ข้ามไปยังเนื้อหา
QC/QA สู่ BA

Machine Learning

ในบทนี้
  1. Why this matters
  2. Concept
  3. Example from Automotive QA
  4. What a BA needs to know
  5. References

Why this matters

Machine Learning (ML) คือแกนกลางของ AI ส่วนใหญ่ที่ใช้ในอุตสาหกรรม เข้าใจหลักการของมันแล้วจะมองออกทันทีว่าโปรเจกต์ AI ต้องการอะไรเป็นวัตถุดิบ: ข้อมูลในอดีตที่มีคุณภาพ

Concept

แนวคิดง่าย ๆ:

Historical Data
      ↓
Learn Patterns
      ↓
Model
      ↓
Prediction / Classification

ระบบเรียนรู้รูปแบบจากข้อมูลในอดีต แล้วใช้รูปแบบนั้นทำนายหรือจำแนกข้อมูลใหม่ — ไม่มีใครเขียนกติกาให้ทีละข้อ กติกาถูก “เรียน” ขึ้นมาจากข้อมูล

Example from Automotive QA

ตัวอย่างการใช้ ML ในโรงงาน:

  • Predict machine failure — ทำนายว่าเครื่องจักรจะเสียจากข้อมูล sensor
  • Classify defect — จำแนกประเภทของเสียจากข้อมูลการตรวจ
  • Predict defect probability — ประเมินความน่าจะเป็นที่ lot จะมีปัญหา
  • Visual inspection — ตรวจชิ้นงานจากภาพถ่าย
  • Detect anomaly — จับความผิดปกติของค่าการผลิตที่เบี่ยงจากรูปแบบปกติ

What a BA needs to know

ทุกตัวอย่างข้างบนต้องการสิ่งเดียวกัน: ข้อมูลในอดีตที่มากพอ ถูกต้อง และมี label ที่เชื่อถือได้ (เช่น รู้ว่าเคสไหนคือ defect จริง) — คำถามแรกของ BA เมื่อมีคนเสนอ use case แนว ML จึงไม่ใช่ “ใช้โมเดลอะไร” แต่คือ “เรามีข้อมูลอะไร คุณภาพแค่ไหน”

References

  • Google — Introduction to Machine Learning — เริ่ม ML แบบสั้นก่อนลง Crash Course
  • Google — Machine Learning Crash Course — มีทั้งวิดีโอ visualization และแบบฝึกหัด และปัจจุบันครอบคลุม LLM ด้วย เหมาะสำหรับใช้เป็น reference ต่อจาก introduction โดย programming exercise สามารถข้ามได้ในช่วงแรก