Mini review หลักสูตร ป.โท Data Sci จุฬา
การรีวิวนี้เป็นส่วนของความคิดเห็นส่วนตัวเท่านั้น แต่ละคนอาจจะได้ประสบการณ์ต่างกัน โปรดใช้วิจารณญาณในการอ่าน
ย้อนกลับไปในปี 2010 นับเป็นช่วงที่บูมที่สุดของ Mobile Application ทุกอย่างต้องใช้งานกับ Mobile ได้ ทุกอุตสาหกรรม ทุกธุรกิจต่างมุ่งเน้นในการ Adapt กิจกรรมทุกอย่างของตัวเองลงใน Platform มือถือทั้งนั้น ไม่ว่าจะ Native App หรือกระทั่ง Web Application ก็ตาม
จำได้คร่าว ๆ ในช่วง ปี 2017 คลื่นลูกใหม่ที่กำลังจะเกิดขึ้นมาแทนที่คำว่า Mobile Era ก็น่าจะมีแคนดิเดตไม่พ้นพวก Block Chain หรือ Machine Learning(ML)
AlphaGo Beat Kejie
Ref: https://www.theatlantic.com/technology/archive/2016/03/the-invisible-opponent/475611/
หนึ่งในข่าวที่ผมเชื่อว่าสร้างกระแสให้กับคำว่า AI คือข่าวที่ AI อย่าง AlphaGo สามารถชนะเกมโกะจากมนุษย์ที่เป็นอันดับหนึ่งของโลกได้ ตอกย้ำถึงการเปลี่ยนผ่านของยุค Mobile ไปสู่ยุคของ AI ได้ดี
แน่นอนว่าเหล่า Software Developer อย่างเราจะอยู่เฉยไม่ได้ การเข้าสู่ยุคใหม่ก่อนใคร นำไปสู่โอกาสใหม่เสมอ นั่นคือสิ่งที่ผมคิดเสมอมา
การลองผิดลองถูกด้วยตัวเองจึงเกิดขึ้นและสิ่งที่ค้นพบคือ
มายก๊อดมันเต็มไปด้วย Mathmatic สมการบลา ๆ ที่เราแทบจะลืมมันไปหมดแล้ว หรือต้องใช้เวลาเยอะมาก กว่าจะเข้าใจในแต่ละสิ่ง
การเรียนรู้ด้วยตัวเองสำหรับผมอาจจะใช้เวลาอย่างยาวนาน ทั้งการลองผิดลองถูก แนวความคิดที่จะกลับเข้าสู่วงการการศึกษาจึงเกิดขึ้นอีกครั้ง ซึ่งกว่าจะถึงช่วงเวลาที่เหมาะสมทั้งความพร้อมของสถาบันการศึกษา รวมถึงตัวผมเองก็ต้องรอถึงช่วงปี 2020 เลยทีเดียว
และสถาบันที่เหมาะกับตัวผู้เขียนมากที่สุดนั้นคือออ
คณะพาณิชยศาสตร์และการบัญชี จุฬาลงกรณ์มหาวิทยาลัยนั่นเอง เอง https://datasci.cbs.chula.ac.th/
เนื่องจากคณะนี้เปิดสอนนอกเวลาราชการ(แผน ข) เรียนตั้งแต่ 6 โมงเย็นถึง 3 ทุ่ม และอยู่ใกล้กับบ้านและที่ทำงาน (เรียน onsite เป็นหลัก) จึงเป็นหลักสูตรที่เหมาะกับเราที่สุด
เรียนยังไงให้รอด?
สำหรับภาค ข มีวิชาบังคับลงเป็น Course work 6 รายวิชา ช่วงปี 1 และ 5 รายวิชาเลือก สำหรับปี 2 ที่เหลือต้อง ทำ Independent Study รวมถึงสอบ Comprehensive ถึงจะทำ
การปูพื้นฐานก่อนเริ่มเทอม 1
วิชาบังคับเลือกมีอะไรบ้าง?
