@PanasMeal has sold 10,000 Packs - 50,000 Sticks in under 2 months of operation!!
Starting @PanasMeal has changed my life in many aspect. Before this I was used to doing everything alone - coaching, contents, gym. Now, we are a solid team of 8 with about 20 helpers in the kitchen. Sounds fun right? Nope! It’s hard af, even worse, trying to grow a business during covid is tough, many limitations, but we work with what we can, it kicked my ass, it broke me many times, it challenging daily, it’s not easy, but that’s the journey my team & I chose to commit
And so we focus, through the doubts, and kept doing what we believe, then we checked the numbers, we have sold over 10,000 packs in just 58 Days of Business 🥲
That’s a milestone for us, so THANK YOU - for giving us the chance, without your support, we are Nothing
We will continue to improve, we will continue to work on ourselves and we will continue to serve better
Thank You 🙏🏼
Till the next business update
#PanasMeal
「1 10,000 numbers」的推薦目錄:
- 關於1 10,000 numbers 在 Facebook 的精選貼文
- 關於1 10,000 numbers 在 มติพล ตั้งมติธรรม Facebook 的最佳貼文
- 關於1 10,000 numbers 在 ติดโปร - PRO addict Facebook 的最佳解答
- 關於1 10,000 numbers 在 The numbers 1 through 10000 - gists · GitHub 的評價
- 關於1 10,000 numbers 在 How many numbers between 1-10000 can be divided by 2 ... 的評價
- 關於1 10,000 numbers 在 Make an array filled with numbers 1 to 10000 and then sum all ... 的評價
- 關於1 10,000 numbers 在 Number Charts 1 to 10 000: Counting and Place Value in 2021 的評價
- 關於1 10,000 numbers 在 Expressing Numbers 的評價
1 10,000 numbers 在 มติพล ตั้งมติธรรม Facebook 的最佳貼文
ว่าด้วยเรื่องของ "n"
ช่วงนี้มีดราม่าค่อนข้างดังเกี่ยวกับการที่นายแพทย์ศูนย์วิจัยชื่อดังแห่งหนึ่ง ได้นำผลการทดลองที่มี "n=2" มาอ้างอิง อันเป็นผลให้คนทำมีมกันมากมาย ไปจนถึงมีอาจารย์ประจำสถาบันชื่อดังอีกแห่งหนึ่ง มาพยายามแย้งว่างานวิจัยที่ "n=1" มีตั้งเยอะแยะ ไปจนถึง "ขนาดไอสไตน์ยัง n=0"
แน่นอนว่าขึ้นชื่อว่าเป็นดราม่ามันก็เป็นเรื่องน่าปวดหู ไม่ค่อยสร้างสรรค์เท่าไหร่ แต่ในความไม่สร้างสรรค์นี้ มันก็เป็นโอกาสดีที่จะทำให้คนทั่วๆ ไปได้ตื่นตัวมากขึ้นเกี่ยวกับวิทยาศาสตร์ และหลักการที่ถูกต้องของวิทยาศาสตร์ ความยากลำบากก่อนที่จะมาเป็นงานวิจัยตีพิมพ์ที่ได้รับการยอมรับ ฯลฯ พูดง่ายๆ ก็คือ นอกจากโอกาสนี้คงจะไม่มีโอกาสอื่นอีกแล้วที่จะสามารถเขียนโพสต์อธิบายให้คนเข้าใจได้เกี่ยวกับ "n" และความสำคัญของมัน
- "n" คืออะไร?
