Lốp xe là bộ phận duy nhất của chiếc xe tiếp xúc với mặt đường khi xe chạy. Nếu bạn chọn lốp không đúng kích cỡ, không đúng loại, hay bảo dưỡng lốp không đúng cách, không chịu thay mới khi tới hạn, thì có nguy cơ xe bạn sẽ có nhiều bộ phận khác tiếp xúc với mặt đường hơn là lốp đấy.
Đầu tiên là lựa chọn loại lốp theo phong cách chạy. Nếu là một người ưu tiên hiệu năng, thích chạy theo phong cách racing, chạy track, thì bạn nên lựa lốp có ít rãnh trên bề mặt. Đặc biệt, nên lựa chọn loại lốp có bề mặt cao su/ lớp bố mềm, như vậy sẽ tăng độ bám đường khi vào cua, cũng như là hiệu quả thắng xe. Tuy nhiên, loại lốp này thường có độ bền không cao.
Nếu ưu tiên độ bền, và đi được nhiều điều điều kiện thời tiết nắng mưa, bạn nên chọn lốp có rãnh thoát nước nhiều, và lớp bố/bề mặt cao su cứng. Tuy nhiên cảm giác lái, tăng tốc, vào cua sẽ khá nặng nề và không được linh hoạt. Thường là nếu đi loại lốp này, áp suất lốp sẽ phải giảm một tí so với khuyến nghị của nhà sản xuất để có cảm giác lái tốt hơn.
Về các chỉ số của lốp, lấy ví dụ 190/55 ZR 17 M/C 78W như trong clip:
- Số 190 là chiều rộng của lốp theo đơn vị milimet (mm)
- 55 là chiều cao của lốp, tính bằng phần trăm so với chiều rộng của lốp. Ví dụ ở đây là 55% của 190 mm, vậy là lốp cao 104,5 mm
- ZR là ý chỉ lốp dành cho xe chạy tốc độ cao (Z) và có cấu trúc bố lốp toả tròn (R là viết tắt của Radial)
- Với số 17, nó chính là đường kính của mâm xe được tính bằng đơn vị inch, vậy lốp này gắn vừa với mâm xe 17 inch
- M/C chắc hẳn là viết tắt của Motorcycle, ý chỉ lốp này dành cho xe mô tô 2 bánh
- 78 là chỉ số tải trọng của lốp. Thử seach google với từ khoá “Load index of tires chart”, ta sẽ có bảng số liệu chỉ số tải trọng của lốp, ứng với số 78, lốp sẽ có chỉ số tải trọng là 425 kg
- W là chỉ số tốc độ của lốp, ý chỉ tốc độ tối đa mà lốp có thể chịu được. Search Google với từ khoá “Speed rating of tires chart”, ta sẽ biết được ứng với chữ W hoặc (W), lốp có thể sử dụng để chạy với tốc độ từ 270 kmph trở lên
Về phần bảo dưỡng lốp, để biết khi nào lốp tới hạn mòn, ta căn cứ vào chữ TWI trên vành lốp, từ chữ TWI này, ta nhìn vào những rãnh lốp ở gần đó sẽ thấy những mấu cao su hình vuông. Nếu mấu cao su này mòn (chiều cao của nó chỉ còn thấp hơn 0,8 mm), thì đồng nghĩa đã đến lúc cần phải thay lốp rồi đó. Chưa hết, khi có hiện tượng vết nứt trên bề mặt lốp, cho dù lốp chưa mòn, thì cũng phải chú ý thay lốp luôn. Lý do vết nứt xuất hiện là do lốp không được bảo quản tốt trong điều kiện thích hợp.
Một điều nữa rất quan trọng mà các bạn phải chú ý, đó chính là bốn con số nhỏ được đặt trong vòng tròn, ví dụ trong clip là 4214, ý chỉ lốp được sản xuất vào tuần thứ 42 của năm 2014. Một chiếc lốp sẽ có hạn sử dụng là 5 năm kể từ ngày sản xuất, vậy nên bây giờ là năm 2020, đã 6 năm kể từ ngày sản xuất, chắc chắn cần phải thay lốp ngay. Lốp hết hạn, cao su chai cứng, không còn độ đàn hồi để bám đường, vậy nên cho dù lốp trông có vẻ rất mới thì cũng phải thay nhé các bạn!
