ตอนนี้เริ่มทำงานที่บ้านกันสักพักแล้วใช่มั้ยคะ หลายคนทำงานได้ราบรื่นดี แต่สำหรับบางคน Wi-Fi ที่บ้านอาจไม่ค่อยไม่เป็นใจ ไม่เป็นไรเรามี 5 วิธีเพิ่มความแรง Wi-Fi ที่บ้าน มาฝากกัน (แต่ FYI ไว้ก่อนว่าผู้เขียนใช้ข้อ 5) 1.ย้ายเราเตอร์มาอยู่ใกล้ ๆ ซะเลย ถ้าทำการย้ายต้องแน่ใจนะว่าจะไม่เป็นปัญหาต่อคนอื่นอีก แต่หากย้ายแล้วมีปัญหาหรือสายมันล็อกทำให้ไม่สามารถย้ายได้ ไปดูข้อต่อไปเลยจ้า 2.
บทความนี้เป็นตอนที่ ๓ ต่อเนื่องมาจาก ตอนที่ ๑ — Container พื้นฐาน ตอนที่ ๒ — รัน Kubernetes บน Docker Desktop ผมสองจิตสองใจอยู่นาน ว่าจะเริ่มต้นบทความนี้จากการสรุปรวบยอดไอเดียทั้งหมด หรือจะอธิบายส่วนประกอบต่างๆโดยละเอียดดี เมื่อไม่แน่ใจก็จะขอทำตามที่ผู้รู้หลายๆท่านทำคืออธิบายอย่างละเอียดก่อน หากผู้อ่านคนไหนรู้สึกว่า เนื้อหาส่วนรายละเอียดยืดยาวหรือมีความรู้เบื้องต้นอยู่แล้ว สามารถกระโดดข้ามไปอ่านส่วนท้ายของบทความก่อนได้เลยครับ Node(s) คือเครื่อง Server ซึ่งแต่ละเครื่องไม่จำเป็นต้องมี Spec เหมือนกัน โดยพื้นฐานแต่ละเครื่องจะรายงานจำนวน
ในบทความนี้ เราจะรันคำสั่งของ Kubernetes ไปพร้อมๆกับเนื้อหา จะรันคำสั่ง Kubernetes ได้ เราก็ต้องมี Kubernetes ให้เราต่อเข้าไปก่อน ทางเลือกที่ไม่เสียเงินคือ หนึ่ง ใช้ Online Playground และ สอง ใช้ Docker Desktop ตัวอย่างด้านล่างเป็นแบบที่สอง ติดตั้ง Kubernetes บน Docker Desktop คลิกที่ไอคอน
ใกล้ชิดติดหน้าจอ! นักโฆษณาสมัยนี้เข้าถึงผู้บริโภคได้มากขึ้น ห่างเพียงแค่จอมือถือกั้น ในปัจจุบัน มือถือเข้ามามีบทบาทมากขึ้นในทุกช่วงชีวิตของผู้บริโภค ตั้งแต่ตื่นนอนตอนเช้าจนถึงเวลาเข้านอน เพราะในยุคนี้ มือถือไม่ได้เป็นเพียงแค่อุปกรณ์สื่อสารเท่านั้น แต่กลายเป็นอุปกรณ์สำคัญที่ทำให้เราเข้าถึงข้อมูลมหาศาลที่ส่งผลต่อพฤติกรรมของเรา ในแง่ของการตลาด เราเรียกช่วงเวลาที่ผู้บริโภคใช้มือถือที่ส่งผลต่อพฤติกรรมการซื้อว่า Micro moments Micro moments คือช่วงเวลาที่ผู้บริโภคใช้มือถือเพื่อการเรียนรู้ เพื่อกระทำการบางอย่าง เพื่อค้นหาข้อมูล และเพื่อซื้อสินค้าและบริการ โดยช่วงเวลาเหล่านี้มักเกิดขึ้นอย่างคงที่และต่อเนื่อง ประกอบกับการใช้งานมือถือที่เพิ่มขึ้นในปัจจุบัน ส่งผลให้ผู้บริโภคสามารถค้นหาข้อมูลของสินค้าและบริการได้ง่ายขึ้น จึงนับว่าเป็นโอกาสทองของนักโฆษณาที่จะอาศัย