"n" ก็คือตัวอักษรภาษาอังกฤษตัวที่ 14... โอเค จริงจังกว่านั้นหน่อย "n" ก็คือ "ตัวแปร" ซึ่งเป็นภาษาหรูๆ ที่แปลว่ามันเป็นตัวแทนของอะไรสักอย่างหนึ่ง ซึ่งเราจะแทนเป็นอะไรก็ได้ แต่โดยธรรมเนียมปฏิบัติของสายคณิตศาสตร์ วิทยาศาสตร์ และสถิติแล้ว เรามักจะใช้ "n" แทนจำนวนนับจำนวนหนึ่ง (ซึ่งน่าจะมาจากที่ "N" เป็นตัวแทนของ Natural numbers หรือจำนวนนับนั่นเอง) และในแง่ของการทดลอง เรามักจะใช้ n แทนจำนวนครั้งที่ได้ทำการทดลองก่อนที่จะได้ผลตามที่รายงาน เช่น "n=2" แสดงว่าได้มีการทำการทดลองทั้งสิ้นสองครั้ง "n=88" แสดงว่าผลการทดลองนี้เกิดมาจากการวัด 88 ครั้ง เป็นต้น
- ทำไมต้องมี "n"? ทำไมเราต้องทดลองซ้ำ?
หลักการที่สำคัญอย่างหนึ่งของวิทยาศาสตร์ก็คือ "Reproducibility" นั่นก็คือไม่ว่าใครก็ตามจะต้องสามารถทำการทดลองซ้ำ และได้ผลไปในทางเดียวกัน และหากมีใครทดลองซ้ำแล้วไม่ได้ ผลการทดลองนั้นก็ต้องตกไป (แล้วค่อยไปว่ากันอีกทีว่ามันผิดตรงไหน) ตัวอย่างที่ดีอย่างหนึ่งของกรณีนี้ที่เพิ่งเกิดขึ้นมาไม่นาน ก็คือกรณีที่มีการค้นพบฟอสฟีนบนชั้นบรรยากาศของดาวศุกร์ ที่มีการรายงานไปในวันที่ 14 กันยายน 2020[1] ซึ่งต่อมาได้ลองนำข้อมูลเดียวกันมาวิเคราะห์แต่กลับพบว่าไม่สามารถพบสัญญาณของฟอสฟีนได้อีกต่อไป จากการวิเคราะห์เพิ่มเติมจึงพบว่าสาเหตุมาจากขั้นตอนการลดทอนข้อมูลของทีมแรกที่ใช้พหุนามถึงดีกรี 12 บวกกับ confirmation bias ที่ผู้ทดลองพยายามจะ "หา" ในสิ่งที่ต้องการจะเจออยู่แล้ว จึงบังเอิญไปสร้างสัญญาณนั้นขึ้น ไม่ว่าจะโดยตั้งใจหรือไม่ก็ตาม[2] แต่ผลก็คือ การทดลองซ้ำนี้ทำให้เราทราบว่าปัจจุบันเรายังไม่มีหลักฐานใดว่ามีฟอสฟีนบนชั้นบรรยากาศของดาวศุกร์ (ซึ่งไม่ได้หมายความว่าไม่มี เราแค่ยังไม่รู้แน่ชัดว่ามีหรือไม่)
นอกจากนี้ ในการศึกษาทางวิทยาศาสตร์หลายๆ ครั้ง เราไม่สามารถศึกษาข้อมูลทั้งหมดได้ แต่เราจำเป็นต้องศึกษาเพียงส่วนหนึ่งของ "ประชากร" ไม่ว่าจะหมายถึงประชากรมนุษย์จริงๆ ในทางการแพทย์ หรือประชากรของ "ตัวอย่าง" ซึ่งอาจจะเป็นสิ่งของที่ไม่มีชึวิต เช่น ประชากรดาวฤกษ์ ที่แต่ละตัวอย่างนั้นอาจจะมีความแตกต่างกันออกไป และเราต้องการข้อสรุปบางอย่าง เพื่อจะเป็นตัวแทนที่อธิบายถึงลักษณะของประชากรนั้นๆ โดยรวม เราจึงจำเป็นต้องมีการสุ่มประชากร และใช้สถิติในการอธิบาย