Huy chúc các bạn lựa chọn được loại lốp như ý, và có những trải nghiệm vui vẻ, an toàn trên những chuyến đi!
#LêGiaHuy
#Yamaha
#R1
google chart c# 在 肯腦濕的人生相談室 Facebook 八卦
[非常長政治文]
宣導投票的重要性後,總是要談談自己的想法囉!
先說結論:我支持蔡英文女士續任中華民國第十五屆總統
理由當然很簡單:這位總統有做到利於台灣短中長期發展的規劃及行動。
就簡單先以大經濟來說,台灣股市大盤指數過去五年走勢表現與美國相符,因此在美中貿易戰開打之際,仍能維持比中國亮眼的指數。從美國Yahoo!財經網站調出的數據顯示,過去五年各指數成長百分比為:美股S&P500 +57.62%;德股DAX +37.32%;台股TWII +30.79%;中股上證 -7.47% [1]。啊!你說蔡英文2016年中才上任,所以這表不準確?確定要再問下去嗎?那就看過去兩年各指數成長百分比為:美股S&P500 +17.49%;德股DAX -0.53%;台股TWII +10.79%;中股上證 -10.37% [1] 還要說靠中國才能發大財嗎?
當然經濟議題不只能看股市,畢竟股市中大量的資金還是掌握在法人手中,普通市井小民可能看得到吃不到,除了實際薪資所得以外,我們還可以拿GDP成長率來看。當中國一路從2010年的10.636%降到2018年的6.567%的時候 [2],台灣則是能從2016年的負成長一路攀升到2019年的中的2.191% [3]。雞蛋不能放在同一個籃子內,投資學101應該都說得很明白了。
必須說明我不否定馬英九總統前期的經濟數據表現,在全球經歷2008年底美國次貸風暴引起的全球多年蕭條中,台灣能夠在風雨中攀著當時相對獨立的中國經濟谷底反彈,也實屬幸運。但是後期過度依賴中國的政經環境已經著實對台灣局勢產生一定的風險,而在2016年政黨輪替時候蔡英文總統的團隊逐漸將台灣導向較正常的經貿關係中,而這也在2018年開始的中美貿易戰證明台灣沒有因此被影響太廣泛,甚至還暫收了一批國際轉單。
另外的議題就是在國家主權的支持。反對派批評民進黨逢中必反,但蔡英文總統身為國家元首,能在如此嚴峻的條件中繼續捍衛及維護中華民國台灣的尊嚴,在適當的情況下與中國希冀維持正常國與國關係,本就應該給予更多支持。中華人民共和國為世界絕大多數公認唯一的中國,但是部分在中華民國自由地區的人們還在做『一中各表』、『我們還能拿回大陸』的春秋大夢,聲稱與淪陷重災區彼岸同屬一個中國一家親。我能明白當年內戰敗陣下來的國民黨帶著眾多難民移居台灣,並期許『一年準備、二年反攻、三年掃蕩、五年成功』的那種情懷,後來蔣氏父子在台灣功過已有許多文獻及研究我就不多做說明。但曾與蘇俄接觸過的蔣經國在1982年時候明確指出『中共是不守信用的』[4],如今的國民黨人卻口口聲聲說要與中國和平相處,卻又在中國面前不敢吭ㄧ聲中華民國,然後每逢選舉拼命宣傳『對手當選中華民國就亡了』。這個邏輯也當然合理,就是『別人拿槍不投降就會被殺』的概念,只要不跟中國和平相處,解放軍就會直接開入台灣,所以不要跟他們對幹。接受一國兩制,真的沒事嗎?[5]
我最直接與中國接觸的經驗告訴我,沒這回事。現在的港澳模式其實只是做給台灣、世界看的,唯一差別在於目前中國並沒有直接的政治能力干涉他們所謂『台灣地區領導人』的任免權。一旦台灣人民藉由選舉選出一位親中的總統,港澳台模式的存在也就只會日漸薄弱,終至消失成為自治區體系。到時候別說國家,國號國徽國花國歌最好的情況也終降為特區體系。
讓親中的總統帶領台灣的確不代表馬上就會被中國統一,但是如果連國會和地方議會都被掌握在同個立場陣營手中,就算台灣是個民主法治國家,也難保不會再次發生半分忠、一分瑩的情況,讓台灣合理合法的被境外勢力干涉。這邏輯其實就像是A跟C沒直接關係,但是中間有個等式A=B和C=B是成立,那A=C也視為成立的遞移關係 (Transitive Relation) 。這種說法雖危言聳聽、卻也不無可能。看看一百五十年前的夏威夷王國,就是在類似的關係下最終被合法併入美國領土。[6]
