Data Genius AI™ เป็นโปรแกรมประมวลผลข้อมูลที่ผสานรวมอัลกอริทึมการเรียนรู้ของเครื่อง (Machine Learning) จากไลบรารี scikit-learn (sklearn) อย่างลึกซึ้ง เพื่อประมวลผลชุดข้อมูล (dataset) อย่างละเอียดและมีประสิทธิภาพสูง ผ่าน Data Genius AI™ ผู้ใช้สามารถวิเคราะห์ชุดข้อมูลได้อย่างรวดเร็ว แสดงผลในรูปแบบภาพ (Visualization) และใช้โมเดลเพื่อคาดการณ์แนวโน้มในอนาคตได้อย่างแม่นยำ
เมื่อยุคของ Big Data มาถึง “ข้อมูล” ได้กลายเป็นทรัพยากรหลักของทุกอุตสาหกรรม ตั้งแต่การผลิตอุตสาหกรรม การแพทย์ เทคโนโลยีการเงิน ไปจนถึงระบบขนส่งอัจฉริยะ ข้อมูลจำนวนมหาศาลเหล่านี้ซ่อนคุณค่ามหาศาลไว้ภายใน การวิเคราะห์และการขุดค้นข้อมูล (Data Mining) จึงเป็นกุญแจสำคัญในการปลดล็อกคุณค่านั้น องค์กรจำนวนมากเริ่มตระหนักถึงความสำคัญของการตัดสินใจที่ขับเคลื่อนด้วยข้อมูล ซึ่งช่วยเพิ่มประสิทธิภาพธุรกิจ ลดต้นทุน และส่งเสริมการพัฒนาเชิงนวัตกรรม ดังนั้น การพัฒนาเครื่องมือวิเคราะห์ข้อมูลที่มีประสิทธิภาพ ใช้งานง่าย และฉลาด จึงมีความสำคัญและมีความต้องการสูงในตลาดปัจจุบัน
Data Genius AI™ เป็นโปรแกรมวิเคราะห์ชุดข้อมูลที่มีฟังก์ชันหลากหลาย ออกแบบมาเพื่อตอบสนองความต้องการของผู้ใช้ในด้านการประมวลผล การวิเคราะห์ และการค้นหาคุณค่าจากข้อมูล โดยระบบช่วยลดความซับซ้อนของกระบวนการเตรียมข้อมูล เพิ่มความสามารถในการแสดงผลแบบภาพ นำเสนอระบบแนะนำอัลกอริทึมอัจฉริยะ (AI Recommendation) และรองรับการนำโมเดลที่ฝึกไว้แล้วกลับมาใช้ใหม่ (Model Reuse) เพื่อช่วยให้ผู้ใช้สามารถวิเคราะห์ข้อมูลได้มีประสิทธิภาพยิ่งขึ้น และรับมือกับสภาพธุรกิจที่ซับซ้อนและมีการแข่งขันสูง
| ลำดับ | ชื่อฟังก์ชัน | คำอธิบายฟังก์ชัน |
| 1 | การนำเข้าชุดข้อมูล | รองรับการนำเข้าข้อมูลจากหลากหลายประเภทของไฟล์ |
| 2 | การทำความสะอาดข้อมูล | เตรียมข้อมูลเบื้องต้น ลบหรือเติมค่าข้อมูลที่หายไป |
| 3 | การระบุประเภทข้อมูล | ตรวจจับประเภทของชุดข้อมูลและพารามิเตอร์ต่าง ๆ |
| 4 | การแนะนำอัลกอริทึม | แนะนำอัลกอริทึมที่เหมาะสมตามผลการวิเคราะห์ข้อมูล |
| 5 | การฝึกโมเดลแบบกำหนดเอง | ผู้ใช้สามารถเลือกฝึกได้สูงสุด 3 อัลกอริทึมพร้อมกัน |
| 6 | การฝึกโมเดลหลัก | ฝึกและบันทึกโมเดลที่เลือกไว้เพื่อใช้งานภายหลัง |
| 7 | การฝึกโมเดลหลัก | ฝึกและบันทึกโมเดลที่เลือกไว้เพื่อใช้งานภายหลัง |
| 8 | การแสดงผลข้อมูล | สร้างแผนภาพความสัมพันธ์เชิงเส้นและฮีตแมปของข้อมูล |
| 9 | การประเมินด้วย ChatGPT | ใช้ ChatGPT วิเคราะห์ผลการฝึกและให้คำแนะนำปรับปรุง |
| 10 | การนำโมเดลกลับมาใช้ | ใช้โมเดลที่บันทึกไว้ทำนายหรือจำแนกข้อมูลใหม่ |
| 11 | การสร้างชุดข้อมูลใหม่ | รวมผลการพยากรณ์/จำแนกและบันทึกเป็นไฟล์ชุดข้อมูลใหม่ |
| 12 | โมดูลแจ้งข้อผิดพลาด | ระบุตำแหน่งข้อผิดพลาดอย่างแม่นยำและแสดงบนหน้าข้อผิดพลาด |
