ในโลกที่เอไอได้เข้ามาขับเคลื่อนอนาคตของธุรกิจและมีบทบาทอย่างมากในชีวิตประจำวัน การมีทักษะด้านเอไอเปรียบเสมือนกุญแจสู่โอกาสที่ไม่มีที่สิ้นสุด และการเริ่มทำงานในสายงานเอไอก็เป็นเส้นทางที่หลาย ๆ คนอยากเดินไป

ถึงแม้ว่าการเข้าสู่โลกเอไออาจดูท้าทาย แต่ก็ไม่ถึงกับเป็นไปไม่ได้ วันนี้เซอร์ทิสมี Roadmap การเริ่มต้นทำงานด้านเอไอในเวลา 10 เดือน เพื่อการเริ่มต้นที่เป็นระบบ ตั้งแต่การปูพื้นฐานความรู้ที่จำเป็น ไปจนถึงการสร้างโปรเจกต์จริงที่จะทำให้ Portfolio ของคุณโดดเด่นและพร้อมแข่งขันในตลาดงาน

มาก้าวเข้าสู่โลกใหม่ที่เต็มไปด้วยความตื่นเต้นและโอกาสที่ไม่จำกัดไปพร้อมกันนะครับ

อาชีพในสายงานเอไอมีหลากหลาย ไม่ว่าจะเป็น Machine Learning Engineer, Data Scientist, หรือ AI Researcher ซึ่งแม้จะมีทักษะบางส่วนที่เหมือนกัน และสามารถฝึกฝนตาม Roadmap นี้ได้ แต่การทำความรู้จักตำแหน่งต่าง ๆ เลือกสายงานที่อยากทำ และลองปรับแผน Roadmap ให้เฉพาะเจาะจงมากขึ้น ก็จะช่วยให้เราเรียนรู้ได้เร็วขึ้นครับ

สามารถเรียนรู้เพิ่มเติมเกี่ยวกับตำแหน่งต่าง ๆ ได้ที่: https://careers.sertiscorp.com/blogs

เดือนที่ 1-2: ปูพื้นฐานตัวเองให้แน่นก่อน

ขั้นตอนแรกคือการปูพื้นฐานทั้งหมดที่จำเป็น ไม่ว่าจะเป็น คณิตศาสตร์ พีชคณิต ความน่าจะเป็น แคลคูลัส สถิติ รวมไปถึงการเขียนโปรแกรม โดยเฉพาะ ภาษา Python โครงสร้างข้อมูล (Data Structure) การจัดการข้อมูล (Data Manipulation)

นอกจากนี้ควรเรียนรู้เรื่องโมเดล Machine Learning แบบเบสิค ได้แก่ Supervised และ Unsupervised learning ซึ่งทั้งหมดนี้เป็นหัวข้อที่จำเป็นมากในการต่อยอดไปสู่ความเชี่ยวชาญด้านเอไอ

เดือนที่ 3-4: ต่อยอดไปถึง Machine Learning และ Deep Learning

หลังจากที่เรามีพื้นฐานแน่นแล้ว ขั้นตอนต่อมาคือการเริ่มก้าวเข้าสู่โลกของเอไอด้วยการศึกษาเกี่ยวกับโมเดล Machine Learning อัลกอริธึมรูปแบบต่าง ๆ การทำ Model Validation และ Hyperparameter Tuning ซึ่งในขั้นตอนนี้เราจะได้เริ่มมองเห็นการนำเอไอไปประยุกต์ใช้จริง และเริ่มรู้แนวทางการนำเอไอไปแก้ปัญหาต่าง ๆ 

ในช่วงเวลานี้สามารถเริ่มศึกษา Neural Network และ Deep Learning ซึ่งถือว่าเป็นโมเดลเอไอที่ล้ำสมัย และมีการใช้อย่างแพร่หลายในหลากหลายงาน อาจจะทดลองทำโปรเจกต์เล็ก ๆ เช่น Prediction Model หรือ Data Analysis ต่าง ๆ ได้

