สำหรับงานนี้ตอนแรกผมไม่ได้มี Plan ที่จะไปเลย เพราะ ช่วงนั้นน่าจะติดงาน หรือ เดินเอกสารในสมัครมหาวิทยาลัยครับ ผ่านมาสักพักใหญ่จนเกือบลืมแล้ว วันที่ 14 ธ.ค. 59 ผมได้ยื่นเอกสารลงทะเบียนพอดีครับ จากตอนแรกที่คิดว่ามันนานมากก แต่มันเร็วมากครับ 15-30 นาทีก็เสร็จเรียบร้อยครับ หัวหน้าเลยชวนให้ลองมา Walk-in เข้างานนี้ดูครับ ตอนแรกก็ลังเลเหมือนกัน แต่ทางทีม Staff ที่ดูแลได้แนะนำให้รอคนที่ลงทะเบียนมายืนยันตัวให้ครบก่อน ถ้ามีคนขาด ผมก็สามารถเข้างานได้ครับ 😀
มาดูหัวข้อในงานกันดีกว่า
IoT Development Trends by Panutat Tejasen (หมอจิม), Maker Asia & Jimmy Software
- IOT ถูกผลักดันมาจากไหน ?
- Maker Driven - isv
- Show and Tell - แลกเปลี่ยน Idea จะต่างกับงานที่ บริษัทใหญ่ๆ เข็น Technology มานำเสนอ
- Young Entrepreneur - ผู้ประกอบการน้อยๆ
- maker space
- DIY
- Software Driven
- Enterpise Driven
- Maker Driven - isv
- 2007 อะไรเปลี่ยนโลก
- Open Source Hardware Platform "Arduino"
- 3D Printer
- Nintendo Wii
- The First Internet Smartphone - Iphone
- 2012 - pebble เอา Hardware ของ Nokia มาสานต่อ
- 2016 - xxxxx อาจจะเอา Hardware ของ Samsung Galaxy Note 7 มาสร้างสรรค์ต่อก็เป็นได้
- จากจุดเริ่มต้นเล็ก สามารถไปในสาย
- DIY ทำเล่น เป็นงานอดิเรก
- Turn Pro ใช้งานจริงได้ มีแผนทางธุรกิจรองรับ
- IOT มันเรื่มมาบูมๆ ได้ไง
- ESP8266 เป็น board + wifi มาในตัว และทำราคาได้ถูกมากๆ
- chip + board = nano32 ช่วยให้เกิดการพัฒนาเร็วขึ้น
- Expressif
- amazon dash - one touch e-commercec
- ตอนนี้มี echo dot = alexa resberry pi
- tracking fitbit
- Trend - Data As a Service
- Data มาจากพวก IOT อาจจะมองว่าเป็น Sensor as a service
- ข้อมูลถูกส่งไป Cloud
- Software เป็นตัวดันข้อมูลให้มีมูลค่า
- API
- Analytic
- Visualize
- Q&A
- Q: ภาครัฐ เข้ามาช่วยอะไรบ้าง
- A: ช่วยทำมาตรฐานต่างๆ ให้อุปกรณ์ IOT
- Q: เทคโนโลยีอะไรที่เป็นอุปสรรคของ IOT
- A: Battey เป็นเทคโนโลยีเดวที่ไม่ตาม moore's law
- Q: เริ่มมทำ IOT ควรเริ่มจากไหน
- A : มี 2 ทาง ลองดู
- มี OS linux - งานที่ต้องทำ Multi task Resberry PI
- ไม่มี OS - Micro Controller Access hw ตรงๆ ที่ registry หน่วยความจำ
- Q : IOT กับ Security & Privacy
- A : แยกที่ละเรื่อง
- Privacy มีนโนบาย ชัดเจน Term of use ไม่ค่อยน่ากังวล แต่เราเคยอ่านกันบ้างไหม ตอนที่ระบบให้กด Agree
- Security อันนี้น่ากังวลมากกว่า เพราะ บางอย่างตอนออกแบบไม่ได้คิดถึงเรื่องนี้ไว้ คาดไม่ถึงว่าจะมีคนทำ เช่น CCTV ที่ีัวแลน ถูกขโมยภาพ หรือทำ BOTNet ได้
Scaling Up to Your First 10 Million Users with AWS by Surawut Phornthabthong, AWS Thailand
- aws มี platform มากมาย เป็น as a service โดยพี่เค้ามายกตัวอย่างการพัฒนาระบบจากเล็กไปจนล้นหลาม ว่ามี Scenario อย่างไร ครับ
- จาก Dev Enviroment ทำระบบนิ่งระดับนึงแล้ว
- Production ก้าวที่ 0
- lift-and-shift ย้ายจาก Enviroment ของ Dev ไป Production จริงแล้ว
- คนน้อยอยู่ อาจะใช้ Server ตัวเดียว EC2 รวม App และ Database เข้าด้วยกัน
- คนเริ่มเยอะ
- คำที่ตามมา Scaling ทำได้ไหม ?