ก่อนจะเริ่มต้นการเดินทางเข้าสู่ Kubernetes TLDL; ตั้งใจเขียนบทความเกี่ยวกับ Kubernetes มาซักพักนึง แต่ก็ผลัดมาตลอด สุดท้ายได้โอกาสเริ่มซะที บทความชุดนี้อาจจะไม่บอกครบทุกเรื่อง เพราะถ้าบอกทุกเรื่อง ผู้อ่านคงหาอ่านเอาเองได้จาก Official Document ก้าวแรกกับ Kubernetes (อ่านว่า คู-เบอ-เน-เทส|ทีส) ไม่ใช่เรื่องของ Kubernetes แต่เป็นเรื่อง Container พูดถึง Container เราก็มักจะนึกถึง Docker ด้วยเหตุผลที่ว่า
มี 10 สิ่งที่คุณควรสังเกต ในขณะที่จำนวนและความรุนแรงของซอฟต์แวร์เรียกค่าไถ่ที่มีเพิ่มมากขึ้นผ่านทางอีเมลหลอกลวง ประเด็นนี้จึงเป็นเรื่องสำคัญมากที่คุณควรจะรู้เท่าทันกลลวง เพื่อช่วยในการป้องกันตัวเองและองค์กรที่คุณทำงานอยู่จากภัยร้ายทางอินเทอร์เน็ต การอัปเดตคอมพิวเตอร์ให้ทันสมัยอยู่เสมอนั้นช่วยลดความเสี่ยงขององค์กรในภาพรวมไปได้มาก แต่การเฝ้าระวังอีเมลหลอกลวง รวมถึงการให้ความรู้กับพนักงานในองค์กรนั้นเป็นขั้นตอนที่สำคัญไม่น้อยไปกว่ากัน นี่คือ 10 วิธีที่คุณจะสามารถสังเกตและรับมือกับอีเมลหลอกลวงได้ อย่าไว้ใจชื่อผู้ส่งที่แสดงในอีเมลเสียทีเดียว เหตุเพราะชื่อผู้ส่งที่แสดงอยู่ในอีเมลอาจไม่ได้บอกถึงผู้ส่งที่แท้จริงเสมอไป คุณต้องแน่ใจว่าชื่อของ Email address นั้นถูกต้อง เพื่อยืนยันผู้ส่งเมลที่แท้จริง ดูแต่ตา มืออย่าต้อง (อย่ากดคลิก) ลองวางเมาส์ไปชี้ใกล้ๆกับข้อความที่อยู่ในอีเมลโดยไม่มีการคลิกใดๆ
ดูเหมือนว่าในยุคนี้เรามีหลายสิ่งหลายอย่างที่ต้องพึ่งพา AI ในการประมวลผล แทบจะทุกวงการใช้ AI และสูตรการประมวลผลหรือที่เราเรียกว่า Algorithm (มูลฐานของ Machine Learning) เข้ามาช่วยทำงาน โดยเฉพาะอย่างยิ่งงานที่ต้องอาศัยข้อมูลจำนวนมหาศาล เราจะแน่ใจได้อย่างไรว่ารายงานที่เราได้มีความแม่นยำถูกต้องปราศจากความลำเอียง (Bias) เพียงเพราะข้อมูลเหล่านั้นถูกประมวลโดยคอมพิวเตอร์ มีรายงานมากมายที่บอกว่าข้อมูลที่ได้จาก AI ไม่ได้ถูกต้องเสมอไปแถมยังมีความไม่เป็นธรรม และหลายๆครั้งก็เลือกปฏิบัติ เช่น การตัดสินคดีความ การคัดเลือกเรซูเม่ การให้สิทธิ์ที่แตกต่างกันสำหรับลูกค้า ไปจนถึง Siri
