PATH 01 · ระดับเริ่มต้น · SOLA
พื้นฐานดิจิทัล คอมพิวเตอร์ และภาพรวม AI
เริ่มจากความหมายของ AI บทบาทของข้อมูล โมเดล มนุษย์ และพื้นฐานระบบคอมพิวเตอร์
เปิด Learning Pack →
ยังไม่รู้ว่า AI ต่างจากโปรแกรมทั่วไปอย่างไร อยากสร้างหรือประเมินโมเดลจากข้อมูล อยากเข้าใจโมเดลสร้างภาพเชิงสมการ ต้องการทดลองเครื่องมือก่อน
LEARNING PATHS · เส้นทางการเรียนรู้
เลือกเส้นทางตามเป้าหมาย แล้วเรียนต่ออย่างเป็นลำดับ
แต่ละเส้นทางเชื่อมภาพรวม บทเรียน AI Encyclopedia แบบฝึก และแหล่งอ้างอิงเข้าด้วยกัน คุณจึงรู้ว่าควรเริ่มตรงไหน หัวข้อใดต้องเรียนก่อน และควรไปต่อทางใด
READY TO LEARN
Learning Pack ที่เปิดเรียนแล้ว
สามเส้นทางนี้มีหน้าหลักและบทเรียนที่เปิดอ่านได้จริง ไม่มีการ์ดใดส่งคุณไปยังหน้า 404
PATH 09 · ระดับกลาง · SHIRO
พื้นฐาน Machine Learning
มองวงจรตั้งแต่การตั้งโจทย์ ข้อมูล Train–Validation–Test การประเมิน และ Monitoring
เปิด Learning Pack →PATH 17 · ระดับสูง · REN
เข้าใจ Diffusion Model
เชื่อม Forward Process, Reverse Denoising, ELBO, Noise Prediction และ Sampling
เปิด Learning Pack →COMING NEXT
เส้นทางที่กำลังจัดทำ
แสดงไว้เพื่อให้เห็นแผนที่ความรู้ แต่ยังไม่สร้างลิงก์จนกว่าหน้าและบทเรียนจะผ่านการตรวจ
Generative AI
จากโมเดลสร้างข้อมูลไปสู่ข้อความ ภาพ เสียง และการประเมินคุณภาพ
กำลังจัดทำLLM และ Transformer
Token, Attention, Transformer, Training, Inference และข้อจำกัดของโมเดลภาษา
กำลังจัดทำRAG และ AI Agent
การค้นข้อมูล การใช้เครื่องมือ การวางแผน Memory และการตรวจผลลัพธ์
กำลังจัดทำLocal AI
การเลือกโมเดล ฮาร์ดแวร์ ความเป็นส่วนตัว License และ Workflow บนเครื่องของคุณ
กำลังจัดทำAI Safety และ Responsible AI
ความเสี่ยง Bias ความเป็นส่วนตัว Human Review และการรับผิดชอบต่อผลกระทบ
กำลังจัดทำAI สำหรับผู้สอน
แผนการสอน แบบฝึก Quiz สไลด์ และวิธีใช้ AI โดยยังรักษาเป้าหมายการเรียนรู้
กำลังจัดทำCHOOSE BY GOAL
ถ้ายังเลือกไม่ถูก ให้เริ่มจากคำถามนี้
เริ่ม PATH 01 แล้วอ่าน “AI คืออะไร” ก่อน
เริ่ม PATH 09 เพื่อเห็นวงจร Machine Learning ทั้งระบบ
เตรียมพื้นฐานความน่าจะเป็น แล้วเริ่ม PATH 17
อ่านห้องทดลองได้ แต่ย้อนกลับมาศึกษาแนวคิดและข้อจำกัดของระบบด้วย
LEARNING PRINCIPLE
เส้นทางที่ดีไม่จำเป็นต้องเร็วที่สุด
เรียนให้เห็นความสัมพันธ์ระหว่างข้อมูล โมเดล การประเมิน และมนุษย์ก่อน แล้วจึงเลือกเครื่องมือ การเข้าใจเหตุผลเบื้องหลังจะช่วยให้คุณปรับตัวได้ แม้ชื่อโมเดลและบริการจะเปลี่ยนไป