การเรียน ai-builders/curriculum ต้องใช้ทักษะการเขียนโปรแกรมภาษา Python และการใช้ GPU ซึ่งสามารถใช้ได้จาก Google Colab ในบทความนี้เราจึงรวบรวมลิงค์และบทเรียนเพื่อปรับพื้นฐาน ให้น้องๆสามารถใช้งาน Python ได้บน Jupyter notebook ดังต่อไปนี้

ติดตั้ง Python โดยใช้ Anaconda หากต้องการใช้งานจากคอมพิวเตอร์ตัวเอง

Anaconda เป็น distribution ของ Python ซึ่งรวมไลบรารี่ที่เกี่ยวกับการใช้งานทางด้านวิทยาศาสตร์ข้อมูล ก่อนที่จะเริ่มเรียน เราแนะนำให้ลงโปรแกรม Python โดยใช้ Anaconda ซึ่งสามารถลดระยะเวลาการลงไลบรารี่ต่างๆไปได้มาก

หากน้องๆอยากจะลองใช้ Python ในเครื่องของตัวเองโดยที่ไม่ต้องต่ออินเตอร์เน็ตใช้งาน Google Colab ก็สามารถดาวน์โหลด Anaconda มาใช้งานในเครื่องตัวเองได้จาก Anaconda Installers

ใช้งาน Graphical processing unit (GPU) ผ่าน Google Colab

GPU มีความสำคัญต่อการเทรนโมเดล Deep learning ที่น้องๆจะได้เรียนกับ fast.ai แต่เนื่องจากหลายๆคนอาจจะไม่ได้มี GPU ติดอยู่กับคอมพิวเตอร์และการเช่าใช้ GPU อาจจะมีราคาแพง เราจึงแนะนำให้ใช้ GPU ได้ฟรีบน Google Colab

น้องๆสามารถใช้งาน Google Colab ได้ฟรีที่ https://colab.research.google.com/ โดยหลังจากที่เข้าไปแล้ว เราจะสามารถอัพโหลดไฟล์หรือใส่ Github URL เข้าไปเพื่อเปิดใช้งาน Google Colab ได้

อย่างเช่นในคาบที่ 1 ราจะใช้ Jupyter notebook จาก https://github.com/ai-builders/curriculum/blob/main/notebooks/01_ml_what.ipynb ให้เราเลือกช่อง Github แล้ววาง URL ของ Jupyter Notebook เข้าไปได้เลย

เมื่อเราเปิด Jupyter Notebook มาแล้วจะสามารถรันโค้ดได้โดยกด shift + enter เพื่อรันแต่ละเซลล์ (ช่อง) ของ Notebook นอกจากนั้นเราสามารถเปิดใช้งาน GPU ได้ด้วยโดยให้เรากดที่ Edit > Notebook Settings แล้วเลือกใช้งาน GPU ฟรีจาก Google Colab

เพียงเท่านี้น้องๆก็จะสามารถรันโค้ดในบทที่ 1 ได้โดยไม่ต้องมี GPU เป็นของตัวเอง

เนื้อหาที่จำเป็นสำหรับ Take-home Extrance Exam

เราจะมี Pre-course Workhop (3 ชั่วโมง) 2 ครั้งเพื่อปรับพื้นฐานสำหรับน้องๆที่ไม่เคยเรียน Python, linear algebra/numpy หรือ pandas มาก่อน เราหวังให้น้องๆใช้ความรู้ที่เรียนจาก workshop และ notebook เหล่านี้เพื่อทำ Take-home Extrance Exam ส่งมากับใบสมัคร

• Introduction to Python
  • เปิดใน Colab
  • วิดีโอ
• Introduction to Numpy and Basic Linear Algebra Operations
  • เปิดใน Colab
  • วิดีโอ
• Introduction to Pandas
  • เปิดใน Colab
  • วิดีโอ

ฝึกใช้งาน Python เบื้องต้น

Python เป็นโปรแกรมที่นิยมใช้งานในวิทยาศาสตร์ข้อมูลและการสร้างโมเดล Deep learning มากที่สุดในปัจจุบัน การฝึกใช้งาน Python เบื้องต้นทำให้น้องๆพอเห็นภาพการใช้งานของภาษา Python จึงจำเป็น

เราได้รวบรวมลิงค์การสอนใช้โปรแกรม Python เบื้องต้นมาดังนี้

• พื้นฐานการเขียนโปรแกรมด้วย Python
  • NeuroMatch Academy Python Tutorial
  • Learn Python the Hard Way
• จัดการข้อมูลด้วยไลบรารี่ Pandas
  • Kaggle Pandas lessons

พื้นฐานคณิตศาสตร์ที่ใช้ในงาน Data Science และ AI

เราได้รวมลิงค์ของเนื้อหาที่ใช้สำหรับงาน Data Science และ AI ด้านล่าง น้องๆอาจจะไม่ต้องจำได้ทั้งหมด แต่ว่าสามารถใช้ดูเป็น reference ได้

• พีชคณิจเชิงเส้น (Linear Algebra)
  • Illustrated Introduction to Linear Algebra using NumPy
  • Stanford CS 229 Linear Algebra and Calculus refresher
  • fastai Computational Linear Algebra for Coders
• พื้นฐานความน่าจะเป็นและสถิติ
  • Stanford CS229 Probabilities and Statistics refresher
• พื้นฐานแคลคูลัส เฉพาะเรื่อง derivatives, chain rule และ partial derivatives
  • The Matrix Calculus You Need For Deep Learning
  • Stanford CS229 Linear Algebra and Calculus refresher
• Version control โดยใช้ Git และ Github เบื้องต้น
  • มาเริ่มใช้ Git กัน [part 1]