所以,現階段我認同蔡英文總統副手賴清德在擔任行政院長時期宣示過的『台灣是個主權獨立的國家,名字叫中華民國』。但是這句話的盲點在於,中華民國現在還是包含著『中國China』這個元素在國際上,如前述所言,中華人民共和國早自六十年前開始就已經取代中華民國成為世界主流認可的中國。這在國際上產生的混淆就是:「到底是台灣還是中國?」所以如果十天後台灣人民認可蔡英文繼續擔任總統,她所會遇到的下個燒手蕃薯之一就是,要以何種自決繼續在國際上發聲,而這不只需要民聲,更需要在行政和立法程序上完備。[7]
講完落落長的主權,我在能源議題上也是對蔡英文的褒大於貶。台灣自現代化以來,能源自給率長期是低於5%,運輸上仰賴海運將石化原料進口至台灣後再加工分配至各使用端。能源議題上過去我一直贊成所謂『以核養綠』的主要原因在於看不到當時政府對於核能的替代方案有什麼較實際的解法,甚至目睹當年英華威要退出台灣市場,起因自躺在立法院超過五年的再生能源發展條例。過去這三年離岸風力發電在台灣吵得沸沸揚揚,但是還是推下去了。離岸風電和太陽能都有其嚴重缺點,但是在當下廢核和空汙議題當紅又地狹人稠的台灣,可能是不得不推行的政策。我看到了政策的改變與推行,核能可不再是必須選項,而這也算是部分解決當年蔡英文剛當選時候我內心的疑問,能源自給和綠能必須逐年增加比例。(參:https://www.facebook.com/alexanderl…/posts/10153376347207543)
核電立場我同意繼承馬英九早期在日本東北大震後的『核一二三不延役』[8]政策,而核四已經實質進入封存階段也不宜貿然啟用的情況下,我還是抱持早期我的立場(參:https://www.facebook.com/alexanderliu…/posts/224155334376091) 核電的缺口不能回歸舊有的石化火力發電系統,這部分也希望藉由盧秀燕的『強力執行』,施加壓力讓執政當局加強推行替代能源的力道。而我就不專業也不經濟的立場,建議除了台電自建、民營躉購,更可推行分散式能源系統以及獎勵強制綠建築等不只開源也節流的方式,達到提升能源自給。像是Google和facebook等公司在建立資料中心的同時,都有一定的綠建築標準和全綠電要求。這部分也是政府可以效法,甚至制定綠能採購管理辦法加強公部門的綠化。[9]
能源在台灣不只是民生議題,更是國安政策。提升台灣能源自給率及能源安全,才能更加強台灣的主權維護。
當然還有許多政策諸如同婚、年改、勞工等議題上我也是對蔡英文多有褒揚,但現在也就不贅述太多細節了。這邊我提出三大項目說明為什麼蔡英文會得到我的認同,而其實還有人格因素就在於這次她的主要對手,我看不到他的誠信在哪,更不可能放心把國家交給他治理。四年前的選戰和今天對比,我看到蔡英文盡最大努力的協調達成她所提出的政見、在維護國家主權不遺餘力。相比較,對手沈寂政壇後突然復出,然後得到多數高雄市民的期望後,再一一反問質疑他沒完成政見的聲音,半年後理所當然地投入總統選舉。如果該候選人一直與中國為友甚至自認是正統中華繼承,請看看《說文解字》中說:『信,誠也,從人,從言。』以及《論語.為政第二》,原文寫道:子曰:『人而無信,不知其可也。大車無輗,小車無軏,其何以行之哉?』
距離我上次發表政治立場的文章已經過好多年,期間自我期許能夠減少立場衝突、增加理性討論而不斷地避免與其他人談論政治敏感議題,卻不自覺的踏入以前厭惡的『政治冷感人』。而在這次大啖芒果乾之餘,我決定挺身而出,這番言論絕對會影響我日後進出中國時的社群審查,但是為了台灣、為了這塊生我養育的土地,是時候該出聲了。
#2020台灣要贏
[1. Yahoo! Finance, https://finance.yahoo.com/quote/%5EGSPC/chart?p=%5EGSPC]
[2. The World Bank Data, https://data.worldbank.org/country/china]
[3. CEIC Data, https://www.ceicdata.com/en/indicator/taiwan/real-gdp-growth]
