Lesson

UML ER BPM tool

https://www.visual-paradigm.com/download/

It offers 1-month trial, community free, and old version free.

การสร้าง scalable db web servers

nginx (load balancer), PHP7FPM (high performance http server), redis/memcache, mysql

How to run windows on mac?

Use Wine software  https://en.m.wikipedia.org/wiki/Wine_(software)

It is similar to Docker.

การปฏิรูปการวิจัยของไทย

Room type

การคิดแบบ IoT

คือการจินตนาการว่าถ้าสิ่งของรอบตัวเรามีชีวิต มันจะต้องการอะไรที่จะช่วยให้มันทำหน้าที่ได้ดีที่สุดอย่างชาญฉลาด

Simulation and Testing tools

Jmeter measures web apps and other Internet-based systems using defined workload.

http://jmeter.apache.org/index.html

Teaching video for beginner https://youtu.be/8loLHbhfyh0

Cloudsim simulates cloud  computing system.

http://www.cloudbus.org/cloudsim/

Merge vs Consolidate vs Acquisition

Merge : a combination of companies (both stocks and debts) into one of previous existing companies.
Consolidation : the unification of two or more corporations (both stocks and debts) by creating a single new corporation.
Acquisition : is when a company buys or acquires a nondebt part of another company.
Cover = take over 

ลักษณะสำคัญของงานวิจัย

งานวิจัยต้องก่อให้เกิดองค์ความรู้ใหม่ (contribution) ทั้งในฝั่งของโลกวิจัยและโลกอุตสาหกรรม มิเช่นนั้นถือเป็นการลอกเลียน(แบบตั้งใจหรือโดยบังเอิญ)งานวิจัยอื่น กล่าวอีกนัยหนึ่ง งานวิจัยต้องมีปัญหาวิจัย(ปัญหาที่ยังไม่เคยมีใครในโลกแก้ไขจนสำเร็จหรือได้ผลเป็นที่พอใจ) 

1.งานวิจัยบนพื้นที่ปัญหาเดิม

งานวิจัยอาจไปแก้ปัญหาของมนุษย์ปัญหาเดียวกันกับที่งานวิจัยอื่นเคยเสนอวิธีแก้ปัญหาไว้แล้ว แต่เป็นการเสนอวิธีการแก้ปัญหาที่ดีกว่าวิธีเดิม(หรือแย่กว่าเดิม) โดยการเปรียบเทียบผลลัพธ์กับงานวิจัยที่เกี่ยวข้องเพื่อพิสูจน์ว่าดีกว่าหรือแย่กว่าจริงตามหลักการทางวิทยาศาสตร์ ความท้าทายของงานวิจัยแบบแรกนี้คือการค้นหาจุดอ่อนของงานวิจัยอื่น(เช่น ช้า ใช้ทรัพยากรมาก ผลลัพธ์มีคุณภาพต่ำ เช่น ความถูกต้องแม่นยำต่ำ) เพื่อนำมาเป็นปัญหาวิจัยซึ่งถ้าได้ผลลัพธ์ที่แตกต่าง ก็จะเกิดองค์ความรู้ใหม่ต่อยอดขึ้นไปเรื่อยๆ ถ้าผลลัพธ์แย่กว่าก็จะเกิดองค์ความรู้ที่ป้องกันคนอื่นทำผิดซ้ำๆกับเราได้ อีกความท้าทายคือการพัฒนาให้ดีกว่าวิธีที่มีอยู่เดิม

การทำวิจัยแข่งกับผลิตภัณฑ์หรือบริการ(นั่นคือผลจากการวิจัยที่ประสบความสำเร็จในระดับของการนำไปใช้งานจริงแล้ว)ที่มีอยู่ในตลาดจำเป็นต้องนำผลิตภัณฑ์หรือบริการที่เกี่ยวข้องทั้งหมดในโลกมาเป็นคู่เทียบ (benchmark) ในสภาพแวดล้อมของการทดลองที่ยุติธรรม (ถ้าไม่ได้นำผลที่เกี่ยวข้องทั้งหมดในโลกมาเปรียบเทียบก็จะเคลมไม่ได้ว่าเกิดองค์ความรู้ใหม่หรือไม่) ซึ่งอาจทดสอบกับคู่เทียบแบบ black box คือใส่ input data set ชุดเดียวกับของเรา และดูผลลัพธ์ อีกวิธีคือไป review หาจุดอ่อนในวิธีการที่คู่เทียบใช้เพื่อนำมาปรับปรุงในวิธีใหม่เพื่อให้ได้ผลลัพธ์ที่ดีกว่าแน่ๆ แต่วิธีนี้ทำได้ยากเพราะอาจเป็นความลับไม่ถูกเปิดเผย ความท้าทายของการทำวิจัยแข่งกับตลาดคือจะชนะได้ยากหรือถ้าชนะได้ก็โดนแซงหน้าชนะอย่างรวดเร็ว หากผลการวิจัยเสมอกับผลิตภัณฑ์หรือบริการในตลาดแต่ของเรามีค่าใช้จ่ายต่ำกว่าแบบนี้ไม่ถือว่าเกิดองค์ความรู้ใหม่ มีแต่เพียง merit ซึ่งพ่ายแพ้ได้โดยง่ายหากผลิตภัณฑ์หรือบริการนั้นเปลี่ยนโมเดลธุรกิจมาเป็นให้ใช้ฟรี 

