โครงการ AI Builders ก่อตั้งขึ้นเพื่อพัฒนาองค์ความรู้ทางด้านวิทยาศาสตร์ข้อมูล (Data Science) และปัญญาประดิษฐ์ (Artificial Intelligence / AI) ให้กับน้องๆระดับมัธยมต้น-ปลายที่สนใจอยากเรียนรู้และพัฒนาโครงงานที่ใช้ทักษะในด้านนี้เพื่อประยุกต์ใช้จริงในชีวิตประจำวัน

โครงการ AI Builders 2024 ก่อตั้งขึ้นจากความร่วมมือระหว่าง VISTEC, Central Retail Digital โดยในปีนี้เราได้รับการสนับสนุนจาก 425degree เพื่อพัฒนาองค์ความรู้ทางด้านวิทยาศาสตร์ข้อมูล (Data Science) และปัญญาประดิษฐ์ (Artificial Intelligence / AI) ให้กับน้องๆระดับมัธยมต้น-ปลาย ที่สนใจอยากเรียนรู้และพัฒนาโครงงานที่ใช้ทักษะในด้านนี้เพื่อประยุกต์ใช้จริงในชีวิตประจำวัน

เตรียมความพร้อมก่อนเข้าสู่โครงการ AI Builders 2024

เตรียมความพร้อมก่อนเข้าสู่โครงการ AI Builders

โครงการ AI Builders 2023 ก่อตั้งขึ้นจากความร่วมมือระหว่าง VISTEC, VISAI, Central Digital, บพค., DELL, กลุ่ม OSK Artificial Intelligence, และ Krungsri Nimble เพื่อพัฒนาองค์ความรู้ทางด้านวิทยาศาสตร์ข้อมูล (Data Science) และปัญญาประดิษฐ์ (Artificial Intelligence / AI) ให้กับน้องๆระดับมัธยมต้น-ปลาย ที่สนใจอยากเรียนรู้และพัฒนาโครงงานที่ใช้ทักษะในด้านนี้เพื่อประยุกต์ใช้จริงในชีวิตประจำวัน

AI Builders 2022 ก็ได้จบไปเป็นที่เรียบร้อย เราได้จัดงานแสดงผลงานขึ้นที่หอศิลป์ กรุงเทพฯ ในวันที่ 2 กรกฎาคม พ.ศ. 2565 โดยมี คณะผู้จัดโครงการ และ Sponsors ผู้ใหญ่ใจดี ร่วมเข้าฟังการนำเสนอไอเดียในครั้งนี้ด้วย บรรยากาศในงานเต็มไปด้วยความสนุกสนาน โดยผู้มีผู้มาเข้าชมงานมากมายเข้ามาแลกเปลี่ยนความคิดกับโปรเจกต์ของนักเรียนที่เข้าร่วมโครงการ บรรยากาศจะดูสนุกขนาดไหน ไปดูภาพบรรยากาศในงานกันได้เลย

เตรียมความพร้อมก่อนเข้าสู่โครงการ AI Builders

โครงการ AI Builders 2022 ก่อตั้งขึ้นจากความร่วมมือระหว่าง VISTEC, VISAI, Central Digital, Krungsri Nimble, AWS, AIA, DELL, และ Kasikorn Bank เพื่อพัฒนาองค์ความรู้ทางด้านวิทยาศาสตร์ข้อมูล (Data Science) และปัญญาประดิษฐ์ (Artificial Intelligence / AI) ให้กับน้องๆระดับมัธยมต้น-ปลาย ที่สนใจอยากเรียนรู้และพัฒนาโครงงานที่ใช้ทักษะในด้านนี้เพื่อประยุกต์ใช้จริงในชีวิตประจำวัน

คาบสุดท้ายสอนเกี่ยวกับโมเดลประมวลผลภาษาหรือ NLP อธิบายว่าการทำ self-supervised learning ก่อนที่จะทำ transfer learning ไปสู่ task ที่ต้องการอย่าง sentiment analysis (sequence classification) มีประโยชน์อย่างไร สำหรับใครที่อยากอ่านงานวิจัยไปหาอ่านได้ที่ Universal Language Model Fine-tuning for Text Classification