[4. 汪浩觀點:蔣經國為什麼反對「一國兩制」, https://www.storm.mg/article/298278]
[5. 向中共投降,最慘絕對是軍公教!, https://www.storm.mg/lifestyle/886237]
[6. Overthrow of the Hawaiian Kingdom, https://en.wikipedia.org/…/Overthrow_of_the_Hawaiian_Kingdom]
[7. 台灣為什麼得不到承認?──關於「國家」,你應該知道這些事, https://goo.gl/kA3IRL]
[8. 馬總統公布能源政策, https://e-info.org.tw/node/71380]
[9. 不要核電、又不要燃煤的台灣,電力從「屋頂」來夠嗎?, https://www.thenewslens.com/article/81974]
Photo Credit: 蔡英文 Tsai Ing-wen
https://www.facebook.com/photo/?fbid=10156339279141065
===更一===
開地球送火星
歡迎整篇轉發分享,讓不只同溫層的看到!
===更二===
加強能源第一二段的論述及誠信第一段加詞
謝謝各位的愛戴與指教
google chart c# 在 โปรแกรมเมอร์ไทย Thai programmer Facebook 八卦
วิทยาการคำนวณม.4-5-6 เรียนอะไร? ....โพสต์นี้มีคำตอบ
👉 ม.4 -> ปูพื้นฐานวิทย์คอม ได้แก่ เรียนแนวคิดเชิงคำนวณ, อัลกอริทึม, การทำโครงงาน
👉 ม.5 -> เรียน data science (วิทยาการข้อมูล หรือวิทยาศาสตร์ข้อมูล)
👉 ส่วนม.6 ยังไม่มา รอปีหน้าก่อน -> แว่วๆ ว่าน่าจะมีเนื้อหา AI โผล่มาจ๊ะเอ๋ และหลายๆ เรื่องที่จะมีสอน
.
เรียกว่าดึงสิ่งที่ต้องเรียนรู้ในระดับปริญญาตรีมาปูพื้นฐานให้เด็กๆ ทั่วประเทศกันแหละ
.
*** หมายเหตุ "วิทยาการคำนวณ" มีตั้งแต่ ป.1 ยันถึง ม.6 กำลังทยอยเปิดสอนให้ครบทุกชั้นปี แต่โพสต์นี้ขอรีวิวเฉพาะ ม.4, 5 และ 6
===========
รีวิว ม.4
===========
วิทยาการคำนวณ ม.4 มีจำนวน 3 บท
🔥 +++บทที่ 1 แนวคิดเชิงคำนวณ +++++
บทนี้จะสอนแนวคิดเชิงคำนวณ (Computational Thinking) คืออะไร?
ซึ่งใครไม่รู้จักอาจงงเล็กน้อย ถึงปานกลาง
หรือเกิดคำถามคาใจ เรียนไปใช้ทำอะไรครับคุณครู
.
สำหรับแนวคิดเรื่อง Computational Thinking
(เรียกเป็นภาษาอังกฤษดีกว่า)
มีไว้เพื่อใช้แก้ปัญหาในแวดวง “วิทยาศาสตร์คอมพิวเตอร์” 🤩 🤩
จริงๆ แล้วมันไม่ใช่เรื่องแปลกใหม่แต่อย่างใด
.
ถ้าเราได้นั่งเรียนในระดับมหาวิทยาลัย
หรือได้ฝึกเขียนโปรแกรมไปเรื่อยๆ ก็จะใช้แนวคิดนี้โดยธรรมชาติ
อย่างไม่รู้ตัวอยู่แล้วครับ ไม่ต้องไปเรียนที่ไหน
.