เพราะเหตุใดเราจึงต้องทำการทดลองซ้ำ? ถ้าให้ตอบแบบง่ายๆ ก็คือ "เพื่อให้รู้ว่าเราไม่ได้ 'ฟลุ๊ค'" ลองนึกตัวอย่างง่ายๆ ว่าเราต้องการสำรวจน้ำหนักโดยเฉลี่ยของชาวเกาะแห่งหนึ่ง หากเราชั่งคนแรกได้ 103 กก. เราสามารถสรุปได้หรือไม่ ว่าชาวเกาะส่วนมากนั้นหนักเกิน 100 กก.? แน่นอนว่านี่ไม่ใช่คำตอบที่ถูก เพราะเราไม่มีทางทราบได้ว่าไอ้คนที่หนัก 103 กก. นั้น เป็นคนที่มีน้ำหนักเป็นค่าเฉลี่ย หรือว่าเรา 'ฟลุ๊ค' บังเอิญไปสำรวจคนที่หนักที่สุดบนเกาะพอดี
วิธีเดียวที่จะทำให้แน่ใจว่าเราไม่ได้ 'ฟลุ๊ค' ก็คือการสุ่มตัวอย่างอีกครั้งหนึ่ง ซึ่งแน่นอนว่าต่อให้เราสุ่มอีกครั้ง ก็ไม่มีอะไรการันตีว่าเราจะไม่ 'ฟลุ๊ค' ได้คนที่หนักที่สุดสองดันดับแรกของเกาะมาด้วยกันทั้งคู่ แต่อย่างน้อยเราก็รู้ว่าโอกาสที่จะฟลุ๊คเช่นนั้นมันก็ลดน้อยลงไปอย่างมาก และยิ่งเราเพิ่มประชากรมากเท่าใด ตราบใดที่กลไกในการ "สุ่ม" ของเรานั้นเป็นไปโดยสุ่มอย่างแท้จริง ก็ยิ่งมีโอกาสน้อยลงๆ ที่ประชากรที่เราสุ่มมานั้นจะมีน้ำหนักผิดปรกติไปจากค่าเฉลี่ย
ซึ่งยิ่งเรามี n เยอะเท่าไหร่ ก็จะยิ่งดี เพราะคงจะแทบเป็นไปไม่ได้เลยที่เราจะสุ่มเจอชาวเกาะ 10,000 คนที่น้ำหนักเกินร้อยพร้อมๆ กัน... เว้นเสียแต่ว่าชาวเกาะจำนวนมากนั้นมีน้ำหนักเกิน 100 กก. จริงๆ
ซึ่งค่า n ที่เหมาะสมนั้น ไม่มีกฏตายตัว ว่าจะต้องมี n อย่างน้อยเท่าไหร่จึงจะเพียงพอ ขึ้นอยู่กับปัจจัยหลายๆ อย่าง และในหลายๆ กรณีนั้นเราก็ไม่สามารถเพิ่ม n ได้มากไปเสียเท่าไหร่
แต่หากเราย้อนกลับไปที่เงื่อนไขของ reproducibility เราก็จะทำความเข้าใจได้ง่ายขึ้น สมมติว่าเราสุ่มน้ำหนักชาวเกาะมาสองคน เรามั่นใจได้แค่ไหนว่า หากมีนักวิจัยคนอื่นสุ่มน้ำหนักชาวเกาะมาอีกสองคน เขาจะได้ค่าเท่ากัน? ถ้าหากว่าเราไม่มีความมั่นใจว่าจะได้คำตอบเดิม ทางที่ดีที่สุดก็คือ "ทำซ้ำ" จนกว่าจะมั่นใจเพียงพอ แน่นอนว่าไม่มีอะไรบอกว่า n=1,000 นั้นจะเพียงพอแล้ว แต่ถึงระดับนั้นเราอาจจะมีความมั่นใจเพียงพอแล้วว่า หากคณะอื่นมาสำรวจด้วยกลไกการสุ่มแบบเดียวกับเรา น่าจะได้ผลที่ไม่ต่างจากเรามากเท่าใดนัก (ซึ่งเราอาจพูดได้ว่ามีความเกี่ยวข้องกับ Confidence Interval สามารถอ่านได้จากโพสต์ที่โพสต์ไปเมื่อวาน[3])
ซึ่งนี่เป็นเพียงการพูดแบบง่ายๆ ที่เราสามารถใช้สามัญสำนึกในการทำความเข้าใจได้ ในความเป็นจริงแล้วนักวิทยาศาสตร์นั้นมีกลไกทางสถิติอีกมากมายที่จะบอกว่าโอกาสที่ค่านั้นจะสะท้อนถึงค่าจริงของประชากรนั้นมากเพียงพอแล้วหรือยัง
