PDPA & Cookies

 https://pdpa.pro/blogs/what-is-cookie-consent-and-why-we-must-have-it

https://pdpa.pro/blogs/how-to-create-cookie-banner-follows-pdpa

สรุปสาระสำคัญของกฎหมาย pdpa

https://laplaehospital.moph.go.th/file/10-11-2020-01-30-07.pdf

VMware ESXi free license (60 days trial and renewable)

 https://systemzone.net/how-to-get-vmware-esxi-free-license/?amp=1

Human-Interpretable ML model

 Decision tree, Random forest for classification (https://medium.com/@witchapongdaroontham/%E0%B9%80%E0%B8%88%E0%B8%B2%E0%B8%B0%E0%B8%A5%E0%B8%B6%E0%B8%81-random-forest-part-2-of-%E0%B8%A3%E0%B8%B9%E0%B9%89%E0%B8%88%E0%B8%B1%E0%B8%81-decision-tree-random-forest-%E0%B9%81%E0%B8%A5%E0%B8%B0-xgboost-79b9f41a1c1c)

Blynk

An Internet of things (IoT) company which provides a platform for building mobile (IOS and Android) applications that can connect electronic devices to the Internet and remotely monitor and control these devices.

There are three major components in the platform:

• Blynk App - allows to you create amazing interfaces for your projects using various widgets we provide.

• Blynk Server - responsible for all the communications between the smartphone and hardware. You can use our Blynk Cloud or run your private Blynk server locally. It’s open-source, could easily handle thousands of devices and can even be launched on a Raspberry Pi.

• Blynk Libraries - for all the popular hardware platforms - enable communication with the server and process all the incoming and outcoming commands.

• 
  
  
  

--Cf. https://docs.blynk.cc/

Deepfake app

 https://hey.reface.ai/

NPU, TPU

 https://m.thaiware.com/tips/2138.html

AWS' TPU (tensor processing unit)/NPU service is AWS Trainium: https://aws.amazon.com/machine-learning/trainium/

CPU vs GPU vs TPU: https://medium.com/super-ai-engineer/gpu-tpu-%E0%B8%84%E0%B8%B7%E0%B8%AD%E0%B8%AD%E0%B8%B0%E0%B9%84%E0%B8%A3-%E0%B8%84%E0%B8%A7%E0%B8%A3%E0%B9%83%E0%B8%8A%E0%B9%89%E0%B8%AD%E0%B8%B0%E0%B9%84%E0%B8%A3%E0%B9%83%E0%B8%99%E0%B8%81%E0%B8%B2%E0%B8%A3-train-model-%E0%B8%81%E0%B8%B1%E0%B8%99%E0%B9%81%E0%B8%99%E0%B9%88-1b652666cbbf

Latent variable, Latent Dirichlet Allocation (LDA)

https://towardsdatascience.com/latent-dirichlet-allocation-lda-9d1cd064ffa2

A latent variable in machine learning refers to a variable that is not directly observed or measured but is inferred from the observable data. These variables represent hidden factors that influence the observed data and help explain patterns or relationships within that data.

### Examples and Applications:

1. **Principal Component Analysis (PCA):** 

   - In PCA, the principal components are latent variables that capture the directions of maximum variance in the data. These components summarize the data by reducing its dimensionality while preserving as much information as possible.

2. **Hidden Markov Models (HMM):** 

   - In HMMs, the hidden states are latent variables that represent the underlying process generating the observed sequence of data, such as the true emotional state of a person inferred from their speech or behavior.

3. **Latent Dirichlet Allocation (LDA):**

   - In LDA, a topic model, the latent variables are the topics that explain the observed words in a collection of documents. Each document is assumed to be a mixture of these topics.

4. **Autoencoders:**

   - In autoencoders, the encoded representation (bottleneck layer) is a latent variable that captures the most essential features of the input data, which is then used to reconstruct the original input.

รถไฟฟ้าละแวกราชดำเนินพระราม8

 

AI Table

 https://mindsdb.com/

https://youtu.be/HMn1jTIbOTI

It integrates machine learning model into RDB to enable query of predicted value.

How to get anywhere by plane, train, bus, ferry & car

 https://www.rome2rio.com/

Edge devices, servers, and types

 

Cloud native platform

An approach to build (link&compile) and run applications on cloud.

https://ashley-mangtani.medium.com/everything-you-need-to-know-about-cloud-native-platforms-e15004e3a57a

Cloud native technologies focus on minimizing users' operational burden. Frequently, cloud-native applications are built as a set of microservices (REST API) that run in Docker containers, and may be orchestrated in Kubernetes and managed and deployed using DevOps and Git CI workflows (although there is a large amount of competing open source that supports cloud-native development). The advantage of using Docker containers is the ability to package all software needed to execute into one executable package.

