รายวิชาและการสอน

วิทยาการคอมพิวเตอร์มีคุณค่า เมื่อแนวคิดยังทำงานได้ในระบบจริง

รายวิชาของผมเชื่อมรากฐาน สถาปัตยกรรม และการลงมือสร้าง นักศึกษาไม่ได้เรียนเพียงว่า algorithm หรือระบบทำอะไร แต่เรียนด้วยว่าสมมติฐานใดทำให้มันทำงาน และเกิดอะไรขึ้นเมื่อขนาด ความไม่แน่นอน และผู้คนเข้ามาอยู่ในโจทย์

เปิดอ่านได้มีเนื้อหาบางส่วนกำลังพัฒนา

ผมสอนมาหลายรายวิชา และแต่ละวิชาทำให้ผมเข้าใจวิชาอื่นลึกขึ้น

ผมเริ่มสอนหัวข้อ combinatorial optimisation ขั้นสูงและ workshop ด้านนวัตกรรมมาตั้งแต่ปี 2551 จากนั้นจึงสอนปัญญาประดิษฐ์ สถาปัตยกรรมซอฟต์แวร์ โครงงาน โครงสร้างข้อมูลและขั้นตอนวิธี ความฉลาดเชิงคำนวณ และระบบสารสนเทศแบบกระจาย เมื่อมาสอนที่ มจธ. เส้นทางนี้ขยายไปสู่เครือข่ายคอมพิวเตอร์ การตลาดดิจิทัล ระบบวางแผนทรัพยากรองค์กร การวิเคราะห์ข้อมูลขนาดใหญ่ และวิทยาการข้อมูลและวิศวกรรมข้อมูล

ห้องเรียนไม่ได้เพียงให้ผมอธิบายสิ่งที่รู้อยู่แล้ว แต่ทำให้เห็นซ้ำ ๆ ว่าความเข้าใจส่วนใดยังแยกออกจากกัน Algorithm มีความหมายขึ้นเมื่อเชื่อมกับโครงสร้างข้อมูล Machine learning ซื่อตรงขึ้นเมื่อเชื่อมกับการประเมินและการใช้งานจริง Network, distributed systems และ big data ทำให้เห็นว่าแนวคิดที่ถูกต้องในระบบขนาดเล็ก อาจกลายเป็นอีกปัญหาหนึ่งเมื่อระบบขยายขนาด ส่วน ERP และ digital marketing เตือนผมว่าเทคโนโลยีจะมีคุณค่า ก็ต่อเมื่อเราเข้าใจงาน การตัดสินใจ และผู้คนที่อยู่รอบระบบนั้น

ประสบการณ์สอนทั้งในมหาวิทยาลัย ภาคอุตสาหกรรม LearnAI, Super AI Engineer การให้คำปรึกษาโครงงาน AI และ International Olympiad in Informatics ยังฝึกให้ผมอธิบายหลักการเดียวกันได้หลายระดับ วันนี้ผมจึงกำลังกลับไปเปิดคลังสื่อการสอนเดิม คัดสิ่งที่ยังมีคุณค่า ปรับสิ่งที่ล้าสมัย และเรียบเรียงใหม่ให้เป็นเนื้อหาที่อ่านทบทวนได้ รายวิชาบางส่วนเปิดอ่านแล้ว ส่วนที่เหลือจะกลับมาเมื่อได้รับการปรับปรุงอย่างเหมาะสม

ผมหวังว่าหน้าเหล่านี้จะเป็นมากกว่าเอกสารที่ถูกเก็บไว้ และหวังว่าผู้อ่านจะสนุกกับการเรียนรู้ ตั้งคำถาม และนำความรู้ไปสร้างสิ่งที่ดีขึ้นต่อไป

01เข้าใจโครงสร้าง

เริ่มจาก representation สมมติฐาน และรูปทรงของปัญหา

02สร้างกลไก

แปลงทฤษฎีเป็นโค้ด สถาปัตยกรรม การทดลอง และพฤติกรรมที่ตรวจสอบได้

03ตั้งคำถามกับผลลัพธ์

วัดประสิทธิภาพ ข้อจำกัด trade-off และผลจากการนำไปใช้

รายวิชาที่ผมสอน

ผมสอนหลายรายวิชาในด้านวิทยาการคอมพิวเตอร์และระบบสารสนเทศ

หน้านี้รวบรวมรายวิชาและสื่อการสอนที่เปิดอ่านได้ในปัจจุบัน ยังมีรายวิชาอีกหลายส่วนที่เก็บไว้ใน archive และบางรายวิชากำลังปรับปรุงเนื้อหาใหม่ ก่อนนำกลับมาให้ผู้เรียนใช้งาน