- ขนาดไอสไตน์ยัง "n=0"
นี่เป็นความเข้าใจผิดอย่างหนึ่งที่คนมักจะมีต่อนักทฤษฎี คนมักจะเข้าใจกันว่านักทฤษฎีนั้นเพียงแค่คิดทฤษฎีออกมาก็จบแล้ว ซึ่งในฐานะที่เป็นนักวิจัยสาขาดาราศาสตร์ฟิสิกส์ภาคทฤษฎ๊ ผมขอตอบว่านี่ไม่เป็นความจริงแต่อย่างใด จริงอยู่ว่าหน้าที่ของนักทฤษฎ๊คือการคิดค้นและนำเสนอทฤษฎีใหม่ แต่... จุดประสงค์ของการคิดค้นทฤษฎีเหล่านั้นคือการนำมาอธิบายปรากฏการณ์ที่เกิดขึ้นในธรรมชาติ เราจึงทำการยืนยันทฤษฎีของเราได้ เพียงการนำมาทดสอบกับสังเกตการณ์จริงเพียงเท่านั้น
ทฤษฎีวิทยาศาสตร์นั้นจะต้องมี testable prediction ก็คือ จะต้องสร้างคำทำนายอะไรบางอย่างที่สามารถนำไปทดสอบได้จริง เช่น ผมซึ่งคิดค้นทฤษฎีแรงโน้มถ่วงใหม่ที่จะมาอธิบายแทนพลังงานมืด ผมอาจจะต้องเสนอว่าหากทฤษฎีของผมนั้นเป็นความจริง เราจะพบว่าการขยายตัวของเอกภพจะต้องแตกต่างกับกรณีที่มีพลังงานมืดในลักษณะนี้ และเราจะสามารถตรวจวัดความแตกต่างได้หากเราสังเกตใน CMB โดยใช้วิธีนี้ และหากข้อมูลนั้นมีอยู่แล้วผมอาจจะต้องยืนยันว่าเราสามารถสังเกตเห็นสัญญาณดังกล่าวได้จริง หรือนักทฤษฎีอีกสายอาจจะเพียงแค่ "เสนอ" และรอให้การสังเกตการณ์ในอนาคตเป็นตัวพิสูจน์ว่าทฤษฎีของเขานั้นจริงหรือไม่
ทฤษฎีของไอสไตน์ก็เช่นเดียวกัน ไม่ได้เป็นเพียง n=0 นั่งนึกทางในแล้วก็จบแต่อย่างใด แต่ไอสไตน์ต้องใช้ความพยายามเป็นอย่างมากในการแสดงให้เห็นว่าทฤษฎีนี้ไม่เพียงแต่สามารถอธิบายทฤษฎีแรงโน้มถ่วงได้พอๆ กันกับทฤษฎีของนิวตันอยู่เดิมแล้ว แต่ยังสามารถอธิบายปรากฏการณ์ที่นิวตันไม่สามารถอธิบายได้ เช่น การส่ายวงโคจรของดาวพุธ รวมไปถึงคำทำนายว่าจะสามารถสังเกตเห็นการเปลี่ยนตำแหน่งของดาวฤกษ์ระหว่างเกิดสุริยุปราคา ที่ Sir Arthur Eddington ได้ยืนยันในที่สุด และยังมีคำทำนายอื่นๆ อีกมากที่เราเพิ่งจะมายืนยันกันได้ในเร็วๆ นี้ เช่น frame-dragging effect โดย Gravity Probe B, Gravitational Wave โดย LIGO และอีกมากที่ยังรอคอยการยืนยัน
ดังนั้น จะเห็นได้ว่าแม้กระทั่งนักทฤษฎี ก็ยังต้องอ้างอิงการสังเกตการณ์ในการยืนยันทฤษฎี และไม่ใช่ n=0 อย่างที่เขากล่าวอ้าง
- มีการค้นพบอีกมากที่ "n=1"
มีคนยกตัวอย่างขึ้นมาถึง "การค้นพบเพนนิซิลลิน หาก Fleming แค่โยนจานเพาะเชื้อทิ้ง โดยปราศจากความสังเกตและการหาเหตุผลมาอธิบาย โลกนี้ก็จะไม่มีวันค้นพบ Penicillin"