สัปปุริสทานสูตร

  [๑๔๘] ดูกรภิกษุทั้งหลาย สัปปุริสทาน ๕ ประการนี้ ๕ ประการเป็นไฉน คือ

สัตบุรุษย่อมให้ทานด้วยศรัทธา ๑ 
ย่อมให้ทานโดยเคารพ ๑ 
ย่อมให้ทานโดยกาลอันควร ๑ 
เป็นผู้มีจิตอนุเคราะห์ให้ทาน ๑ 
ย่อมให้ทานไม่กระทบตนและผู้อื่น ๑ 

ดูกรภิกษุทั้งหลาย สัตบุรุษครั้นให้ทานด้วยศรัทธาแล้ว 
ย่อมเป็นผู้มั่งคั่ง 
มีทรัพย์มาก 
มีโภคะมาก 
และเป็นผู้มีรูปสวยงาม 
น่าดู น่าเลื่อมใส
ประกอบด้วยผิวพรรณงามยิ่งนัก 

ในที่ที่ทานนั้นเผล็ดผล (บังเกิดขึ้น) 

ครั้นให้ทานโดยเคารพแล้ว 
ย่อมเป็นผู้มั่งคั่ง 
มีทรัพย์มาก 
มีโภคะมาก 
และเป็นผู้มีบุตรภรรยา 
ทาส คนใช้หรือคนงาน 
เป็นผู้เชื่อฟัง 
เงี่ยโสตลงสดับคำสั่ง 
ตั้งใจใคร่รู้

ในที่ที่ทานนั้นเผล็ดผล 

ครั้นให้ทานโดยกาลอันควรแล้ว 
ย่อมเป็นผู้มั่งคั่ง 
มีทรัพย์มาก 
มีโภคะมาก 
และย่อมเป็นผู้มีความต้องการที่เกิดขึ้นตามกาลบริบูรณ์ 

ในที่ที่ทานนั้นเผล็ดผล 

ครั้นเป็นผู้มีจิตอนุเคราะห์ให้ทานแล้ว ย่อมเป็นผู้มั่งคั่ง 
มีทรัพย์มาก 
มีโภคะมาก 
และเป็นผู้มีจิตน้อมไปเพื่อบริโภคกามคุณ ๕ สูงยิ่งขึ้น
ในที่ที่ทานนั้นเผล็ดผล 

ครั้นให้ทานไม่กระทบตนและผู้อื่นแล้ว 
ย่อมเป็นผู้มั่งคั่ง 
มีทรัพย์มาก มีโภคะมาก 
และย่อมเป็นผู้มีโภคทรัพย์ไม่มีภยันตรายมาแต่ที่ไหนๆคือ 
จากไฟ 
จากน้ำ 
จากพระราชา 
จากโจร 
จากคนไม่เป็นที่รัก 
หรือจากทายาทในที่ที่ทานนั้นเผล็ดผล 
ดูกรภิกษุทั้งหลาย สัปปุริสทาน ๕ ประการนี้แล ฯ

พระไตรปิฎก เล่มที่ ๒๒  พระสุตตันตปิฎก เล่มที่ ๑๔
อังคุตตรนิกาย ปัญจก-ฉักกนิบาต

Cloud-Edge-End vs Cloud-Fog-Edge

 Cloud-Edge-End architecture :

With the increasing production of Big Data and due to latency, privacy, and other concerns, a Cloud-Edge-End computing paradigm has emerged in order to facilitate Big Data processing in proper places. This infrastructure seamlessly integrates hardware and software resources across multiple computing tiers, from the End to Edge, and to the Cloud. The flexibility of hierarchical cloud-edge-end computing architecture makes possible to decide whether data processing and analysis—including data cleaning, machine learning training, and decision making—applied to data coming from end sensors is carried out directly at the end device in-place, the computing edge or uploaded to the cloud infrastructures with higher computation capabilities. Therefore, advanced cloud–edge–end computing architectures needs to provide the kind of support that IoT applications need to deploy data processing and analytic methods in a flexible, efficient and scalable way. (cf. https://www.journals.elsevier.com/journal-of-systems-architecture/call-for-papers/special-issue-on-cloud-edge-end-architecture-for-internet-of-things-applications-vsi-cloud-edge-end-iot)

So the term End refers to end devices and the term Edge refers to network edge.

However, the term Cloud-Fog-Edge is found more on Google.

Mobile cloud emulator

 A cloud service that emulates mobile OS. It's like a VM with mobile OS installed. Then VM can run on any computer platforms just like any cloud services. Examples include https://www.cloudemulator.net/

Web 1.0-3.0

 

Open access books

 https://www.intechopen.com/books/10779