- Split Tier แยกเครื่องและ
- App Server
- DB Server
- มาที่ DB มีทางไหนบ้าง
- RDBMS - เหมาะสำหรับการเริ่มต้น
- NoSQL - metadata driven
- ตัว DB ของ AWS
- Self manage DB
- Fully manage DB
- * มี Tools ช่วยจาก Rdbms ไป NoSQL - เค้าว่า App กระเทือนน้อยที่สุด แต่ห้ามใน Fucntion แปลกของ DBMS
- ต้องการ HA (High Availability)
- Load Balancer เข้ามาจัดการ Session
- DB จัดการ Read Replicas - เปิดทางให้ DB สามารถมีช่องทาง Read เพิ่มได้
- หรือ ทำเครื่องสำรองไปเลย AWS มี Multi-AZ
- ถ้าคนยังมาเยอะอีก 10K - 100K
- คอขวดจากมาที่ทาง rdbms แล้ว
- Session เอาลง NoSQL ได้ไหม
- Dev ต้อง Design แยกขาของ Transaction Read กับ Write คนละทาง ใน Code เลย
- ข้อมูล Static Data อย่างรูป ไฟล์ โยนไว้มี่อีกเครื่อง - AWS มี S3 มาช่วย
- CDN นอกจาก Cache Content เอามาช่วย อย่าให้หน้าเว็บตาย ใช้ CDN Redirect ไป static page สร้าง user experience
- ใช้ Caching - Memcache, Redis
- คอขวดจากมาที่ทาง rdbms แล้ว
- 1M ++
- SOA - Loose coupling ระหว่าง Service แต่ละตัว ให้มี Queue คั่น
- Split DB
- Denormallize - ฐานข้อมูล RDBMS ถ้า Join เยอะยิ่งช้า
- MicroService
- ใช้ Automate Tools มาช่วย ลดภาระ ข้อผิดพลาดแล้ว
- เกร็ด AWS ไม่รู้จะจัดหมวดไหม 555
- Auto scale นอกจาก cpu ram ดูจาก user session ได้ครับ มี GPU เอามาใช้ได้
- ถ้าข้อมูลเยอะมาก ระดับ Exabyte (EB) =1,073,741,824 GB มีรถบรรทุกไป Dump Data มาเลย ถ้าใช้ Internet อาจจะนานเกินไป
- แต่ละ Region Data ที่เราโยนเข้าไป จะอยู่ที่ตรงนั้น
- อนาคตมี docker as a service
- การเปิดเปลี่ยนเครื่องช่วยให้
ประหยัดค่าใช่จ่ายได้นะ ต้องไปดู Promotion ช่วงนั้นๆ
- Q&A
- Q : การ Scaling มีวิธีแนะนำยังไง มี lab test ให้ลอง auto scale แบบไม่ต้องเสียเงิน Demo ให้ ผู้บริหารดูไหม
- A : fail fast and fail cheap มันเป็นการลงทุน
- Q : ตั้ง cost ได้ไหม เกินแล้วตัดเลย
- A : ไม่ได้ notification ได้ แต่ไม่ปิดระบบ เพราะ impact กับ business มันประเมินความเสียหายไม่ได้ แต่จะตัดสินการจัดการต่างๆแทน
- Q : ถ้าอยากลอง uat เราสามารถตั้งเวลาปิดเครื่อง ประหยัดค่าใช้จ่าย ได้ไหม
- A : ลองไปดู cloud watch lamda shutdown
- Q : ทำไมต้อง AWS
- A : ทำเยอะได้ในทุนต่ำ และรองรับการจ่ายเงิน 14 สกุล การสร้าง solution ทำให้เหมือนได้ แต่ทำให้เสถียรยาก
- Q : AWS มี Serice ป้องกัน ddos botnet
- A : มี
- Q : AWS Support Data Analytice ไหม ?