แต่ความเป็นจริงแล้ว Alexander Flemming ผู้ค้นพบเพนนิซิลิน เขาก็ไม่ได้อ้างอิงมาจาก n=1 อย่างที่เข้าใจกันผิดๆ แต่เขาสังเกตจาก n นับล้านตัวของเชื้อรา ที่สามารถยับยั้งแบคทีเรียได้ (ไม่ใช่ว่ามองเพียงว่าหนึ่งจานเพาะเชื้อ แล้วก็บอกว่า n=1) และก็แน่นอนว่า Alexander Flemming นั้นก็ไม่ได้สรุปผลเพียงแค่จากจานเดียว เพราะเขาต้องไปทำการทดลองเพื่อยืนยันเพิ่มเติมอีกมากมาย
ความเป็นจริงแล้ว สาขาดาราศาสตร์นี่แหล่ะ ที่เป็นสาขาหนึ่งที่ยืนยันการค้นพบจาก n จำนวนน้อยๆ บ่อยครั้ง เนื่องจากปรากฏการณ์หลายๆ อย่างทางดาราศาสตร์นั้นอาจจะเป็น transient และเกิดขึ้นเพียงครั้งเดียว เช่น LIGO ค้นพบการชนกันของหลุมดำ[4] เนื่องจากหลุมดำนั้นจะไม่ได้เกิดการชนกันอีกแล้ว และคลื่นความโน้มถ่วงของการชนนั้นก็ผ่านเลยโลกของเราไปแล้ว และไม่ได้มีเครื่องตรวจวัดอื่นอีก เราจะยืนยันได้อย่างไรว่าการค้นพบนี้เกิดขึ้นจริง?
เช่นเดียวกัน แม้ว่าเหตุการณ์นี้จะเป็นเหตุการณ์เดียว แต่การยืนยันว่ามีการชนกันของคลื่นความโน้มถ่วงนั้น เกิดขึ้นจากจำนวนจุดข้อมูลนับพันจุด ซึ่งถูกนำไป fit กับโมเดลการเกิดคลื่นความโน้มถ่วง และตรงกันกับการรวมตัวกันของหลุมดำสองหลุมมวล 29 และ 36 เท่าของดวงอาทิตย์อย่างไม่ผิดเพี้ยน และนอกจากนี้ก่อนที่จะมาเป็นข้อมูลจะต้องมีการเทียบกับ baseline ก่อนที่จะยืนยันได้ว่าข้อมูลที่เกิดขึ้นนั้นมีนัยะสำคัญเป็นอย่างมากเทียบกับสัญญาณรบกวนปรกติ ไม่เพียงเท่านั้น คลื่นความโน้มถ่วงนี้ถูกยืนยันทั้งโดยเครื่องตรวจวัดที่ Hanford, Washington และ Livingston, Louisiana พร้อมกันโดยไม่ผิดเพี้ยน จึงเป็นการยากที่จะเกิดขึ้น "โดยบังเอิญ" และแท้จริงแล้วเกิดขึ้นจากข้อมูลเป็นจำนวนมาก และ n นับหลายล้านชุดข้อมูล
และถึงแม้ว่าการสังเกตการณ์ปรากฏการณ์หลายๆ อย่างในทางดาราศาสตร์นั้นจะไม่สามารถทำซ้ำได้ แต่เรายังพิจารณาเงื่อนไข Reproducibility ได้ว่า "ในทางทฤษฎีแล้ว หากเหตุการณ์เดิมเกิดขึ้นซ้ำอีก สังเกตโดยกล้องเดิมด้วยวิธีเดิม เราก็เชื่อว่าเราจะน่าได้ผลเช่นเดิม" ซึ่งนักดาราศาสตร์ก็ต้องทำทุกวิถีทางเพื่อที่จะให้แน่ใจว่าคำกล่าวเบื้องต้นนั้นเป็นความจริง และเราก็ได้ยืนยันโดยการทำการสังเกตการณ์ปรากฏการณ์อื่นที่ใกล้เคียงกันและได้ผลสอดคล้องกันอย่างต่อเนื่อง
- สรุป: เราสามารถทำการค้นพบที่ n=2 ได้หรือไม่?