นิยามของ Computational Thinking หรือแนวคิดเชิงคำนวณ
จะประกอบด้วยแนวคิดย่อย 4 อย่างดังนี้
1) Algorithm
2) Decomposition
3) Pattern recognition
4) Abstract thinking
.
หลายละเอียดแต่ละหัวข้อก็ตามนี้
👉 1) Algorithm ชื่อไทย “ขั้นตอนวิธี”
Algorithm คือลำดับขั้นตอนในการแก้ปัญหาหรือการทำงานที่ชัดเจน การคิดค้น อธิบายขั้นตอนวิธีในการแก้ปัญหาต่าง ๆ
.
ถ้าเคยเรียนตอนป.ตรี คงรู้จักคำนี้ดีไม่ต้องอธิบายมาก เช่น
-จะคำนวณหาพื้นที่เส้นรอบวง ต้องมีสเตปคำนวณอย่างไรบ้าง
-จะค้นหาข้อมูลแบบ binary search ต้องมีขั้นตอน 1,2,3 อย่างไรบ้าง
-จะหาเส้นทางที่ใกล้สุดในกราฟ ด้วยวิธี Dijkstra จะมีขั้นตอน 1,2,3 อย่างไรบ้าง
.
👉 2) Decomposition ชื่อไทยคือ “การแยกส่วนประกอบ และการย่อยปัญหา”
.
Decomposition เป็นการพิจารณาเพื่อแบ่งปัญหา หรืองานออกเป็นส่วนย่อย ทำให้สามารถจัดการกับปัญหาหรืองานได้ง่ายขึ้น พูดง่ายๆ เอาปัญหามาแยกย่อยออกเป็นส่วนๆ
.
⌨ ตัวอย่างการนำไปใช้ตอนเขียนโปรแกรม
เช่น การเขียนโปรแกรมแยกเป็นส่วนๆ แยกเป็นแพ็กเกจ แยกเป็นโมดูล
หรือทำระบบเป็น services ย่อยๆ หรือมองเป็น layer เป็นต้น
.
👉 3) Pattern recognition ชื่อไทยคือ “การหารูปแบบ”
.
Pattern recognition เป็นทักษะการหาความสัมพันธ์ที่เกี่ยวข้อง แนวโน้ม และลักษณะทั่วไปของสิ่งต่าง ๆ
.
⌨ ตัวอย่างการนำไปใช้ตอนเขียนโปรแกรม
เมื่อมีการทำงานของโปรแกรมที่หลากหลายแบบ
แต่ทว่ามีรูปแบบที่แน่นอนซ้ำๆ กัน
เราสามารถยุบโค้ดมาอยู่ในฟังก์ชั่นเดียวกันได้หรือไม่
หรือเขียนเป็นโปรแกรมวนลูป ให้อยู่ในลูปเดียวกัน เป็นต้น
.
👉 4) Abstract thinking ชือไทย “การคิดเชิงนามธรรม”
.
Abstract thinking เป็นกระบวนการคัดแยกคุณลักษณะที่สำคัญออกจากรายละเอียดปลีกย่อย ในปัญหา หรืองานที่กำลังพิจารณา เพื่อให้ได้ข้อมูลที่จำเป็นและเพียงพอในการแก้ปัญหา
⌨ ตัวอย่างการนำไปใช้ตอนเขียนโปรแกรม
-ก็เช่นการใช้ฟังก์ชั่น โดยเราแค่รู้รายละเอียดว่าฟังก์ชั่นทำงานอะไร ต้องการ input/ouput อะไร แล้วได้ return อะไรกลับมา ส่วนเนื้อหาไส้ในละเอียดเรามองไม่เห็น
.
🔥 +++++ บทที่ 2 การแก้ปัญหาและขั้นตอนวิธี +++++++
บททนี้เขาจะปูพื้นฐานอัลกอริทึมให้กับเด็กครับ ได้แก่
2.1 การแก้ปัญหาด้วยคอมพิวเตอร์
2.2 สอนให้รู้จักระบุข้อมูล input, ouput และเงื่อนไขของปัญหา
2.3 สอนการนำแนวคิด Computational Thinking มาออกแบบอัลกอริทึม
มี flow chart โผล่มาเล็กน้อย
2.4 สอนเรื่องการทำซ้ำ หรือก็คือสอนให้รู้จักวนลูปนั่นเอง
2.5 สอนอัลกอริทึมได้แก่ การจัดเรียงและค้นหาข้อมูล
ภาษาอังกฤษก็คือ อัลกอริทึมสำหรับ sort & search
.
