ตอนที่ 1 : ข้อมูลส่วนตัวของสมาชิก
รหัสอ้างอิง : 384
ชื่อสมาชิก : ธวัชชัย เพชรธาราทิพย์
เพศ : ชาย
อีเมล์ : tawatchai_p@mju.ac.th
ประเภทสมาชิก : บุคลากรภายใน[สังกัด]
ลงทะเบียนเมื่อ : 1/4/2554 12:42:44
แก้ไขล่าสุดเมื่อ : 1/4/2554 12:42:44


ตอนที่ 2 : ประวัติการเขียนบทความของสมาชิก
การหาเสถียรภาพ (Stability) ของสมการเชิงอนุพันธ์เป็นกระบวนการที่ใช้ตรวจสอบว่าคำตอบของสมการเชิงอนุพันธ์มีแนวโน้มที่จะคงที่หรือเปลี่ยนแปลงไปเมื่อเวลาผ่านไป โดยทั่วไป การพิจารณาเสถียรภาพขึ้นอยู่กับพฤติกรรมของคำตอบรอบ ๆ จุดสมดุล (Equilibrium Point) หรือวิธีการเฉพาะที่ใช้กับสมการเชิงอนุพันธ์ประเภทต่าง ๆ เสถียรภาพของสมการเชิงอนุพันธ์สามัญ (ODEs) dx/dt = f(x) โดย จุดสมดุล x* เป็นค่าของ x ที่ทำให้ f(x*) = 0 ซึ่งหมายความว่าระบบจะไม่เปลี่ยนแปลงที่จุดนั้น การหาเสถียรภาพของจุดสมดุล ของสมการเชิงอนุพันธ์สามัญ เราวิเคราะห์พฤติกรรมของระบบรอบ ๆ จุดสมดุล x* โดยใช้ อนุพันธ์ของ f(x) หรือ Jacobian matrix: กรณีตัวแปรเดียว 1. คำนวณหา f'(x*) 2. พิจารณา 2.1 ถ้า f'(x*) > 0 แล้ว จุดสมดุล x* มีเสถียรภาพ (Stable) 2.2 ถ้า f'(x*) < 0 แล้ว จุดสมดุล x* ไม่มีเสถียรภาพ (Unstable) 2.3 ถ้า f'(x*) = 0 แล้ว ยังสรุปไม่ได้ ต้องใช้วิธีอื่น เช่น Lyapunov function กรณีหลายตัวแปร 1. คำนวณหา Jacobian matrix: J(x) 2. คำนวณค่าลักษณะเฉพาะ (Eigenvalues) ของ J(x) 2.1 ถ้าค่าลักษณะเฉพาะมีส่วนจริงเป็นลบทุกตัว แล้ว จุดสมดุล x* มีเสถียรภาพ (Asymptotically Stable) 2.2 ถ้าค่าลักษณะเฉพาะมีส่วนจริงบางตัวเป็นบวก แล้ว จุดสมดุล x* ไม่มีเสถียรภาพ (Unstable) 2.3 ถ้าค่าลักษณะเฉพาะมีส่วนจริงบางตัวเป็นศูนย์ แล้ว ต้องใช้วิธีอื่นในการตรวจสอบ
Data Science หรือ วิทยาการข้อมูล หมายถึง การนำข้อมูลมาใช้ประโยชน์ โดยครอบคลุมตั้งแต่ขั้นตอนการเก็บข้อมูล (Collect) การจัดการข้อมูล (Manage) การวิเคราะห์ข้อมูล (Analyze) ไปจนถึงขั้นตอนการนำข้อมูลมาช่วยตัดสินใจ (Decision) Data Science เป็นกระบวนการที่นำเอาข้อมูลมหาศาลมาใช้ให้เกิดประโยชน์และสร้างมูลค่าต่อธุรกิจ โดยจะต้องมีผู้เชี่ยวชาญที่เรียกว่า Data Expert หรือ Data Scientistในการจัดการและนำข้อมูลที่มีอยู่มาทำ Data Cleansing และนำมาวิเคราะห์เพื่อหาองค์ความรู้ใหม่จากชุดข้อมูลที่มีอยู่ และนำมาพัฒนาปรับปรุงการทำงานให้มีประสิทธิภาพมากขึ้น เพื่อการนำข้อมูลมาใช้ประโยชน์ให้มีประสิทธิภาพ Data Scientist จำเป็นต้องมีความรู้พื้นฐานเกี่ยวกับสิ่งต่อไปนี้ 1. กระบวนการสร้างแบบจำลองทางด้านวิทยาการข้อมูล - การเข้าใจในเรื่องธุรกิจ - การเข้าใจข้อมูล - การเตรียมข้อมูล - การเตรียมแบบจำลอง - การประเมินประสิทธิภาพของแบบจำลอง - การนำแบบจำลองไปใช้จริง - การติดตามประเมินผล 2. การวัดคุณภาพของข้อมูลต้อง - ความถูกต้อง - ความสมบูรณ์ - ความสม่ำเสมอ - การลำดับเวลา - ความน่าเชื่อถือ 3. การเขียนโปรแกรมคอมพิวเตอร์