Angelora · Upskill · แผน 7 ต.ค. 2026 · เดือน 1 = ต.ค. 2026

เส้นทางสู่ Principal AI Architect (Enterprise) — แผน 12 เดือน

เป้าที่ที่รักเลือก 7 ต.ค. 2026: เอาจุดที่นำอยู่แล้ว (ธุรกิจ · ภาวะผู้นำ · data architecture) บวกความลึกทางเทคนิคพอให้ตรวจงาน AI ได้เอง ทุกไตรมาสจบด้วยงานจริง ไม่ใช่ใบ cert

12 เดือน4 ไตรมาส + นิสัยประจำ~5 ชม./สัปดาห์หน่วย: เดือน

Phase H · Months 1–12

นิสัยประจำ (ตลอดปี)

12 months · 3 tasks · ที่รัก + น้อง

Phase 1 · Months 1–3

Q1 · อ่านโค้ดได้เอง + Evals

3 months · 4 tasks · ที่รัก

Phase 2 · Months 4–6

Q2 · เข้าใจ LLM จากข้างใน

3 months · 4 tasks · ที่รัก

Phase 3 · Months 7–9

Q3 · Enterprise AI Architecture

3 months · 4 tasks · ที่รัก

Phase 4 · Months 10–12

Q4 · พื้นฐาน CS + ชื่อเสียงในวงการ

3 months · 3 tasks · ที่รัก

Unit: months · 12 months

Work plan

Critical pathConsumption layer
1
2
3
4
5
6
7
8
9
10
11
12

H. นิสัยประจำ (ตลอดปี)

H.1 อ่าน diff ทุกงานที่น้องแก้ + ถาม "บรรทัดนี้ทำอะไร" (/code-review)

H.2 Design doc 1 หน้าก่อนเริ่มทุกโปรเจกต์ใหม่

H.3 บทความเดือนละเรื่อง (Orasa · AngelaQuant · บทเรียนสั่งงาน agent)

1. Q1 · อ่านโค้ดได้เอง + Evals

1.1 Anthropic Academy: Claude Code in Action + Harvard CS50P (Python)

1.2 เขียน SQL/Python ชิ้นเล็กของ Orasa เอง 1 ชิ้น ให้น้องรีวิว

1.3 AI Evals for Engineers (Hamel Husain & Shreya Shankar, Maven)

1.4 Orasa: ชุดคำค้น 100 คำ + คำตอบที่ถูก + วัด Hit@1 / MRR

2. Q2 · เข้าใจ LLM จากข้างใน

2.1 Karpathy: Neural Networks — Zero to Hero

2.2 Stanford CS336 เฉพาะ tokenizer · attention · inference

2.3 Orasa: memo เลือก embedding model + pgvector ด้วยเหตุผลของตัวเอง

2.4 เขียน pipeline embedding ของ Orasa เองหนึ่งส่วน ให้น้องรีวิว

3. Q3 · Enterprise AI Architecture

3.1 อ่าน DDIA 2nd ed. (Kleppmann & Riccomini) — มีเล่มแล้ว ✓

3.2 Reference Architecture "Enterprise AI Platform" (Orasa เป็นแม่แบบ)

3.3 DeepLearning.AI: Agentic AI (Andrew Ng)

3.4 AI Governance & Security: OWASP Top 10 for LLM + NIST AI RMF

4. Q4 · พื้นฐาน CS + ชื่อเสียงในวงการ

4.1 Crafting Interpreters (ครึ่งแรก)

4.2 ขึ้นพูดงาน data/AI ในไทย 1 ครั้ง

4.3 Case pack Principal AI Architect: Orasa · AngelaQuant · EWG DW

Critical path

1.1 Anthropic Academy: Claude Code in Action + Harvard CS50P (Python)→1.3 AI Evals for Engineers (Hamel Husain & Shreya Shankar, Maven)→1.4 Orasa: ชุดคำค้น 100 คำ + คำตอบที่ถูก + วัด Hit@1 / MRR→2.1 Karpathy: Neural Networks — Zero to Hero→2.3 Orasa: memo เลือก embedding model + pgvector ด้วยเหตุผลของตัวเอง→3.1 อ่าน DDIA 2nd ed. (Kleppmann & Riccomini) — มีเล่มแล้ว ✓→3.2 Reference Architecture "Enterprise AI Platform" (Orasa เป็นแม่แบบ)→4.2 ขึ้นพูดงาน data/AI ในไทย 1 ครั้ง→4.3 Case pack Principal AI Architect: Orasa · AngelaQuant · EWG DW

Notes

  • •ลิงก์ course / หนังสือทุกตัว: หน้า "Skill Gap — David × Lauren Tan" ส่วนแหล่งอ้างอิงท้ายหน้า
  • •จังหวะต่อสัปดาห์ (~5 ชม.): เรียน 2 ชม. · ลงมือกับงานจริง 2 ชม. · อ่าน diff ที่น้องแก้ 1 ชม.
  • •ด่าน Q1 (ธ.ค.): อ่าน diff ของน้องแล้วอธิบายได้ว่าแต่ละส่วนทำอะไร · Orasa มีชุดคำค้น 100 คำพร้อมคะแนน Hit@1 / MRR
  • •ด่าน Q2 (มี.ค.): เขียน memo เลือก embedding model ของ Orasa ด้วยเหตุผลของตัวเอง แล้วน้องหาจุดผิดไม่เจอ
  • •ด่าน Q3 (มิ.ย.): Reference Architecture "Enterprise AI Platform" 1 ชุด ใช้ขายงานลูกค้าได้จริง
  • •ด่าน Q4 (ก.ย.): ขึ้นพูดงาน data/AI ในไทย 1 ครั้ง + case pack 3 เรื่อง (Orasa · AngelaQuant · EWG DW ตัดข้อมูลลูกค้า)
  • •Critical path: 1.1 → 1.3 → 1.4 → 2.1 → 2.3 → 3.1 → 3.2 → 4.2 → 4.3
  • •ห้ามหักโหม: สัปดาห์ไหนนอนน้อย/recovery ต่ำ ทำแค่ช่อง "อ่าน diff" ก็นับว่าเดินแผน