> For the complete documentation index, see [llms.txt](https://www.saladpuk.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://www.saladpuk.com/basic/data-scientist/ai-gallery.md).

# หัดเขียน AI จาก AI ของคนอื่น (5/5)

หัวข้อไม่ได้เขียนผิดหรอกว่า **ถ้าอยากเก่ง AI จงไปลอก AI คนอื่นมาซะ!!** แต่อย่าลอกแบบ งงๆ นะ ต้องพยายามทำความเข้าใจด้วยว่า ทำไมจุดนี้เขาเลือกใช้แบบนี้ ทำไมตรงนี้เขาทำแบบนั้น แล้วหลังจากที่ทำไปเรื่อยๆเราก็จะเกิดความชำนาญว่า ถ้าเจอข้อมูลแบบนี้เราควรจะเลือก algorithms หรือ ตั้งโจทย์แบบไหนถึงจะมีประสิทธิภาพที่สุดยังไงล่ะ ดังนั้นในรอบนี้เราจะมาดูว่า ถ้าอยากจะไปดูตัวอย่างที่คนอื่นทำไว้ เราจะต้องหาดูจากที่ไหนได้บ้างกัน

{% hint style="success" %}
**แนะนำให้อ่าน**\
บทความนี้เป็นส่วนหนึ่งของบทความ [**👶 Data Scientist**](https://saladpuk.gitbook.io/learn/basic/data-scientist) หากเพื่อนๆสนใจอยากรู้หลักการของพวก Data science ทั้งหมดแนะนำให้ไปอ่านบทความหลักได้โดยการจิ้มชื่อสีฟ้าๆนั้นเลยนะครับ ส่วนใครที่อยากลองสร้าง AI เป็นของตัวเองก็สามารถดูตัวอย่างได้จากบทความด้านล่างนี้ครับ\
[**สร้าง AI ตัดสินใจอนุมัติบัตรเครดิต 💳**](https://saladpuk.gitbook.io/learn/cloud/machine-learning-studio/credit-risk)
{% endhint %}

## 🤔 จะหาตัวอย่างคนอื่นจากไหน ?

ตัวอย่างนั้นมีเพียบเลยไม่จำเป็นว่าจะต้องเป็นของค่ายไหน เพราะทุกค่ายก็จะมีหลักการคิดเหมือนๆกันนั่นแหละ แต่ง่ายที่สุดสำหรับผมคือเรียนจาก [Azure AI Gallery](https://gallery.azure.ai/) เพราะในนั้นมีตัวอย่างที่สามารถกดคลิ๊กเดียวแล้วมันจะสร้าง project ที่พร้อมให้เราลองเล่นได้เลยยังไงล่ะ ซึ่งถ้าได้ลองเข้าไปนะจะเห็นตัวอย่าตรึมเลย

![](/files/-Lw4piM3tCEtiurwRvy8)

ซึ่งตัวอย่างแต่ละตัว เขาก็จะอธิบายปัญหาว่ามันเกิดอะไรขึ้น เขามีข้อมูลในมือเป็นแบบไหน และจะแก้ปัญหาโดยใช้ AI กับ algorithms แบบไหนถึงจะเหมาะสมดี ซึ่งถ้าเราสนใจเราสามารถลองกดปุ่มเอาตัวอย่างไปลองเล่นได้เลย เช่นจากรูปด้านบนจะเห็นด้านล่างขวา เขาจะสอนห้เราแยกอีเมล์ออกเป็นกลุ่มๆ ก็ลองกดเข้าไปได้เลย ถ้าหาไม่เจอสามารถกดลิงค์ [Email classification for Automated support ticket](https://gallery.azure.ai/Experiment/Email-Classification-for-Automated-Support-Ticket-Generation-Step-1-of-2-Train-and-Evaluate-Models-3) ตรงนี้ได้เลย

พอเปิดเข้ามาก็จะเห็นรายละเอียดของตัวอย่างนี้อย่างละเอียดพร้อมขั้นตอนพาสร้างแบบ step by step กันเลยทีเดียว ส่วนถ้าอยากลองเอาไปทำก็สามารถกดปุ่ม `Open in Studio` เพื่อเอาไปลองศึกษาเล่น Machine Learning Studio เล่นได้ทันทีเลย

![](/files/-LmzMsS0blJ48Sved-wa)

เนี่ยเราก็จะได้ของประมาณนี้มาลองเล่นใน Studio เลยทันที

![](/files/-LpcF-7Qva32Kr8Cf4mq)

