, are recalculated, leading to an exponential time algorithm.

Dynamic Programming

Dynamic Programming is a technique for solving problems with overlapping subproblems. Each sub-problem is solved only once and the result of each sub-problem is stored in a table ( generally implemented as an array or a hash table) for future references. These sub-solutions may be used to obtain the original solution and the technique of storing the sub-problem solutions is known as memoization.

You may think of DP = recursion + re-use

Suppose we have a simple map object, m, which maps each value of fib that has already been calculated to its result, and we modify our function to use it and update it. The resulting function requires only O(n) time instead of exponential time (but requires O(n) space):

var m := map(0 → 0, 1 → 1)

function fib(n)

    if key n is not in map m 

        m[n] := fib(n − 1) + fib(n − 2)

    return m[n]

This technique of saving values that have already been calculated is called memoization.

Wikipedia &

https://stackoverflow.com/questions/13538459/difference-between-divide-and-conquer-algo-and-dynamic-programming