ในคาบที่ 7 เราได้เรียนรู้เกี่ยวอัลกอริทึมที่เป็นพื้นฐานของการแนะนำหนังที่เราดูบน Netflix และแนะนำเพลงบน Spotify นั่นก็คือ Collaborative Filtering (ตาม 08_collab.ipynb) โดยเราได้เรียนวิธีการทำงานของ collab_learner โดยที่เราใส่ข้อมูลตารางจาก MovieLens ซึ่งประกอบด้วย user, movie และ rating เข้าไปได้

ในคาบนี้เราจะเรียนถึงเทคนิคในการทำ transfer learning ให้มีประสิทธิภาพ เช่น learning rate finder, freezing/unfreezing, การสร้าง dataloaders และ loss ตบท้ายด้วยการทำ recommendation system ผ่านโมเดล collaborative filtering

Learning rate finder

Deep Learning เป็นเครื่องมือที่ทรงพลัง ดังนั้นเราจำเป็นต้องคำนึงถึงผลกระทบจากโมเดลที่เราสร้างด้วย เรามีความตระหนักในฐานะนักพัฒนาเพียงพอแล้วหรือยังว่า สิ่งที่เราพัฒนาสามารถส่งผลกระทบต่อสังคมได้?

เราจะมาลงรายละเอียดว่า stochastic gradient descent (SGD) ทำงานอย่างไร ต่อจากคาบที่แล้วด้วย 04_mnist_basics.ipynb และ 05_pet_breeds.ipynb

คาบที่ 3 เริ่มต้นด้วยการนำความรู้จากคาบที่แล้วมาสร้างแอพพลิเคชั่นเพื่อการแบ่งแยกประเภทต่างๆของหมี แล้วต่อด้วยการย้อนกลับ ไปทำความเข้าใจพื้นฐานของการหาพารามิเตอร์ที่ทำให้ objective function มีค่าต่ำที่สุด (หรือสูงที่สุด) โดยใช้เทคนิค gradient descent

ในคาบนี้ เราจะเรียนรู้การวัดผลของโมเดล machine learning ด้วย validation set และ test set, ความสำคัญของการมี benchmark, และการทำ transfer learning

ในคาบแรกของ fastai เราได้เรียนรู้ประวัติของ Deep Learning ซึ่งมีที่มาจากการพัฒนาของโมเดล Neural Networks เราได้เรียนรู้แอพพลิเคชั่นต่างๆของ Deep Learning ตั้งแต่ Computer Vision, Natural language processing และอื่นๆ โดยสรุปเนื้อหาในคาบแรกมีดังนี้

เตรียมความพร้อมก่อนเข้าสู่โครงการ AI Builders

การเรียนการสอนในโครงการจะอิงตามหลักสูตรของ fastai โดยที่เราจะทำโปรเจกต์ควบคู่ไปกับการเรียนการสอนในโครงการ โดยมีระยะเวลาเรียนทั้งหมด 9 สัปดาห์ (สอนปรับพื้นฐานสำหรับน้องๆที่ยังไม่เคยเรียน 1 สัปดาห์) และเราประมาณว่าน้องๆจะใช้เวลาในการเรียนการสอนประมาณ 4-8 ชั่วโมงต่อสัปดาห์

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

โครงการ AI Builders ก่อตั้งขึ้นจากความร่วมมือระหว่าง VISTEC, AI Research และ Central Tech เพื่อพัฒนาองค์ความรู้ทางด้านวิทยาศาสตร์ข้อมูล (Data Science) และปัญญาประดิษฐ์ (Artificial Intelligence / AI) ให้กับน้องๆระดับมัธยมต้น-ปลาย ที่สนใจอยากเรียนรู้และพัฒนาโครงงานที่ใช้ทักษะในด้านนี้เพื่อประยุกต์ใช้จริงในชีวิตประจำวัน