2.งานวิจัยบุกเบิกพื้นที่ปัญหาใหม่

คืองานวิจัยไปแก้ปัญหาของมนุษย์ปัญหาใหม่ที่ยังไม่เคยมีใครมาทำวิจัยแก้ปัญหามาก่อน (open up the new field of research) ปัญหานั้นถือเป็นปัญหาวิจัยได้เลยซึ่งอาจอยู่คนละสาขาวิชา(เช่นสาขามนุษยศาสตร์)กับวิธีแก้ปัญหาที่เสนอ(ซึ่งอาจอยู่ในสาขาไอที) จึงเกิดองค์ความรู้ใหม่อย่างแน่นอน ความท้าทายของงานวิจัยแบบนี้คือค้นหาวิธีการใหม่โดยไม่มีตัวอย่างที่ใกล้เคียงให้เรียนรู้

สรุปว่าถ้ามีคู่เทียบ ต้องนำมาเทียบ ถ้าเห็นรายละเอียดภายในของคู่เทียบ ก็สามารถชี้จุดอ่อนได้ เช่น ซับซ้อนกว่า แต่ถ้าไม่เห็นภายใน จะต้องเทียบแบบ blackbox คือใช้ input data set เดียวกันและวัด output เปรียบเทียบกัน เช่น วัดสมรรถนะ

หัวข้อวิจัยแนวมุ่งเน้น practical contribution จะกว้างและตื้น เช่นพัฒนาระบบ fuzzy control สำหรับคุมสภาพแวดล้อมในการเลี้ยงเป็ด เหมาะกับการขอทุนวิจัยตามยุทธศาสตร์การวิจัยระดับชาติ เช่น วช.

หัวข้อวิจัยแนวมุ่งเน้น theoretical contribution จะแคบแต่ลึกเหมาะกับการตรพิมพ์ในวารสารคุณภาพสูง และการขอทุนวิจัยที่มุ่งเน้นความเป็นเลิศทางวิชาการ เช่น สกว.

ลานจอดรถไฟฟ้า

ประโยชน์ของสิทธิบัตร

STARTUP

F-measure (F1 score, F score), precision, recall

tp = true positive ระบบบอกว่าใช่ (positive) และในความเป็นจริงก็คือใช่ (true)
fp = false positive ระบบบอกว่าใช่แต่ในความเป็นจริงคือไม่ใช่
fn = false negative ระบบบอกว่าไม่ใช่แต่ในความเป็นจริงคือใช่

precision = tp / (tp + fp) ค่ายิ่งเยอะยิ่งดี คือระบบเข้าใจผิดน้อย (exactness)
recall = tp / (tp + fn) ค่ายิ่งเยอะยิ่งดี คือระบบตกหล่นน้อย (completeness)
F-measure (%) = 100 x 2 x precision x recall /(precision + recall)

Accuracy VS F-measure : http://machinelearningmastery.com/classification-accuracy-is-not-enough-more-performance-measures-you-can-use/

F1-score is typically used for binary classification. To compute F1 for multi-class classification: 

1. Macro-Averaged F1-Score

Definition: Compute the F1-score independently for each class and take the average.

Use Case: Gives equal weight to all classes, regardless of their size.

Formula:

2. Micro-Averaged F1-Score

Definition: Aggregate the contributions of all classes to compute the F1-score using the total true positives, false positives, and false negatives.

Use Case: Gives equal weight to all samples, favoring performance on larger classes.

Formula:

3. Weighted-Averaged F1-Score

Definition: Compute the F1-score for each class, weighted by the number of samples in that class.

Use Case: Balances class imbalance by assigning more weight to larger classes.

Formula:

---

Choosing the Right Approach

Use Macro-Averaging if you want to treat all classes equally, even if some are small.

Use Micro-Averaging if you want to focus on overall performance, regardless of class distribution.

Use Weighted-Averaging if you want a balance that considers both overall performance and class imbalance.

Many libraries, like scikit-learn, provide built-in support for computing these metrics.

แนวการซักถามโดยกรรมการสอบวิทยานิพนธ์

1.general research principle เช่น ปัญหาวิจัยคืออะไร องค์ความรู้ใหม่คืออะไร ทำไปใครจะใช้

2.รายละเอียดทางเทคนิค ทำไมใช้เทคนิคนี้ กรรมการต้องมีความรู้ในศาสตร์แขนงนั้นโดยตรง เสนอวิธีการที่ดีกว่า บอกจุดบกพร่องของวิธีการที่เสนอ
3.หลักการเขียนรายงานวิจัยแต่ละบท เช่น การออกแบบการวิจัย การอภิปราย ข้อเสนอแนะในประเด็นการนำไปใช้งาน
4.Plagiarism ในบทความที่ตีพิมพ์และในเล่มวิทยานิพนธ์
5.การใช้ภาษา และการจัดรูปแบบ
6.ได้อะไรจากการเรียน

การชำระหนี้ด้วยเหรียญ

กุศลกรรมบถ 10