ตารางเรียน fastai ของ AI Builders
การเรียนการสอนในโครงการจะอิงตามหลักสูตรของ fastai โดยที่เราจะทำโปรเจกต์ควบคู่ไปกับการเรียนการสอนในโครงการ โดยมีระยะเวลาเรียนทั้งหมด 9 สัปดาห์ (สอนปรับพื้นฐานสำหรับน้องๆที่ยังไม่เคยเรียน 1 สัปดาห์) และเราประมาณว่าน้องๆจะใช้เวลาในการเรียนการสอนประมาณ 4-8 ชั่วโมงต่อสัปดาห์
รูปแบบการเรียนการสอน
ดังที่กล่าวไว้ในการรับสมัคร เราจะใช้ระบบ flipped classroom โดยให้ผู้เรียนฟัง สำหรับตารางเรียนเราจะอิงตาม Practical Deep Learning for Coders ของ fastai โดยที่จะให้น้องๆเรียน 1 คาบต่อสัปดาห์ ทั้งหมด 8 สัปดาห์ และมี recap 1 ชั่วโมงทุกวันพุธ หลังจากนั้น 30 นาทีเป็นการคุยโครงงานเพื่อกลับไปพัฒนาต่อ ทุก meeting จะจัดขึ้นใน Gather Town
ตารางเรียน
น้องๆสามารถติดตามการเรียนการสอนได้ดังนี้
| Week | Lecture | Project |
|---|---|---|
| 0 | Pre-class: ติดตั้ง Python และทดลองใช้ Google Colab | Intro |
| 1 | fastai Lesson 1 | Question, Dataset |
| 2 | fastai Lesson 2 | Explore dataset |
| 3 | fastai Lesson 3 | Working on project |
| 4 | fastai Lesson 4 | Working on project |
| 5 | fastai Lesson 5 | Working on project |
| 6 | fastai Lesson 6 | Working on project |
| 7 | fastai Lesson 7 | Working on project |
| 8 | fastai Lesson 8 | Working on project |
| 9 | No lecture | Presentation |
เนื้อหาโดยรวมของ fastai
fastai จะใช้การเรียนการสอนแบบ top-down เป็นหลัก โดยผู้สอนพยายามจะสอนให้น้องๆได้ใช้งานไลบรารี่และ สร้างโมเดลให้เป็นก่อน แล้วจึงมาลงลึกในรายละเอียด
โดยรวมแล้วคาบที่ 1 จะสอนเกี่ยวกับภาพรวมและประวัติของ Deep learning แล้วต่อด้วยรายละเอียดของการเตรียมข้อมูล ในคาบที่ 2 หลังจากนั้น คาบที่ 3 และ 4 จึงมาลงรายละเอียดเกี่ยวกับการทำงานของโมเดล แล้วพูดถึงจริยธรรมของการทำโมเดล ในคาบที่ 5 ต่อจากนั้นเราจะทำความเข้าใจเกี่ยวกับการเตรียมข้อมูลมากขึ้นในคาบที่ 6 ลองใช้โมเดลแบบอื่นๆกับข้อมูลตารางในคาบที่ 7 และวิเคราะห์ข้อมูลภาษาในคาบที่ 8
เราสังเกตว่าบางคนอาจจะชอบการเรียนแบบพื้นฐานก่อนที่จะกลับไปในรายละเอียด ดังนั้นคำแนะนำคือน้องๆอาจจะเรียนคาบที่ 1 ถึง 4 และคาบที่ 6-8 ต่อเนื่องกันไปเลยแล้วค่อยกลับมาเก็บรายละเอียดที่ไม่เข้าใจหลังจากเรียนก็ได้ ส่วนคาบที่ 5 สามารถแยกไว้เรียนก่อนหรือหลังจากคาบอื่นๆก็ได้