- A : มี hadoop as a serives / aws map reduction
- ส่วนตัวมองว่าพี่เค้าพูดดี ตอบคำถามได้ดีมากครับ เห็น Idea แม้ว่าตัวผมเอง ไม่ได้ทำระบบที่ใหญ่มากต้องใช้ Cloud ครับ
Introducing Thomson Reuters Developer Community by Nawapoom Lohajarernvanich, Thomson Reuters
- ถ้าใช้ Product หรือ ติดปัญหาอะไร ไปหา Doc หรือ โพสคำถามได้ที่ https://developers.thomsonreuters.com/
Manage Supply Chain Risk with Intelligent Data by Natawun Tanusakdi & Laddawan Sriwatananukulkit, Thomson Reuters
- Major Risk
- Price Risk - ต้นทุน Exchange Rate
- Supply Risk - มีอุบัติเหตุ ของหายทำไง
- Supplier Risk - ผุ้ส่งของ Provide ของพัง
- Fundamental Data ข้อมูลพื้นฐานของบริษัทต่างๆ
- Weather - สภาพอากาศ
- News - ข่าว
- EIKON Tool - ให้ข้อมูล ต่างๆ จาก Data Source หลายๆแหล่งมารวมกัน
- KYC - Know Your Cusotmer
- KYS - Know Your Supplier
- EIKON มี Interactive Map
- เอาข้อมูลมา Visualize โรงน้ำมัน เหล็ก เป็นต้น ว่ามีสถานะอย่างไร มีข่าวอะไร แถวนั้นสภาพทางเดินเป็นยังไง มีพายุ กองเรือรบประจัญกัน
- มีข้อมุลย้อนหลัง หา pattern
- ผมเพิ่งรู้ว่ามีข้อมูลตำแหน่งเรื
อสินค้าด้วย
- Supply Locator
- เอาข้อมูลจาก EICON มา Visualize ในอีกมุมของ Supplier
- Q&A
- Q : ทำไมใช้ bing
- A : มี license
- Q : มีข้อมูลเรือแล้ว ทางบก อากาศมีไหม ?
- A : อากาศยังไม่มี เน้นทางเรือเป็นหลักเพราะ สินค้าส่วนใหญ่ใช่การขนส่งทางนี้
Blockchain Application with Thomson Reuters BlockOne IDTM by Praween Suvannavong & Neeranat Junsuriyawong, Thomson Reuters
- At this time, movements on the Internet are mostly Information, not value.