🤓 สำหรับเรื่อง sort ก็จะมี
- selection sort (ชื่อไทย การจัดเรียงแบบเลือก)
- insertion sort (ชื่อไทย การจัดเรียงแบบแทรก)
.
🤓 สำหรับเรื่อง search ก็จะมี
-sequential search (ชื่อไทย การค้นหาแบบลำดับ)
-binary search (ชื่อไทย การค้นหาแบบทวีภาค)
.
ลืมบอกไป Big-O ตอนเรียนป.ตรี ก็โผล่ออกมาแว็บๆ นิดหน่อย
เด็กอาจสงสัยมันคืออะไร เป็นญาติอะไรกับ Big-C เปล่าเนี่ย
.
🔥 ++++ บทที่ 3 การพัฒนาโครงงาน ++++
บทนี้ถ้าสรุปสั้นๆ ก็สอนให้เด็กเขียนเสนอโครงงาน
หรือก็คือเขียน proposal เหมือนตอนเรียน ป. ตรีแหละครับ
.
ถ้าใครจำไม่ได้ ก็จะประมาณว่า การเขียนโครงงานต้องมี
บทที่ 1 บทนำ
บทที่ 2 หลักการ ทฤษฏี และงานที่เกียวข้อง
บทที่ 3 วิธีการดำเนินงาน
บทที่ 4 การทดลองและผลการทดลอง
บทที่ 5 สรุปผล วิเคราะห์ และข้อเสนอแนะ
.
===========
รีวิว ม.5
===========
ในวิชา "วิทยาการคำนวณ" ระดับชั้น ม. 5
ได้ดึงวิชา data science (วิทยาศาสตร์ข้อมูล)
มาปูพื้นฐานให้เด็กๆ ได้เรียนกันแล้ว นับว่าเป็นโชคดี
เพราะวิชาพวกนี้เป็นของสูง กว่าจะสัมผัสก็คงตอนป.ตรี โท เอก
ซึ่งผมจะรีวิวเนื้อหาให้อ่านคร่าวๆ เนื้อหาแบ่งเป็น 4 บท
.
👉 ++++ บทที่ 1 - ข้อมูลมีคุณค่า +++++
.
Data science ในตำราเรียนใช้ชื่อไทยว่า "วิทยาการข้อมูล"
บทนี้จะกล่าวถึง Big Data หรือข้อมูลขนาดใหญ่ที่มีค่ามากมาย
และมีบทบาทมากในยุค 4.0 นี้ ทั้งภาครัฐและเอกชน
.
ถ้านึกไม่ออกก็นึกถึงเวลาเราเล่นเนตค้นหาใน Google จะพบข้อมูลมากมายมหาศาล ซึ่งเราสามารถนำมาใช้ในธุรกิจเราได้ ก็เพราะเหตุนี้ศาสตร์ด้านข้อมูล จึงมีบทบาทสำคัญอย่างมากอย่างยิ่งยวด
.
จึงไม่น่าแปลกใจที่ทำให้อาชีพนักวิทยาศาสตร์ด้านข้อมูล (ชื่ออังกฤษ data scientist) มันมีบทบาทสำคัญ และเป็นอาชีพที่มีเสน่ห์และน่าสนใจที่สุดยุคศตวรรษที่ 21
.
Data science ถ้าตามหนังสือเขาให้นิยามว่า
"เป็นการศึกษาถึงกระบวนการ วิธีการ หรือเทคนิค ในการนำข้อมูลจำนวนมหาศาล มาประมวลผล เพื่อให้ได้องค์ความรู้ เข้าใจปรากฏการณ์หรือตีความ ทำนายหรือพยากรณ์ ค้นหารูปแบบหรือแนวโน้มจากข้อมูล
และสามารถนำมาวิเคราะห์ต่อยอดเพื่อแนะนำทางเลือกที่เหมาะสม หรือใช้ในการตัดสินใจเพื่อประโยชน์สูงสุด"
.