ลำดับรายวิชาคำอธิบายรายวิชาเนื้อหา
01การประมวลผลบนเครือข่าย / เครือข่ายคอมพิวเตอร์Network Computing / Computer Networksเปิดอ่านได้

ศึกษาการเดินทางของข้อมูลผ่านสถาปัตยกรรมเครือข่ายแบบแบ่งชั้น ตั้งแต่การเชื่อมต่อ โพรโทคอล และ network programming ไปจนถึงบริการ ความปลอดภัย ประสิทธิภาพ และการนำระบบไปใช้ให้ทนทาน

02ระบบวางแผนทรัพยากรองค์กรEnterprise Resource Planning Systemsเปิดอ่านได้

เชื่อมข้อมูลองค์กรกับกระบวนการธุรกิจตั้งแต่การขาย การจัดซื้อ การผลิต บัญชี และสินค้าคงคลัง พร้อมห้องปฏิบัติการด้วย Odoo

03การวิเคราะห์ข้อมูลขนาดใหญ่Big Data Analyticsเปิดอ่านได้

สร้างความเข้าใจเชิงสถาปัตยกรรมของข้อมูลขนาดใหญ่ ผ่าน distributed storage, MapReduce, Spark, streaming, graph analytics, scalable machine learning และห้องปฏิบัติการ

04ระบบขนาน ระบบกระจาย / ระบบที่ขยายขนาดได้Parallel and Distributed Systems / Scalable Systemsมีบางส่วน · กำลังปรับปรุง

ศึกษาประสิทธิภาพและการขยายขนาดจากสองมุมที่เสริมกัน คือการประมวลผลแบบขนานภายในและระหว่างหน่วยประมวลผล กับการประสานงาน ความสอดคล้อง และความน่าเชื่อถือของระบบหลายเครื่อง

เปิดอ่านได้สองส่วนที่เสริมกัน: การประมวลผลภายในเครื่อง และการประสานงานระหว่างหลายเครื่อง
05การออกแบบและวิเคราะห์โครงสร้างข้อมูลและขั้นตอนวิธีDesign and Analysis of Data Structures and Algorithmsกำลังพัฒนา

พัฒนาการคิดเชิงขั้นตอนวิธีอย่างเป็นระบบ ผ่านการแทนข้อมูล การพิสูจน์ความถูกต้อง การวิเคราะห์ความซับซ้อน และกลยุทธ์การออกแบบเพื่อแก้ปัญหาการคำนวณ

06ปัญญาประดิษฐ์และการเรียนรู้ของเครื่องArtificial Intelligence and Machine Learningกำลังพัฒนา

เชื่อม AI แบบดั้งเดิม การค้นหา และการแทนความรู้ เข้ากับ machine learning การประเมินแบบจำลอง วิจารณญาณในการนำไปใช้ และความรับผิดชอบ

07วิทยาการข้อมูลและวิศวกรรมข้อมูลData Science and Data Engineeringเปิดอ่านได้

ติดตามเส้นทางตั้งแต่การตั้งคำถามจากข้อมูล การเตรียมข้อมูล pipeline การวิเคราะห์ การสร้างแบบจำลอง การสื่อสารผล และระบบสนับสนุนการตัดสินใจที่ทำซ้ำได้

08ความฉลาดเชิงคำนวณComputational Intelligenceกำลังพัฒนา

ศึกษาการแก้ปัญหาแบบปรับตัวผ่าน evolutionary computation, swarm intelligence, fuzzy systems, learning automata และการหาค่าเหมาะที่สุดแบบวัตถุประสงค์เดียวและหลายวัตถุประสงค์

09ระบบพาณิชย์อิเล็กทรอนิกส์และการตลาดดิจิทัลE-Commerce Systems and Digital Marketingกำลังพัฒนา

ศึกษารูปแบบธุรกิจดิจิทัล platform, customer journey, การสื่อสารออนไลน์ การทดลอง และการวัดผลในฐานะระบบการค้าที่เชื่อมโยงกัน

การเรียนรู้ในฐานะระบบ

รายวิชาแยกกันได้ แต่ความสามารถไม่ควรถูกแยกออกจากกัน

Algorithm ส่งผลต่อระบบข้อมูล เครือข่ายกำหนดข้อจำกัดของ distributed computing กระบวนการองค์กรกำหนดความหมายของข้อมูล และ AI ต้องพึ่งพาทั้งหมด ชุดรายวิชานี้จึงออกแบบให้ผู้เรียนมองเห็นความสัมพันธ์เหล่านั้น