🔥 จะดีกว่าไหม ? ถ้าเราสามารถทำการวิเคราะห์ข้อมูล เรียนรู้ Data Analytic ได้โดยไม่ต้องเขียนโค้ด !? 🧙♂️
.
"แน่นอนว่าเพจสาย Dev อย่างเราควรจะสนับสนุนการเขียนโค้ดเป็นหลักสิ มันปรับอะไรได้เยอะนะ แล้วนี่มันอะไรกันนน!?"
.
คำตอบก็คือ ไม่ใช่ทุกการเขียนโค้ดจะเหมาะกับทุกคนน เพราะคนที่ทำงานสายอื่น ๆ ไม่ว่าจะเป็นฝั่ง Marketing, Business Development กว่าจะเรียนฟังก์ชัน OOP หรือ อะไรพวกนั้นจบคงไม่ทันกินแล้วว <3
.
ดังนั้นวันนี้แอดจะมาแนะนำ 3 เครื่องมือสำหรับคนทำ / อยากทำ Data Analytic ที่สามารถใช้การ ลาก ๆ วาง ๆ ข้อมูล กับส่วน Logic เข้าด้วยกันก็สามารถวิเคราะห์ข้อมูลออกมาให้เราได้แล้วว เริ่มตัวแรกกันเลยย ^_^
.
⚡️ 1.RapidMiner เครื่องมือสุดฮิต ที่ฮิตจริง ๆ ไม่ได้โม้ ! ทั้งทำในองค์กร ทำเป็นโปรเจคจบของใครหลาย ๆ คน โดยข้อดีคือโปรแกรมนี้ออกแบบมาให้ใช้ง่ายมาก ๆ
.
คนไม่เคยเขียนโค้ดมาก่อนก็พอจะเรียนรู้ได้ แต่ !! ถ้าใครเคยเขียนมาแล้วจะไปได้ไวมากกกกก เพราะ Logic ต่าง ๆ ที่เคยใช้ในตอน Coding มันหยิบมาได้เลย :D
.
ดาวน์โหลด ดูรายละเอียดได้ที่นี่ : https://rapidminer.com/
.
⚡️ 2.SPSS Modeler ของโหดจากยักษ์ใหญ่ IBM ที่ราคาไม่ได้แรงมาก SME ก็หามาใช้กันได้ ! (เริ่มต้นเดือนละประมาณหมื่นกลาง ๆ) โดยเป็นอีกหนึ่งเครื่องมือยอดฮิตที่สามารถเรียนรู้ได้เช่นกัน
.
"มีสกิลนี้ติดตัว หางานง่าย ไม่ยากเลย !"
.
ดาวน์โหลด ดูรายละเอียดได้ที่นี่ : https://www.ibm.com/products/spss-modeler
.
⚡️ 3.SAS Enterprise Miner เครื่องมือระดับองค์กรที่มีความน่าเชื่อถือสูงในการทำ Data Mining และ การวิเคราะห์ Data Analytic อื่น ๆ :D
.
ดาวน์โหลด ดูรายละเอียดได้ที่นี่ :
https://www.sas.com/en_us/software/enterprise-miner.html
.
🔥 ทั้งนี้ ๆ ๆ ย้ำไว้ก่อนว่า "เครื่องมือพวกนี้อำนวยความสะดวกแค่ไม่ต้องเขียนโค้ดเองให้วุ่นวายเท่านั้น" แต่ Algorithm หรือ กระบวนการคิดนั้นสำคัญกว่าการใช้เครื่องมือพวกนี้มากกก ๆ
.
เพราะถ้าเรารู้ Algorithm วิธีคิดว่า ได้ Data แล้วเอาไปทำอะไรต่อ คำนวณแบบไหน หาค่าแบบไหน จะกี่สิบ กี่ร้อยโปรแกรมบนโลก เราก็สามารถใช้ได้ทั้งนั้นจ้าาา <3
.
#borntoDev - 🦖 Digital Academy ให้การพัฒนาทักษะเทคโนโลยีเป็นเรื่องสนุกไปพร้อมกับเรา
ibm spss 在 IBM SPSS Predictive Analytics - GitHub 的推薦與評價
Extensions, Samples and much more. IBM SPSS Predictive Analytics has 239 repositories available. Follow their code on GitHub. ... <看更多>