คำตอบก็คือ "ขึ้นอยู่กับว่าเรากำลังพยายามจะสรุปผลว่าอะไร" ถ้าสมมติเราต้องการสรุปว่า "ฮิปโปสีชมพูบินได้มีอยู่จริง" แน่นอนว่าเราต้องการเพียงแค่ n=1 เพียงฮิปโปสีชมพูบินได้เพียงตัวเดียว เราก็สามารถยืนยันข้อสรุปของเราได้แล้ว และต่อให้เราพูดถึงภูมิที่เกิดจากวัคซีน หากเราต้องการสรุปแค่ว่า "วัคซีนทำให้เกิดภูมิ" ก็คงไม่ผิดอะไรหากจะใช้ภูมิจากประชากรคนเดียวในการยืนยัน (เพราะจริงๆ จำนวน antibody นับหมื่นที่ตรวจพบในเลือดต่างหาก ที่เป็นตัวยืนยัน)
แต่หากเราต้องการสรุปว่า "ประชากรที่ได้รับวัคซีนสามเข็มนี้มีภูมิในอัตราที่สูงกว่าประชากรที่ได้รับวัคซีนเพียงสองเข็มอยู่ถึง 30 เท่า" เราคงต้องถามว่าหากเราใช้เพียง n=2 เราจะมั่นใจได้อย่างไรว่าค่าที่วัดได้จากประชากรสองคนนั้น สามารถสะท้อนถึงประชากรผู้ที่จะฉีดวัคซีนสามเข็มในอนาคต และหากเราเจาะตรวจคนถัดไป เราจะยังพบว่าภูมิยังมากกว่าในปริมาณ 30 เท่าอยู่อีกหรือไม่?
ถ้าไม่ เราก็ควรจะรอจนกว่าจะแน่ใจในระดับหนึ่ง ก่อนที่จะมานำเสนอผลงานให้คนอื่นฟัง ไม่งั้นก็จะโดนทัวร์ลงเช่นนี้แล
อ้างอิง/อ่านเพิ่มเติม:
[1] https://www.facebook.com/matiponblog/photos/1407760732767462/
[2] https://www.facebook.com/matiponblog/photos/1440851326125069/
[3] https://www.facebook.com/matiponblog/photos/1633172406892959
[4] https://www.facebook.com/matiponblog/photos/427749910768554
1 10,000 numbers 在 ติดโปร - PRO addict Facebook 的最佳解答
🔥 ดีลสุดปัง 9.9 AIS MEGA SALE สมาร์ทโฟนลดสูงสุด 90%
💚 สำหรับใครที่กำลังมองหาโทรศัพท์ใหม่ให้ตัวเองหรือจะให้ใครสักคนอยู่รีบมาดูดีลนี้เลย กับโปรปังๆ 9.9 AIS MEGA SALE ดีลดีมากกก โทรศัพท์รุ่นฮิตๆ ที่ใครก็อยากจับจอง ไม่ว่าจะเป็น
😄 iPhone SE 64 GB เริ่มเพียง 5,300 บาท จากปกติ 14,900 บาท
😄 Sumsung Galaxy A71 5G เริ่มเพียง 8,989 บาท ราคาปกติ 19,990 บาท
😄 และรุ่นอื่น ๆ อีกเพียบ ขนมาลดจุใจ ไม่ซื้อตอนนี้บอกเลยพลาดเวอร์
.