ปี 1 เทอม 1
Data Acquisition and Preparation
วิชานี้สอนให้เรารู้จักกระบวนการการจัดเตรียมข้อมูลให้พร้อมสำหรับการนำไปใช้ต่อ ซึ่งมีตั้งแต่ข้อมูลที่เป็นตัวเลข, ภาพ, ข้อความ, หรือเป็นกลุ่ม การตัดแต่งข้อมูลเพิ่มหรือทดแทน ก็จะได้เรียนรู้จากในวิชานี้ ถือเป็นอีกวิชาที่สำคัญมาก ๆ ดังคำกล่าวที่ว่า 80% ของการทำข้อมูลถูกใช้ไปกับการ Cleansing Data
Data Visualize
วิชาทีว่าด้วยเรื่องศาสตร์การสร้าง Data Visualization วิชานี้สอนให้รู้จัก Data Visualization จริง ๆ ว่าโลกของเราไม่ได้มีแค่กราฟแท่งกับกราฟเส้นนะ มีกราฟอีกมากมายที่ถูกนำมาใช้ อันไหนเวิร์ค อันไหนไม่เวิร์ค พร้อมทั้งสอนวิธีการสร้างกราฟและกระบวนการคิดอย่างแท้จริง และอาจารย์ยังได้นำกราฟแท่งที่แปลก ๆ ทั้งดีและไม่ดี มาเป็น Use case ในการสอน นับเป็นวิชาที่สามารถนำไปใช้ได้ในทุกสาขาอาชีพเลยก็ว่าได้
Theory of Probability
วิชาที่ว่าด้วยเรื่องความน่าจะเป็นพื้นฐาน เรียนเรื่องวิธีคิด วิธีคำนวนอัตราการเกิดต่าง ๆ ซึ่งเป็นรากฐานของสถิติ รวมทั้งการกระจายในรูปแบบต่าง ๆ ถ้ามีพื้นฐานแล้ว นับเป็นวิชาที่สบาย ๆ เหมือนได้วอร์มอัพ แต่ด้วยความไม่ได้ยากเนี้ยแหละ คะแนนเพื่อน ๆ ในคลาสก็จะค่อนข้างสูงเลยทีเดียว
ปี 1 เทอม 2
Big Data
วิชานี้เราจะได้เรียนเกี่ยวกับความ Big ของ Data ความยุ่งยากในการจัดการข้อมูลขนาดใหญ่ซึ่งเราจะได้เรียนการใช้ AWS Tool อย่าง EC2 การสร้าง Cluster ของเครื่องเพื่อช่วยประมวลผลข้อมูล ได้เรียนรู้วิธีการดึงข้อมูลมาประมวลผล ข้อจำกัด รวมถึงวิธีการแก้ปัญหาเมื่อข้อมูลมีขนาดใหญ่
Stat inference
สำหรับวิชาสถิติอนุมาน ในวิชานี้จะได้เรียนรู้การซุ่มทางสถิติ, การแจกแจงแบบต่าง ๆ ซึ่งมากกว่าวิชา Prob, Central Limit Theorem, การประมาณค่า estimator bias หรือไม่ bias, การทดสอบสมมติฐาน วิชานี้จะใช้ทักษะทางคณิตศาสตร์ค่อนข้างสูง ถ้าใครพื้นฐานไม่ดี อาจจะท้าทายมาก ๆ เลยทีเดียว
Applie Stat model
วิชานี้ได้เรียนเกี่ยวกับการใช้ Model ทางสถิติ โดยใช้ ภาษา R เป็นหลัก ซึ่งจะได้เรียนตัวแบบจำพวก Linear Regression, Ridge Regression, Binomial, Multiomial, Count data, GLM เป็นต้น
วิชาเลือกมีอะไรบ้าง?
