Data Science Data Analytics ในการบริหารห้องสมุดในศตวรรษที่ 21

โครงการสัมมนาทางวิชาการ เรื่อง Data Science Data Analytics ในการบริหารห้องสมุดในศตวรรษที่ 21

วันที่ 15 กุมภาพันธ์ 2562 ณ สำนักหอสมุด มหาวิทยาลัยเกษตรศาสตร์

หัวข้อการบรรยาย
1. AI and Big Data in KU
โดย ผศ.ดร.ภุชงค์ อุทโยภาส รองอธิการบดีฝ่ายสารสนเทศ มหาวิทยาลัยเกษตรศาสตร์
แนวทางการพัฒนาด้าน AI ของมหาวิทยาลัยเกษตรศาสตร์

• มีการดำเนินงานด้าน Data science เช่น KU Data Science Forum, KU Data Science Boot Camp, สร้างความร่วมมืองานวิจัยระหว่างคณะ
• สร้าง AI infrastructure ในโครงการ ARES (AI Research and Education System) @KU 2019 ด้วยความร่วมมือจาก Nvidia
  • 3 AI machines equipped with state of the art GPU 8x NVIDIA V100 and NV-Link
    • Peak 62.4 Teraflops double precision
    • Peak 1 Petaflops Deep Learning
    • Peak 125 Teraflops single precision
  • นำไปใช้คำนวณงานต่าง ๆ เช่น
    • deep learning application for Big Data in agriculture
    • Omics Research
    • CFD, Drug Design, Nano material
  • สร้าง KU Sriracha Digital Academy Thailand (DAT) Project ประกอบด้วย
    • Co-work space
    • Training room
    • State-of-the ART AI facility based on NIVIDA DGX-1 Deep learning server (1 Petaflops)
  • AI Smart University
    • จัดเก็บข้อมูลด้วย Data warehouse แล้วนำเสนอด้วย BI
    • สร้าง AI ชื่อ พิรุณปัญญา เป็นผู้ช่วยในการสังเคราะห์ข้อมูล

2. Using Data Analytics in KU library
โดย คุณอภิยศ เหรียญวิพัฒน์ นักวิชาการคอมพิวเตอร์ชำนาญการ สำนักหอสมุด มหาวิทยาลัยเกษตรศาสตร์
นำเสนอการวิเคราะห์ข้อมูลเพื่อทำความเข้าใจผู้ใช้ ภายในสำนักหอสมุด มหาวิทยาลัยเกษตรศาสตร์

• การนำเสนอสถิติต่าง ๆ ด้วยกราฟ เช่น ยอดผู้ใช้บริการตามช่วงเวลา, ผู้ใช้บริการแยกตามคณะ, ผู้ใช้บริการฐานข้อมูลออนไลน์แยกตามโดเมน, คำค้นยอดนิยม เพื่อดูแนวโน้มการใช้บริการ
  
• โมเดลการคำนวณ เพื่อบอกรับฐานข้อมูลวิชาการออนไลน์
  
  
• การสร้าง Heat map ของการใช้คอมพิวเตอร์บริการภายในหอสมุด
  
  

การใช้ Machine learning ตรวจจับภาพ สร้าง Heat map ของการใช้งานโต๊ะบริการภายในหอสมุด

3. เล่าเรื่อง Data Warehouse/Business Intelligence ที่หอสมุดกลาง มศว
โดย อ.สาโรช เมาลานนท์ ผู้อำนวยการสำนักหอสมุดกลาง มศว
การใช้ BI และ Pentaho นำเสนอสถิติ เพื่อการตัดสินใจในระดับผู้บริหาร

• เครื่องมือ BI ที่ใช้ ได้แก่ Microsoft Power BI, Google Data Studio, Tableau
• สร้าง Data warehouse ด้วย Pentaho version 8.1 เก็บข้อมูลจำนวนนักศึกษา, สถิติการยืม-คืน ตามปีการศึกษา แยกย่อยถึงระดับสาขาวิชา เพื่อนำมาวิเคราะห์ในแบบต่าง ๆ

4. SciVal Analytics Research Intelligence
โดย คุณมณีรัตน์ จอมพุก ผู้อำนวยการกองบริหารงานวิจัย มหาวิทยาลัยมหิดล

บริษัท Elsevier ได้พัฒนา SciVal เพื่อเป็นเครื่องมือช่วยการวิเคราะห์ข้อมูลการวิจัย ซึ่งสามารถวิเคราะห์ในภาพรวม (Overview) ได้ทั้งในระดับประเทศ มหาวิทยาลัย คณะ ภาควิชา หรือแม้กระทั้งวิเคราะห์ข้อมูลเป็นรายบุคคล โดยจะให้ข้อมูล Overall research performance ซึ่งประกอบด้วย Scholarly Output, Researchers, Field-Weighted Citation Impact, Citation Count, Citations per Publication เป็นต้น

SciVal ยังสามารถวิเคราะห์ผลงานวิจัยกับสถาบันคู่เทียบ (Benchmarking) โดยสามารถเลือกข้อมูลที่ต้องการแสดงได้ทั้งแกน X และ Y พร้อมทั้งรูปแบบของกราฟ หรือ bubble size ได้อีกด้วย

นอกจากนี้ SciVal ยังแสดงจำนวนผลงานวิชาการ/สถาบัน ที่ได้สร้างเครือข่ายความร่วมมือทางวิชาการจากสถาบันต่างๆ (Collaboration) ทั่วโลก