🍃 ทำไมไม่ควรพลาดโปร 9.9 AIS MEGA SALE
✅ เพียงใส่โค้ดส่วนลด เมื่อช้อปที่ AIS Online Store จะได้รับส่วนลดสูงสุด 500 บาท
ใส่โค้ด “AIS500” รับส่วนลดเพิ่ม 500 บาท เมื่อช้อปขั้นต่ำ 25,000 บาท จำนวน 400 สิทธ์
ใส่โค้ด “AIS300” รับส่วนลดเพิ่ม 300 บาท เมื่อช้อปขั้นต่ำ 10,000 บาท จำนวน 500 สิทธ์
ใส่โค้ด “AIS100” รับส่วนลดเพิ่ม 100 บาท ไม่มีขั้นต่ำ จำนวน 500 สิทธ์
✅ รับ AIS Points 500 คะแนน เมื่อช้อปเครื่องพร้อมเปิดเบอร์ใหม่ที่ Line @AISShop และ Call Center 02-0789999
✅ ฟรี!! แพ็กเกจบริการดูแลเครื่อง จาก AIS Mobile Care นาน 3 เดือน เมื่อซื้อเครื่องพร้อมเปิดเบอร์ใหม่ หรือเปลี่ยนจากเติมเงินเป็นรายเดือน (สำหรับรุ่นที่ร่วมรายการ)
.
📅 วันนี้ - 18 กันยายน 2563
📍 ช้อปได้ที่ Line @AISShop, Call Center 02-0789999 และ AIS Online Store
👩🏻💻 รายละเอียดเพิ่มเติม : www.ais.co.th/9-9campaign
.
***************************************
ติดตามโปรช่องทางอื่น ไม่ให้ตกโปร
กลับไปดูโปรเก่าๆ ทุกโปร : http://www.tidpro.net/
Twitter : http://www.twitter.com/tidpromo
Instagram : https://www.instagram.com/tidpromo
#ติดโปร #TIDPRO #PROMOTION #Sale #AIS #AISMEGASALE
🔥 Great deal 9.9 AIS MEGA SALE Smartphone up to 90 % discount.
💚 For anyone looking for a new phone for yourself or someone else. Hurry up to get this deal with the great promotion. 9.9 AIS MEGA SALE. Very good deal. Hit phone that anyone wants to reserve.
😄 iPhone SE 64 GB starting from 5,300 baht from normal 14,900 baht.
😄 Sumsung Galaxy Galaxy 5 G. Start only 8,989 Baht. Normal price 19,990 Baht.
😄 and many other models. Furthermore, I will lose weight. If you don't buy it now, I will tell you
.
🍃 Why shouldn't you miss the promotion 9.9 AIS MEGA SALE
✅ Just enter the discount code when you shop at AIS Online Store, you will get discount up to 500 baht.
Enter the code ′′ AIS500" to get an additional discount of 500 baht when you shop for minimum 25,000 baht. Number 400 Rights.
Enter the code ′′ AIS300" to get an additional discount of 300 baht when you shop for minimum 10,000 baht. Number 500 Rights.
Enter the code ′′ AIS100" to get additional 100 baht discount. No minimum amount of 500 right.
✅ Get AIS Points 500 points when you shop. Ready to open new numbers at Line @AISShop and Call Center 02-0789999
✅ FREE!! AIS Mobile Care Service Package for 3 months. When you buy a new number or change monthly payment (for participating models)
.
📅 Today-18 September 2563
📍 Shop Line @AISShop, Call Center 02-0789999 and AIS Online Store
👩🏻 💻 More Details: www.ais.co.th/9-9campaign
.
***************************************
Follow other channels promotion. Not to fall for promotion.
Go back to every old promotion: http://www.tidpro.net/
Twitter : http://www.twitter.com/tidpromo
Instagram: https://www.instagram.com/tidpromo
#ติดโปร #TIDPRO #PROMOTION #Sale #AIS #AISMEGASALETranslated
1 10,000 numbers 在 How many numbers between 1-10000 can be divided by 2 ... 的推薦與評價
If they are divisible by 2 and 5 ,then these numbers can be divided by 10. So how many numbers are there [1,10000] divisible by 10 . ... <看更多>
1 10,000 numbers 在 Make an array filled with numbers 1 to 10000 and then sum all ... 的推薦與評價
... <看更多>
1 10,000 numbers 在 The numbers 1 through 10000 - gists · GitHub 的推薦與評價
The numbers 1 through 10000. GitHub Gist: instantly share code, notes, and snippets. ... <看更多>