- ข้อมูลใน Internet ที่วิ่งอยู่มีแค่ Information ไม่มี Value Added
- ตัวอย่าง Food Cort - ปัญหา คือ Value ที่ได้จากการขาย กว่าจะไปถึงมือ พ่อค้า แม่ค้า มันไม่เกิดขึ้นทันที ลองดู Flow
- ลูกค้าแลกเงินที่เคานเตอร์ ตอนนี้เงินจริงของลูกค้าอยู่กับศูนย์อาหาร
- ลูกค้าเอาบัตร / คูปองไปใช้จ่าย ซื้ออาหาร ขนม เครื่องดื่ม
- เงินค่าอาหารที่ลูกค้าจ่ายไปเป็น Record ใน Database พ่อค้า แม่ค้ายังไม่ได้เงินครับ
- กว่าพ่อค้า แม่ค้าจะได้เงินจริง ต้องรอสิ้นวัน เพื่อเปลี่ยน Record ใน Database ให้เป็นเงินจริงให้พ่อค้าแม่ค้าครับ
- แล้วถ้าระบบล่มหละ / ใช้เงินจริงก็ช้าไป / ทางศูนย์บริหารจัดการค่าส่สนกลาวไม่ได้
- Block Chain
- Decentralize
- Value add
- block
- header - hash (crytography / collosion resistance)
- data store
- validate
- หลาย Block รวมกันเป็นห่วงโซ่
- Consensus - โหวตว่า TX นั้น ถูกต้องใช้ได้
- Chain of fact งานที่ไม่ควรจะแก้อดีต
- Block Chain Provide
- Confidentiallty - Cryptography Based
- Integrity - Data is Immutable
- Availability - decentralize
- Transparency - any peer can vertify
- Block Chain Paradirm
- TCP
- Block Chain
- 1.0 Crypto currency
- 2.0 Finance
- 3.0 Non Finance
- Disruptive use case
- Finance
- Voting
- Follow My Vote - immutable ไปทำ smart contacy
- Transport
- Arcade City
- IOT
- Challenge and Limited
- Technical
- Business Model - ชี้นำ Technical
- Government Regulation - ชี้นำ Technical
- Etherum
- Decentralize
- VM
- Gas - Fee จ่าย Either
- Account
- wallet
- smart contract - สัญญาที่เก็บในรูปของการ Coding
- Web3.js เชื่อม Web App กับ smart contract เข้าด้วยกัน
- Thomson Reuters Block one ID
- เป็นหน้ากาก ที่เอา Etherium มาประยุกต์ใช้
- Authorization API บน Blockchain
- ส่วนตัวน่าจะมีประเด็น คือ Ether มาจากไหน ตอนนี้ใช้วง test สามารถ minig Ether ได้ แค่ของจริงมี Business Model เป็นยังไง
IBM World of Watson by Kajornsak Sungcharoen, Ph.D. (Kru Lek), IBM
- อะไรที่ทำให้ศาสตร์ด้านนี้เกิดมาได้
- Big Data + Analytics
- Cloud
- Machine Learning
- Deep Learning - Heirachcal Learning
- Type of computing
- Programmable computing -Pre define เขียนอย่างไหน ทำแบบนั้น
- Cognitive Computing - Probabilistic reasoning ให้ข้อมูลที่ในการตัดสินใจที่ make sense มากขึ้น
- Watson คือ อะไร
- Cognitive Computing (AI) รวม Deep Learning + Machine Learning + NLP
- ใน Watson IBM เรียกองค์ความรู้ต่างๆ ว่า Corpus
- สอนให้คอมพิวเตอร์ คือ เหมือนคน
- Watson Use Case
- Cognitoys
- Bumrungrad - เอามาช่วยแพทย์ในการวินิจฉัยโรค
- Cognitive Cooking -สูตร เคมีของอาหาร ส่วนผสม
- OLLI
Applying Machine Learning to Catching Breaking News by Kittisak Sajjapongse, Thomson Reuters
- เดิม - นักข่าว
- ถ้าหาข่าวจาก Social Network เช่น Twitter ใช้ Tweetdeck กรอกตาม Keyword
- ปัญหา คนน้อย ทวิตเยอะ
- รู้เฉพาะ Keyword ถ้ามีอะไรใหม่นักข่าว ต้องมาเปลี่ยน keyword เอง
- ใหม่ - Tracer ใช้ Machine Learning
- Supervised
- จัดกลุ่ม กรอก spam ข้อมูลที่ไม่เป็นประโยชน์ อะไรเป็นภาษาไหน เป็นเหตุการณ๋ chat หรือ ข่าว (Noise Filtering)
- Unsupervised
- หา insight หรือ Trend จากทวิต ที่มีโอกาศเป็นข่าวได้ จาก Retweet / Link / ตรงกับ Event Feature
Clustering
- หา insight หรือ Trend จากทวิต ที่มีโอกาศเป็นข่าวได้ จาก Retweet / Link / ตรงกับ Event Feature
- Supervised
- แนวคิดเร็ว ช่วยได้ราวกับผู้ช่วยนักข่าว - ขั้นตอนสุดท้ายนักข่าว ต้องมาเลือกกรองอีกทีครับ
ปิดท้ายด้วยขนมในงานครับ ฮ่าๆ
Discover more from naiwaen@DebuggingSoft
Subscribe to get the latest posts sent to your email.