BigQuery เป็น Data Warehouse ที่ได้รับความนิยมเป็นอย่างสูงทั่วโลก และมีการใช้งานหลากหลาย Use-cases รวมถึงใช้ Business Intelligence หรือ App จากหลากหลายค่ายเข้ามาเชื่อมต่อจำนวนมาก ทำให้หลายท่านอาจสงสัยว่าการใช้งาน BigQuery ผ่าน App ต่าง ๆ นั้น มีค่าใช้จ่ายเพิ่มเติมนอกเหนือจากค่าบริการ BigQuery เองหรือไม่ โดยเฉพาะค่า Network Egress หรือค่าธรรมเนียมการดึงข้อมูลออกจากระบบ Google Cloud Platform (GCP)
ทุกท่านเคยเหนื่อยกับการค้นหาข้อมูลที่กระจัดกระจายไหมครับ บางครั้งอาจต้องเขียนโค้ดซ้ำ ๆ สำหรับคำถามแต่ละข้อ พวกเราที่เป็นนักวิเคราะห์ข้อมูลมักจะพบกับความท้าทายเหล่านี้ เราต้องใช้เวลาอันมีค่าไปกับการศึกษาเครื่องมือมากมาย โค้ดที่ซับซ้อน และการนำผลลัพธ์ไปให้ทีมอื่น ๆ เช่น Business Team หรือ ประสานงานกับทีมต่าง ๆ ในองค์กร การทำงานแยกส่วนแบบนี้ไม่เพียงแต่ทำให้ช้าลง แต่ยังให้การนำ Insight หรือสาระสำคัญที่จะไปตัดสินใจต่อในธุรกิจยากขึ้นอีกด้วย
เราต่างตระหนักดีว่าการปลดล็อกศักยภาพของ AI ต้องอาศัยการผสมผสานทั้งข้อมูล (Data) และ AI เข้าด้วยกัน นั่นหมายความว่าเราต้องมีวิธีการหรือเครื่องมือที่ง่ายในการจัดการวัฏจักรของข้อมูลทั้งหมดตั้งแต่เริ่มต้นจนจบ (Data-to-AI Lifecycle)
ในยุคที่ข้อมูลไหลบ่าอย่างมหาศาล การวิเคราะห์ข้อมูลแบบเรียลไทม์กลายเป็นสิ่งจำเป็นสำหรับธุรกิจ BigQuery Continuous Queries คือ Feature ใหม่จาก Google Cloud ที่ช่วยให้คุณปลดล็อกศักยภาพของ SQL ในการประมวลผลข้อมูลอย่างต่อเนื่อง ไม่ว่าจะเป็นการวิเคราะห์ข้อมูล การสร้าง AI Pipeline หรือการส่งข้อมูลแบบ Reverse ETL ซึ่ง BigQuery Continuous Queries จะช่วยให้คุณทำทั้งหมดนี้ได้อย่างง่ายดาย
ในยุคดิจิทัลที่ข้อมูลมีบทบาทสำคัญต่อความสำเร็จขององค์กร การวิเคราะห์ข้อมูลเชิงลึก (Business Intelligence) กลายเป็นเครื่องมือสำคัญที่ช่วยให้ธุรกิจตัดสินใจได้อย่างมีประสิทธิภาพ ขับเคลื่อนกลยุทธ์ และบรรลุเป้าหมายทางธุรกิจ
เตรียมพบกับยุคใหม่ของการเปลี่ยนแปลงอันทรงพลังกับ Google Cloud ที่ได้รับการประกาศจาก Forrester Research ให้เป็นผู้นำใน The Forrester Wave™: AI Infrastructure Solutions, ประจำไตรมาส 1 ปี 2024 ถือเป็นการตอกย้ำวิสัยทัศน์อันแน่วแน่และความมุ่งมั่นในการพัฒนานวัตกรรมอย่างต่อเนื่องในผลิตผลด้าน AI ตลอดจนโครงสร้างพื้นฐานอย่าง AI Infrastructure ด้วย
จากบทความก่อนหน้าทั้งภาคทฤษฎีและปฏิบัติของ Vector Embeddings ทำให้เราก้าวเข้าสู่เทคโนโลยี Gen AI กันอีกขั้น และวันนี้เรามาต่อยอดความรู้เหล่านั้นกันด้วย RAG ครับ
ตั้งแต่ที่ Google ได้มีการเปิดตัว Bard ไปเมื่อปีที่แล้วนั้น ผู้ใช้งานทั่วโลกก็ได้มีการใช้ Bard กับ AI อื่น ๆ ในหลากหลายรูปแบบไม่ว่าจะเป็นการเตรียมตัวสำหรับการสัมภาษณ์งาน การแก้โค้ด การหาไอเดียธุรกิจใหม่ ๆ หรือแม้แต่การสร้างรูปภาพที่น่าเหลือเชื่อ
หลังจากที่เราเรียนรู้ Vector Embeddings ในภาคทฤษฎีกันแล้ว เมื่อเข้าถึงภาคปฏิบัติก็เป็นเรื่องง่ายเลยครับ ในบทความนี้เราจะมาลองลงมือใช้ APIs ต่าง ๆ ของ Google Cloud โดยมีการเขียนโค้ดบน Colab Enterprise จากหน้า BigQuery กันเลย!
ในยุคปัจจุบันปัญญาประดิษฐ์ (AI) กลายเป็นเทคโนโลยีสำคัญที่ขับเคลื่อนการเปลี่ยนแปลงในหลากหลายอุตสาหกรรม หนึ่งในสาขา AI ที่น่าจับตามองคือ Generative AI (Gen AI) หรือ AI ที่สามารถสร้างเนื้อหาใหม่ ๆ เช่น ข้อความ รูปภาพ เสียง หรือวิดีโอ แต่ก่อนที่จะเริ่มสร้าง Gen AI ที่น่าทึ่งเราจำเป็นต้องเข้าใจพื้นฐานสำคัญอย่าง Vector Embeddings
