Lesson 01 · Exam + Conclusion · ~15 นาที

สอบวันอาทิตย์: โครงข้อสอบและคำใบ้ของอาจารย์

โยงกับสไลด์ Exam 1–3, Conclusion 2

เป้าหมายบทนี้: บอกได้ว่าแต่ละข้อสอบอะไร ต้องส่งไฟล์อะไร และเรื่องไหนอาจารย์บอกว่าออกแน่

คลิปบรรยายที่ตรงกับบทนี้

ส่งกี่ไฟล์ ส่งไม่ครบได้เท่าไร
ส่ง grader ได้กี่รอบ (เอาคะแนนรอบที่ดีที่สุด)

1โครงข้อสอบ

สไลด์ Exam 2: Exam Policies และ hint ของ Q1–Q4 — **สไลด์ 2**ดูหัวข้อ "Midterm Exam Hints"

ข้อ	หัวข้อ	สิ่งที่ต้องทำ
Q1	Insights / EDA	sort, filter, สร้างตัวแปรใหม่, group by, join/merge, `apply`, datetime (year, month, day, DOW)
Q2	Data prep for ML	`SimpleImputer`, `OneHotEncoder`, `ColumnTransformer`, `StandardScaler`, `Pipeline`, `train_test_split` ข้อนี้ยาวที่สุด
Q3	ML	ทำ pipeline ของโมเดลและประเมินผล
Q4	ทฤษฎี	โมเดล ML, การตีความโมเดล, การประเมิน (ปรนัยล้วน)

ทั้ง 4 ข้อเป็นอิสระต่อกัน ทำข้อ 1 ผิดไม่กระทบข้อ 2 แต่ละข้อมีคะแนนเท่ากัน รวม 30%

อาจารย์ใบ้ว่า "เบอร์สิบ" สำคัญมากและออกแน่นอน แล้วพูดต่อทันทีว่าให้ไปดู pipeline (ในบันทึกไม่ชัดว่าเบอร์สิบคือหัวข้อไหน แต่เนื้อหาคือ pipeline)

Q2 อาจารย์ถามว่าข้อมูลมี missing ไหม มี categorical ไหม แล้วเอาทุกขั้นมาผูกเป็น pipeline ได้ไหม อาจารย์พูดว่าออกแน่

2Q3 กับ Q4 อาจารย์พูดอะไรไว้

Q3 อาจารย์เตรียมข้อมูล train/test ที่เตรียมไว้แล้วให้ ต้องเลือกและจูนโมเดลให้ถูก แล้วอ่านผลลัพธ์ เช่น print tree มาอ่านรู้เรื่องไหม ดู F1 และ recall

Q4 อาจารย์ประกาศเองว่าจะมีคำถามหนึ่งข้อเต็มที่ถามว่า "ควรใช้ ML, DL หรือ GenAI เมื่อไร" และมี clustering ด้วย ไม่ถามสูตรหรือรายละเอียด neural network แต่ถามว่ากรณีนี้ถูกหรือผิด เหมาะหรือไม่

แต่ละข้อมีคำถามย่อยราว 5 ข้อ ตอบถูก 3 จาก 5 ก็ได้ 3 แต้มของข้อนั้น (ได้คะแนนบางส่วน)

3กติกาที่ทำให้เสียคะแนนง่าย

ต่อ 1 ข้อต้องส่ง 2 ไฟล์ (.py และ .ipynb) อาจารย์พูดชัดว่าส่งไม่ครบได้ 0 เพราะต้องดูว่าคำตอบใน ans ตรงกับโค้ดในโน้ตบุ๊กจริง ๆ จะเขียนโค้ดยาวแค่ไหนก็ได้ ขอแค่มีคำตอบและส่งทั้งสองไฟล์

ส่ง grader ได้หลายรอบ ใช้คะแนนรอบที่ดีที่สุด
grader ไม่แสดง test case เพื่อกันการ hard-code
ในห้องสอบเปิดได้เฉพาะ grader กับ resource link (สไลด์และโค้ดจาก GitHub ของวิชา มี Pandas, scikit-learn, Streamlit, BeautifulSoup) โจทย์ที่ทำมาแล้วจะไม่อยู่ใน grader แต่เฉลยการบ้านจะแจกเป็นไฟล์ zip

เช็กไฟล์ที่ต้องส่ง

ติ๊กไฟล์ที่ส่งแล้วของแต่ละข้อ ดูว่าข้อไหนจะถูกตรวจ (ค่าเริ่มต้นจำลองว่าลืมส่ง .ipynb ของ Q2)

4ภาพรวมวิชา (ไว้ตอบ Q4 ให้ตรงกรอบ)

สไลด์ Conclusion 3: Data Science = Data Preparation, Analysis, Visualization, Data Product — **สไลด์ 3**ดู 3 หน้าที่ของ Data Scientist

Data Scientist มีงาน 3 อย่าง:

แปลงข้อมูลเป็น insight (Q1)
แปลงข้อมูลเป็น data product เช่นโมเดล (Q2, Q3)
เล่าเรื่องด้วยข้อมูล (หลังมิดเทอม)

อาจารย์ย้ำว่าถ้ายอดขายตกแล้วอยากรู้ "ทำไมตก" นั่นคือ query insight (ไม่ต้องสร้างโมเดล) แต่ถ้าอยากรู้ "จะเกิดอะไรต่อ" หรืออยากจัดกลุ่มลูกค้า นั่นคือโมเดล AI

อ่านเพิ่ม / ที่มา

Midterm Exam Procedure (ไฟล์ที่ได้รับ) กติกาฉบับเต็ม อัปเดต 25 ต.ค.

ติดตรงไหน ถาม Claude ได้เลย บอกเลขบทกับเลขข้อมาด้วย