ปี 2 เทอม 1
Data Science Approach to Portfolio Optimization
วิชานี้จะมีการปูพื้นฐานเกี่ยวกับ ตลาดเงิน ตลาดหุ้น Tflex และเรียนทฤษฎีเกี่ยวกับการจัด Portfolio จาก Asset ต่าง ๆ ที่เรามีจากความเสี่ยงของ Asset แต่ละตัว และสุดท้ายเรียนการสร้าง Bot ในการ Trade หุ้น
Deep Learning
วิชาที่อินเทรนด์ที่สุด เรียนกระบวนการสร้าง Deep Learning ตั้งแต่ต้นซึ่งเป็นรากฐานใน AI สมัยใหม่ ซึ่งวิชานี้จะ apply ไปถึงการที่ Deep Learning สามารถเข้าในใจภาพและข้อความ ได้
Data Science for Business Analytics
วิชานี้ถูกออกแบบมาเพื่อศึกษาการนำศาสตร์ของ Data sci ไปใช้ในธุรกิจจริง ๆ ซึ่งวิชานี้จะมีการเชิงวิทยากรมาจากหลากหลายอุตสาหกรรมมาสอน(บางคลาสอาจารย์ก็สอนเองนะเออ) โดยที่จะเน้นไปที่ Use case ที่ใช้จริงในอุตสาหกรรมนั้น ๆ ซึ่งจะทำให้เราเข้าใจว่าปัจจุบันโลกของธุรกิจตอนนี้ใช้อะไรเกี่ยวกับ ML, AI ขอบอกเลยวิทยากรแต่ละคนโคตรเจ๋ง เป็นอีกวิชาที่ประทับใจสุด ๆ
ปี 2 เทอม 2
Advanced Data Science Practicum
เป็นวิชาที่สอนโดยอาจารย์นอกภาคอย่างอาจารย์ต้า Skooldio ที่จะทำการสอน Data Science แบบที่สังคมปัจจุบันใช้จริง ตั้งแต่ Tool ที่ใช้ในการ Scrape ข้อมูล การ Query ข้อมูลด้วยภาษา SQL การ Impute data การสร้าง Machine Learning แนะแนวคิดต่าง ๆ ซึ่ง Assignment ในวิชานี้ค่อนข้างท้าทายมาก ๆ ต้องมีเวลาที่เยอะเพียงพอ ไม่เหมาะกับคนที่ยุ่ง เพราะว่ามีทางการบ้าน, การเรียนรู้นอกห้องเรียน, สอบ และ โปรเจคประจำวิชา แต่ถ้าผ่านไปได้ บอกเลยโคตรคุ้ม
Recommender system
วิชานี้จะเล่าถึงกระบวนการสร้าง Recommender system ด้วยวิธีการต่าง ๆ เช่น Collorborative Filtering และ Content base filtering และกระบวนการเตรียมข้อมูลให้พร้อมก่อนที่จะนำมาสร้าง พร้อมทั้งมี Workshop สนุก ๆ ให้ทำ ส่วนโปรเจครายวิชาจะเป็นงานกลุ่ม
นอกจากจะเรียนเก็บ Course work ให้จบครบทุกหน่วยกิตแล้ว นิสิตจะต้องทำ Independent Study และผ่านการสอบ Compre อีกด้วย
Independent study(IS)
สำหรับนิสิตทุกคน จะต้องทำ IS หรือแปลความง่าย ๆ คือ ทำโปรเจคขึ้นมาซักอย่างโดยที่ใช้ความรู้ที่เรียนโดยจะต้องผ่านการสอบ Oral จากอาจารย์ในภาควิชา
Comprehensive test
การทดสอบความรู้ที่นิสิตทุกคนต้องสอบในภาคเรียนที่ 3 โดยจะเป็นข้อสอบจากวิชา Data Visualization และ Apply Stat Model
บทสรุป
ถ้าคุณต้องการมาเรียนเพื่อสร้างความรู้ด้านพื้นฐาน ML/AI เพื่อช่วยในการต่อยอดหรือ การเปลี่ยนสายอาชีพ ภาควิชานี้ตอบโจทย์สิ่งนั้นได้
อย่างไรก็ตามถึงแม้ว่าจะเป็นหลักสูตรนอกเวลาราชการ แต่! คุณจำเป็นต้องมีเวลามากเพียงพอเพื่อที่จะเดินทางมาเรียน ทำงานที่ได้รับมอบหมาย หรือเตรียมสอบ ถ้าคุณไม่มีเวลามากพอสิ่งนี้จะไม่ตอบโจทย์เป็นอย่างยิ่ง
วิชาบังคับที่ชอบ
Big Data, Apply Stat model, Data Visualization
วิชาเลือกที่ชอบ
Data sci for BA, Advanced Data Science Practicum, Deep Learning, Recommender System
ปัจจุบันผู้เขียนได้เรียนจบเป็นที่เรียบร้อยแล้ว 🎉🎉🎉 สำหรับในรีวิวฉบับเต็มจะขอแยกไปสรุปรายวิชาถ้ามีผู้ที่สนใจ ขอจบบทความเพียงเท่านี้