สำหรับงาน Data science เขาจะมีกระบวนตามขั้นตอนดังนี้
- ตั้งคำถามที่ตนเองสนใจ
- เก็บรวบรวมข้อมูล
- การสำรวจข้อมูล
- การวิเคราะห์ข้อมูล (analyze the data)
- การสื่อสารและการทำผลลัพธ์ให้เห็นเป็นภาพ (communicate and visualize the results)
.
🤔 นอกจากนี้เขายังพูดถึง design thinking ...ว่าแต่มันคืออะไร?
ต้องบอกว่างานของนักวิทยาศาสตร์ข้อมูล
มันไม่ได้จบแค่เอาข้อมูลที่เราวิเคราะห์ได้แล้ว
มาโชว์ให้คนอื่นเข้าใจ
.
ยังต้องมีขั้นตอนการออกแบบแอพลิชั่น
ที่ต้องใช้ข้อมูลจากที่เราวิเคราะห์ไปนั่นเอง
ซึ่งคำว่า design thinking มันก็คือความคิดยิ่งนักออกแบบดีๆ นี้เอง
ซึ่งนักวิทยาศาสตร์ข้อมูลควรมีไว้เพื่อออกแบบแอพลิชั่นขั้นสุดท้าย
จะได้ตอบสนองความต้องการผู้ใช้
.
👉 ++++ บทที่ 2 การเก็บรวบรวมและสำรวจข้อมูล +++++
.
บทนี้ก็แค่จะปูพื้นฐาน
2.1 การเก็บรวบรวมข้อมูล
ในบทนี้จะพูดถึงข้อมูลที่เป็นลักษณะทุติยภูมิ
ที่หาได้เกลื่อนเน็ต และเราต้องการรวบรวมมาใช้งาน
2.2 การเตรียมข้อมูล (data preparation)
เนื้อหาก็จะมี
-การทำความสะอาดข้อมูล (data cleansing)
-การแปลงข้อมูล (data transformation)
ในม.5 ไม่มีอะไรมาก แต่ถ้าในระดับมหาลัยจะเจอเทคนิคขั้นสูง เช่น PCA
-การเชื่อมโยงข้อมูล (combining data)
2.3 การสำรวจข้อมูล (data exploration)
พูดถึงการใช้กราฟมาสำรวจข้อมูล เช่น
กราฟเส้น ฮิสโทแกรม แผนภาพกล่อง (box plot) แผนภาพแบบกระจาย (scatter plot)
พร้อมยกตัวอย่างการเขียนโปรแกรมดึงข้อมูลออกมาพล็อตเป็นกราฟจากไฟล์ csv (หรือ xls)
2.4 ข้อมูลส่วนบุคคล
สำหรับหัวข้อนี้ ถ้านักวิทยาศาสตร์ข้อมูลจะนำข้อมูลส่วนบุคคลมาใช้งาน ต้องเก็บเป็นความลับ ห้ามหลุด
.
ซึ่งประเด็นข้อมูลส่วนบุคคล ปัจจุบันมีก็มีร่างพรบ. คุ้มครองข้อมูลส่วนบุคคล ออกมาเรียบร้อยแล้ว
.
.
👉 ++++ บทที่ 3 การวิเคราะห์ข้อมูล ++++
.
แบ่งเป็น 2 ส่วน ได้แก่
.
3.1 การวิเคราะห์เชิงพรรณา (descriptive analytics)
เป็นการวิเคราะห์โดยใช้เลขที่เราร่ำเรียนมาตั้งแต่
- การหาสัดส่วนหรือร้อยละ
- การวัดค่ากลางของข้อมูล พวกค่าเฉลี่ย มัธยฐาน ฐานนิยม
- การหาความสัมพันธ์ของชุดข้อมูล (Correlation) พร้อมตัวอย่างการเขียนโปรแกรมให้ดูง่าย
.
.
3.2 การวิเคราะห์เชิงทำนาย (predictive analytics)
.