## 🤔 อยากจะหาตัวอย่างที่เราสนใจทำไง ?

สมมุติว่าเราอยากจะ focus เฉพาะ algorithms ที่เราสนใจเช่น การจัดกลุ่ม หรือที่เรียกว่า Clustering เพียงอย่างเดียวแล้วละก็ เราก็สามารถ search ชื่อ algorithms ที่เราสนใจด้านบนได้เลย แล้วเขาก็จะแสดงรายการ AI ตัวอย่างพร้อมบอก algorithms ที่ใช้ว่ามีอะไรบ้างออกมา ส่วนเราก็แค่กดเลือกตัวอย่างที่เราสนใจ เช่นเราสนใจ การแยกดอกไม้ กดกดจิ้มมันเข้าไปได้เลย

![](/files/-M0OC73NDgspRp8QwB2j)

และก็เช่นเคยเขาก็จะเปิดหน้ารายละเอียดของปัญหาพร้อมวิธีการแก้ไขบลาๆ เช่นเคย ซึ่งถ้าเรากด `Open in Studio` เขาก็จะไปสร้าง project ให้เราลองเล่นเหมือนตัวอย่างที่แล้วครับ

![](/files/-LustCxvuYxz0zjzuGSF)

## 🤔 อยากดูเทคนิคต่างๆทำไง ?

เพื่อนๆคนไหนที่กำลังเจอปัญหาเวลาที่ทำ AI เช่นเจอข้อมูลแหว่งๆ หรือ dataset เป็นแบบนี้ต้องรับมือยังไงดี จริงๆเราก็สามารถ search ปัญหาที่เราติดอยู่ในตัว Azure AI Gallery ได้เลยเหมือนกันนะ เช่น การจัดการข้อมูลที่มันแหว่งๆไรงี้ ก็อาจจะลอง search ว่า **`missing data`** ลงไปดูก็ได้ เขาก็จะโชว์รายการตัวอย่างในการรับมือกับข้อมูลที่มันแหว่งๆออกมาให้ดูเต็มไปหมดเลยยังไงล่ะ

![](/files/-LoAPt-ki8CTPnQ2yvsZ)

## 🤔 อยากเห็นตัวอย่างที่เขียนโค้ดลงใน Studio ด้วยภาษาอื่นๆบ้างทำไง ?

อันนี้ขอตอบรวมๆหลายเรื่องเลยละกัน เช่นอยากดูว่าเขียน AI ด้วยภาษาอื่นๆเช่นภาษา R, Python หรืออยากจะให้ AI เราทำงานร่วมกับ services อื่น เช่นออกกราฟด้วย PowerBI หรือเอาข้อมูลเข้าออกจากคลาว์ด้วย Blob Storage หรืออยากดู algorithms แบบอื่นๆ นั้นเราก็สามารถเลือกดูได้จากเมนูด้านซ้ายมือมีให้เลือกเต็มไปหมดเลยครับ และ ถ้าไม่จุใจในหมวดไหนก็สามารถกดปุ่ม `Show all` เพื่อดูรายการทั้งหมดของเขาก็ได้นะครับ

![](/files/-LvqS8fU6otZvXPfzfV-)

## 🎯 บทสรุป

การที่เราจะหัดเขียน AI จริงๆนั้นมันไม่ได้ยากอะไรเลย และไม่จำเป็นต้องจบมาในสาขานี้โดยตรงก็สามารถสร้าง AI ได้แล้ว เพียงแค่เราต้องลองดูตัวอย่างหลายๆแบบ ทำมันจนเข้าใจ เล่นกับข้อมูลเยอะๆเพียงเท่านี้เราก็สามารถเป็น Data scientist ได้แล้วนั่นเอง

{% hint style="success" %}
คนเก่งจะเรียนรู้จากความผิดพลาดของตัวเอง คนฉลาดจะเรียนรู้จากความผิดพลาดของคนอื่น แต่สุดยอดแห่งการเรียนนั้นคือไม่ต้องเรียน ดังนั้น สุดยอดแห่งการทำ AI คือไม่ต้องทำเช่นกัน แต่จงเรียนรู้จากคนที่ทำเป็นแล้วต่างหาก
{% endhint %}

สำหรับเพื่อนๆที่อ่านมาจนถึงบทสุดท้ายของ Data Scientist ขั้นพื้นฐานตรงนี้แล้วสนใจที่อยากจะเริ่มเขียน AI จริงๆจังๆแล้วล่ะก็สามารถเข้าไปดูต่อได้ที่คอร์ส **Machine Leaning Studio** ที่จะพาจับมือทำ AI แบบทีละขั้นตอนตั้งแต่ 0 ได้จากลิงค์ด้านล่างนี้เลยครับ

{% content-ref url="/pages/-LoO1N1STjVi7tnr6Ptt" %}
[Machine Learning Studio](/cloud/machine-learning-studio.md)
{% endcontent-ref %}