จากบทความ รู้หรือไม่ว่าข้อมูลจาก AI หรือ Algorithm ก็มีความลำเอียง ทำให้เราทราบว่าแท้จริงแล้ว AI หรือ Algorithm ไม่ได้ลำเอียง หากแต่มาจากข้อมูลที่เราป้อนเข้าระบบและเทรนเครื่องให้เรียนรู้ข้อมูลที่เป็นตัวแแทนของสิ่งที่เราต้องการประมวลผลเท่านั้น ซึ่งถือเป็นเรื่องยากที่จะทำความเข้าใจและหาทางแก้ไขให้สำเร็จ ทำไมความลำเอียงจาก AI ถึงเป็นเรื่องยากที่จะแก้ไข เมื่อพิจารณาตามด้านบนแล้ว ความท้าทายที่ถือว่ายากในการลดอคติจาก AI มีอยู่ 4 อย่างด้วยกัน 1. ข้อมูลที่บิดเบือนหรือลำเอียงมาแต่แรกโดยที่ไม่มีใครสังเกตุ การเกิดความลำเอียงไม่ใช่สิ่งที่สามารถสังเกตเห็นได้ง่ายในช่วงของการสร้างแบบจำลอง เพราะคุณอาจยังไม่ได้รับผลกระทบอะไรจากข้อมูลและตัวเลือกของคุณจนกว่าเวลานั้นมาถึง ผลกระทบที่ต่อเนื่องจากข้อมูลเหล่านั้นทำให้เราทราบว่ามีความลำเอียงบางอย่างเกิดขึ้น พอคุณทำแล้วจะย้อนหลังมาค้นหาว่าความลำเอียงนั้นมาจากไหนก็ระบุได้ยาก แถมยังต้องมาหาวิธีการกำจัดความลำเอียงออกไปจากแบบจำลองอีก ในกรณีของระบบคัดกรองใบสมัครงาน Amazon
การแก้ไขความลำเอียงของข้อมูลที่ได้จาก AI หรือ Algorithm เป็นเรื่องยากที่ต้องวางแผนและกรอบแนวทางการทำงานเป็นอย่างดี จากนี้ต่อไปเราควรทำอย่างไร ในฐานะผู้บริหารธุรกิจ คุณควรกำหนดคำจำกัดความของความเป็นธรรมและคุณลักษณะที่ควรได้รับการคุ้มครอง (ตัวอย่างเช่นเพศและเชื้อชาติ) สำหรับตัวอย่างของบริษัทบัตรเครดิต เช่น การนำประเด็นเรื่องความเป็นธรรมของกลุ่มเมื่อเทียบกับความเป็นธรรมต่อบุคคล ลองพิจารณาบริษัทบัตรเครดิตที่ใช้ Algorithm โดยใช้ข้อมูลประวัติเพื่อคาดการณ์ว่าบุคคลที่สมัครรับข้อเสนอสินเชื่อบางประเภทนั้นมีความเสี่ยง“ ดี” หรือ“ ไม่ดี” ในสถานการณ์ใด ๆ คุณจะต้องพิจารณาว่าตัวแปรใดที่ได้รับการคุ้มครองเพื่อพิจารณาหได้ถึงผลลัพธ์ที่เป็นธรรม – และการตัดสินใจของใครที่จะตัดสินว่าใครควรเป็นกลุ่มนั้น ในตัวอย่างนี้เป้าหมายคือการปฏิบัติต่อผู้สมัครบัตรเครดิตทั้งชายและหญิง
กลุ่มพันธมิตรซอฟต์แวร์ (BSA) คือใคร BSA หรือ กลุ่มพันธมิตรซอฟต์แวร์ เป็นสมาคมการค้าที่ได้รับการสนับสนุนโดยบริษัทซอฟต์แวร์ระดับโลก มีกิจกรรมหลักในการส่งเสริมการใช้งานซอฟต์แวร์ถูกลิขสิทธิ์และยับยั้งการใช้งานซอฟต์แวร์ละเมิดลิขสิทธิ์ BSA ก่อตั้งขึ้นในปีค.ศ. 1989 โดยบริษัท Microsoft และมีสมาชิกเป็นบริษัทผู้พัฒนาซอฟต์แวร์ชั้นนำของโลก เช่น Adobe (ผู้ผลิต Photoshop), Apple, Autodesk, Salesforce, Slack, Norton และอื่นๆ