Random Records

Increase data quality is proportional to data value Activities for food data quality Data used for decision and processes Monitor for data quality Timely issue resolution Is produced + consumed by people who understand data quality หลายบริษัทไม่ได้มีข้อมูลที่ดี ทำให้เกิดการตัดสินใจแบบผิด ๆ ได้ Data quality checklist – fit for use Timeliness Uniqueness Completeness Validity Data quality เป็นการวัดว่าดาต้าที่มีอยุ่เหมาะสมที่จะนำมาใช้ในจุดประสงค์หนึ่ง ๆ หรือไม่ เช่น การเก็บข้อมูลเท่านี้ สามารถตอบโจทย์ที่เราต้องการได้หรือเปล่า ถ้าไม่แสดงว่าข้อมูลที่เก็บมายังไม่ดีพอ ข้อมูลที่ดี จะนำไปสู้ข้อมูลที่น่าเชื่อถือได้ ซึ่งจะนำไปสู่ ทำให้การตัดสินใจทางธูรกิจดีขึ้น ทำให้กระบวนการใช้เครื่องมือทางด้านธุกิจดีขึ้น คุณภาพของข้อมูลควรมีการตรวจสอบอยู่ตลอดเวลา เพื่อจะได้มั่นจว่ายังสามารถตอบจุดประสงค์ตามที่ต้องการ ใช้ได้หรือไม่ Data quality dimensions Measurement of a specific attribute of a data’s quality Using data quality dimension to quantify how fit for purpose data is (เก็บข้อมูลได้ครบถ้วนหรือไม่ ในการท...

ว่าด้วยเรื่องข้อมูลส่วนตัว ในคอร์ส Data Governance -- PREACH P - Purpose มีจุดประสงค์อะไรในการเก็บข้อมูล R - Right to Request - สามารคร้องขอที่จะเปลี่ยนแปลงต่าง ๆ ได้หรือไม่ E - Easy to understand - นโยบายต่อการเก็บข้อมูล ง่ายต่อการเข้าใจหรือไม่ และมีความโปร่งใสไหม A - Alerting - จะมีการแจ้งเตือนไหม เมื่อข้อมูลถูกนำไปใช้ในทางที่มิชอบ หรือถูกขโมย C - Consent - มีการขอความยินยอมหรือไม่ในการเก็บข้อมูลเพื่อนำไปใช้ H - How - จะมีการเก็บขอมูลเอาไปใช้ทำอะไรต่อ -- Security ถือว่าเป็น precursor ของ data privacy -- เป็นการปกป้องข้อมูล CIA Triad breakdown - Confidentiality -- ข้อมูลได้รับการป้องกันอย่างไร     - Identity access management - คือ มีการควบคุมการเข้าถึง - Integrity -- ข้อมูลไม่มีการเปลี่ยแปลงโดยที่ไม่คาดหมาย     - encryption - เป็นการเข้ารหัสข้อมูลเพื่อให้อยู่ในรูปที่อ่านไม่ได้ เช่น midnight -- Ydonrjdj     - hasing - เป็นการเปลี่ยข้อมูลไปเป็น standardized algorithmic output เช่น https communications - Availability -- ระบบสามารถเข้าถึงได้ตลอดเวลา   ...

Applying AI ethics Fairness Ensuring to have the diverse database, no bias Accountability Clear responsibility defined for each AI system’s outcome When there is a malfunction, who is the responsible for that malfunction Transparency Make the AI system explainable and understandable Commitment Ethical adherence builds trust, and mitigates risks Privacy-personalization Personalization can compromise the privacy Transparency-complexity Easy model – easy to understand but less accuracy Complex model – hard to understand but improve the accuracy Autonomy-control Which one should be set up as the first priority? Control compromises autonomy  

  If else syntax # if statement for area if area > 15:     print("big place!") # if-else construct for room if room == "kit" :     print("looking around in the kitchen.") else :     print("looking around elsewhere.") # if-elif-else construct for area if area > 15 :     print("big place!") elif area >10:     print("medium size, nice!") else :     print("pretty small.") # Definition of dictionary europe = {'spain':'madrid', 'france':'paris', 'germany':'berlin',           'norway':'oslo', 'italy':'rome', 'poland':'warsaw', 'austria':'vienna' }            # Iterate over europe for key, value in europe.items():     print("the capital of "+key+" is "+value)