เดือนที่ 5-6: พัฒนาให้ถึงระดับ Advanced

หลังจากมีความเข้าใจด้าน Machine Learning ที่แน่นในระดับหนึ่งแล้ว ก็ถึงเวลาไปต่อสู้ในโลกของเอไอที่ลงลึกกว่าเดิม เช่น Natural Language Processing (NLP), Computer Vision, Reinforcement Learning เพื่อดูว่างานสายไหนที่เราสนใจเป็นพิเศษ 

นอกจากนี้ในช่วงนี้ก็ควรใช้เวลาในการเรียนรู้ด้าน Machine Learning Ops ซึ่งเป็นส่วนผสมของงานด้าน DevOps และ Machine Learning ที่จะช่วยให้เรามีทักษะที่ได้เปรียบในสายงานนี้ 

เดือนที่ 7-8: ทดลองทำโปรเจกต์จริง

การเรียนรู้ด้วยการทดลองทำจริงคือหนึ่งในขั้นตอนที่จำเป็นมาก เพราะฉะนั้นเราจึงจำเป็นต้องทดลองทำโปรเจกต์จริง เช่น สร้างโมเดล Sentiment Analysis, Image Classification, หรือ Chatbot 

และในขั้นตอนนี้ก็ให้เรียนรู้การ Deploy โมเดลบน Cloud ต่าง ๆ เช่น Google Cloud, AWS, หรือ Microsoft Azure และเรียนรู้ Framework ต่าง ๆ เช่น TensorFlow, PyTorch, และ Keras

เดือนที่ 9-10: พร้อมก้าวเข้าสู่การทำงานจริง

ในขั้นตอนนี้ เรียกได้ว่าเราก็พร้อมเข้าสู่การทำงานจริงในระดับหนึ่งแล้ว ก็ถึงเวลาสร้าง Portfolio และแชร์โปรเจกต์ของเราผ่าน GitHub เขียน Technical Blogs บน Medium และเริ่มทำ Resume เพื่อสมัครงานได้ 

อย่าลืมว่านอกจากโชว์ความรู้เชิงเทคนิคต่าง ๆ แล้วนั้น อย่าลืมเน้นโชว์โปรเจกต์หลากหลาย และโปรเจกต์ที่แสดงให้เห็นถึงทักษะการแก้ปัญหา และการใช้เครื่องมือที่หลากหลายด้วยนะครับ

Tips:

• การเข้าร่วมกลุ่ม Community ออนไลน์ เช่น LinkedIn, Stack Overflow, Reddit หรือ Kaggle จะช่วยให้เราได้พบปะผู้เชี่ยวชาญ แลกเปลี่ยนความเห็น และได้ทริคดี ๆ ที่สามารถนำมาปรับใช้ได้

• หลังจากเรียนรู้มาจนถึงช่วงเดือนหลัง ๆ แล้ว อาจจะลองเข้าร่วมใน Hackathon หรือ Open-source Project เพื่อฝึกทักษะการทำงานร่วมกับทีมและการจัดการโปรเจกต์ใหญ่ ๆ 

แต่ก็ต้องจำไว้เสมอว่า เรายังคงต้องเรียนรู้และปรับตัวตลอดเวลา เพราะการทำงานด้านเอไอ แม้จะเป็นสายงานเดียวกัน แต่ก็จะมีความแตกต่างกันไปในแต่ละอุตสาหกรรม และแต่ละองค์กร เราจึงจำเป็นต้องเรียนรู้และเปิดรับสิ่งใหม่ ๆ ไม่ว่าจะเป็นเครื่องมือใหม่ ๆ หรือนวัตกรรมใหม่ ๆ ในแวดวงเอไอ เพื่อให้เรามีทักษะที่ตอบโจทย์และเป็นที่ต้องการในสายงานอยู่ตลอดเวลา

มาร่วมพัฒนาในพื้นที่แห่งการเรียนรู้ไปพร้อมกับเรา เรียนรู้เพิ่มเติมเกี่ยวกับเซอร์ทิสและตำแหน่งที่เปิดรับสมัครได้ที่: https://careers.sertiscorp.com/