- มีการพูดถึงการทำนายเชิงตัวเลข (numeric prediction)
- พูดถึงเทคนิคอย่าง linear regression สมการเส้นตรงที่จะเอาไว้ทำนายข้อมูลในอนาคต
รวมทั้งพูดถึงเรื่อง sum of squared errors
ดูว่ากราฟเส้นตรงมันนาบฟิตไปกับข้อมูลหรือยัง (พร้อมตัวอย่างเขียนโปรแกรม)
- สุดท้ายได้กล่าวถึง K-NN (K-Nearest Neighbors: K-NN) เป็นวิธีค้นหาเพื่อนบ้านใกล้เคียงที่สุด K ตัว สำหรับงาน classification (การแบ่งหมวดหมู่)
***หมายเหตุ*****
linear regression กับ K-NN
นี้ก็คืออัลกอริทึมหนึ่งในวิชา machine learning (การเรียนรู้ของเครื่อง สาขาหนึ่งของ AI)
เด็กสมัยเนี่ยได้เรียนแหละนะ
.
.
👉 +++ บทที่ 4 การทำให้ข้อมูลเป็นภาพและสื่อสารด้วยข้อมูล +++
.
บทนี้ไม่อะไรมาก ลองนึกถึงนักวิทยาศาสตร์ หลังวิเคราะห์ข้อมูลอะไรมาเสร็จสรรพ เหลือขั้นสุดท้ายก็คือ การโชว์ให้คนอื่นดูด้วยการทำ data visualization (เรียกทับศัพท์ดีกว่า)
.
ในเนื้อหาก็จะยกตัวอย่างการใช้ แผนภูมิแท่ง,กราฟเส้น, แผนภูมิวงกลม, แผนการกระจาย
.
สุดท้ายที่ขาดไม่ได้ก็คือการเล่าเรื่องจากข้อมูล (data story telling) พร้อมข้อควระวังเวลานำเสนอข้อมูล
.
.
.
***หมายเหตุนี้ ***
😗 ภาษาโปรแกรมที่ตำราเรียน ม.5 กล่าวถึง และยกตัวอย่างมาให้ดู
ก็ได้แก่ python กับภาษา R
.
สำหรับภาษา R หลายคนอาจไม่คุ้น
คนจบไอทีอาจคุ้นกับ python มากกว่า
แต่ใครมาจากสายสถิติจะคุ้นแน่นอน
เพราะภาษา R นิยมมากในสายงานสถิติ
และสามารถนำมาใช้ในงาน data science ได้ง่ายและนิยมไม่แพ้ python
.
แต่ถ้าคนจาก data science จะขยับไปอีกสายหนึ่งของ AI
ก็คือ deep learning (การเรียนรู้เชิงลึก)
python จะนิยมแบบกินขาดครับ
.
===========
รีวิว ม.6
===========
สำหรับม.6 หนังสือยังไม่มา เพราะหลักสูตรจะมาปีหน้า
แต่ถ้าไปอ่านคำอธิบายรายวิชาก็จะได้ตามนี้ (ก็อปปี้มาอีกที)
.
- ศึกษาการใช้เทคโนโลยีในการนำเสนอและแบ่งปันข้อมูลอย่างปลอดภัยและมีจริยธรรม
- การสร้างชิ้นงานและเผยแพร่ผ่านสื่อต่าง ๆ ที่คำนึงถึงจริยธรรม ลิขสิทธิ์ทรัพย์สินทางปัญญา และกฎหมาย
- หลักการของปัญญาประดิษฐ์ และเทคโนโลยีในอนาคต
- กรณีศึกษาเกี่ยวกับนวัตกรรมหรือเทคโนโลยีที่เกี่ยวข้องกับชีวิตประจำวัน
- อาชีพที่เกี่ยวข้องกับงานทางด้านเทคโนโลยีสารสนเทศ
- ตัวอย่างผลกระทบของเทคโนโลยีสารสนเทศ
+++++++++
เขียนโดยโปรแกรมเมอร์ไทย thai programmer
++++++++
อ้างอิง
- วิทยาการคำนวณม.4
- วิทยาการคำนวณม. 5
- http://oho.ipst.ac.th/…/ipst-cs-course-description-M1-M6.pdf
google chart c# 在 ASP.NET Core MVC - Creating Google Charts - YouTube 的八卦
NET Core Charts using Google Charts by reading JSON data returned ... c# google chart api asp.net c# google chart api asp net mvc google ... ... <看更多>