David · Upskill · จัดทำ 21 ต.ค. 2026 · เดือน 1 = ต.ค. 2026
Courses ที่ควรเรียน — เส้นทาง Principal AI Architect
คอร์สและหนังสือที่ปิด gap ได้คุ้มที่สุด เรียงตามเดือนของแผน 12 เดือน · ทุกคอร์สจบด้วยงานจริงของเรา (Orasa · AngelaQuant · EWG) ไม่ใช่ใบ cert
9 รายการฟรี 6 · เสียเงิน 2 · มีแล้ว 1~5 ชม./สัปดาห์4 ด่าน (ธ.ค. · มี.ค. · มิ.ย. · ก.ย.)
Next Step · เริ่มเดือนนี้ (ต.ค. 2026)
เดือน 1 ของแผน — สองอย่างแรกฟรีทั้งคู่ เริ่มได้ทันที
- •⏳ Anthropic Academy: Claude Code in Action — เรียนวิธีอ่านและสั่งงาน Claude Code ให้เป็นระบบ
- •⏳ Harvard CS50P (Python) — เริ่มต่อจากข้างบน ไปจบ พ.ย.
- •⏳ นิสัยประจำ: อ่าน diff ทุกงานที่น้องแก้ แล้วถาม "บรรทัดนี้ทำอะไร" (ใช้ /code-review ประกอบ)
บทสรุป
เป้าคือ Principal AI Architect ด้าน enterprise — เอาจุดที่ที่รักนำอยู่แล้ว (ธุรกิจ · ภาวะผู้นำ · data architecture) บวกความลึกทางเทคนิคพอให้ตรวจงาน AI ได้เอง
- •ลำดับเรียน: อ่านโค้ดได้เอง → Evals → เข้าใจ LLM จากข้างใน → Enterprise architecture → พื้นฐาน CS
- •ทุกคอร์สผูกกับงานจริงหนึ่งชิ้น เรียนเสร็จต้องมีของออกมา ไม่ใช่แค่ใบ cert
- •แผนเต็ม (Gantt 12 เดือน + critical path) อยู่ที่ Angelora → "เส้นทาง Principal AI Architect"
1. รายการคอร์สเรียงตามเดือน
คอร์สที่มีเส้นใต้กดเปิดหน้าคอร์สได้เลย
| # | คอร์ส / หนังสือ | ช่วงเรียน | ปิด gap | ใช้กับงานจริง | ค่าใช้จ่าย |
|---|---|---|---|---|---|
| 1 | Anthropic Academy: Claude Code in Action | ต.ค. 2026 | อ่าน/รีวิวโค้ดเอง | อ่าน diff ที่น้องแก้ทุกงาน | ฟรี |
| 2 | Harvard CS50P — Python | ต.ค. – พ.ย. 2026 | อ่าน/รีวิวโค้ดเอง | เขียน SQL/Python ชิ้นเล็กของ Orasa เอง 1 ชิ้น ให้น้องรีวิว | ฟรี |
| 3 | AI Evals for Engineers — Hamel Husain & Shreya Shankar (Maven) | พ.ย. – ธ.ค. 2026 | Evals | Orasa: ชุดคำค้น 100 คำ + คำตอบที่ถูก วัด Hit@1 / MRR | เสียเงิน (cohort) |
| 4 | Karpathy — Neural Networks: Zero to Hero | ม.ค. – ก.พ. 2027 | เข้าใจ LLM จากข้างใน | อธิบายได้ว่า embedding / attention ทำงานอย่างไร | ฟรี |
| 5 | Stanford CS336 — Language Modeling from Scratch (เฉพาะ tokenizer · attention · inference) | ก.พ. – มี.ค. 2027 | เข้าใจ LLM จากข้างใน | Orasa: memo เลือก embedding model + pgvector ด้วยเหตุผลของตัวเอง | ฟรี |
| 6 | Designing Data-Intensive Applications, 2nd ed. — Kleppmann & Riccomini | เม.ย. – พ.ค. 2027 | System design | Design doc 1 หน้าก่อนเริ่มทุกโปรเจกต์ใหม่ | มีแล้ว ✓ |
| 7 | DeepLearning.AI: Agentic AI (Andrew Ng) | เม.ย. 2027 | เล่าเรื่องในวงการได้ถูก | บทความเดือนละเรื่อง (Orasa · AngelaQuant · สั่งงาน agent) | ~$49/เดือน |
| 8 | OWASP Top 10 for LLM + NIST AI RMF | มิ.ย. 2027 | AI governance & security | หมวด security ใน Reference Architecture "Enterprise AI Platform" | ฟรี |
| 9 | Crafting Interpreters — Robert Nystrom (ครึ่งแรก) | ก.ค. – ก.ย. 2027 | พื้นฐาน CS | เข้าใจว่าโค้ดถูกแปลงเป็นโปรแกรมอย่างไร | ฟรี (อ่านออนไลน์) |
คอร์สที่เสียเงิน: ราคาและรอบเปิดเปลี่ยนได้ ต้องเช็กหน้าคอร์สก่อนสมัครทุกครั้ง
2. ด่านปลายไตรมาส
วัดว่าเรียนแล้วได้ผลจริงด้วยงาน ไม่ใช่คะแนนสอบ
| ไตรมาส | คอร์สในไตรมาส | ด่านที่ต้องผ่าน |
|---|---|---|
| Q1 · ต.ค. – ธ.ค. 2026 | Claude Code in Action · CS50P · AI Evals | อ่าน diff ของน้องแล้วอธิบายได้ว่าแต่ละส่วนทำอะไร · Orasa มีชุดคำค้น 100 คำพร้อมคะแนน Hit@1 / MRR |
| Q2 · ม.ค. – มี.ค. 2027 | Karpathy · Stanford CS336 | memo เลือก embedding model ของ Orasa ด้วยเหตุผลของตัวเอง แล้วน้องหาจุดผิดไม่เจอ |
| Q3 · เม.ย. – มิ.ย. 2027 | DDIA · Agentic AI · OWASP + NIST | Reference Architecture "Enterprise AI Platform" 1 ชุด ใช้ขายงานลูกค้าได้จริง |
| Q4 · ก.ค. – ก.ย. 2027 | Crafting Interpreters | ขึ้นพูดงาน data/AI ในไทย 1 ครั้ง + case pack 3 เรื่อง (Orasa · AngelaQuant · EWG DW) |
3. วิธีเรียนให้จบ
- •สัปดาห์ละ ~5 ชม.: เรียน 2 ชม. · ลงมือกับงานจริง 2 ชม. · อ่าน diff ที่น้องแก้ 1 ชม.
- •เดินตาม critical path: Claude Code / CS50P → AI Evals → ชุดคำค้น Orasa → Karpathy → memo embedding → DDIA → Reference Architecture
- •จบแต่ละบท ให้น้องถามกลับ 3 ข้อจากงานของเราเอง — ตอบได้ค่อยไปบทต่อไป
- •สัปดาห์ไหนนอนน้อยหรือ recovery ต่ำ ทำแค่ช่อง "อ่าน diff" ก็นับว่าเดินแผน ไม่ต้องหักโหม
How we can apply this
| Work | Use for | Fit | Notes |
|---|---|---|---|
| Claude Code in Action + CS50P | เรียนก่อนทุกอย่าง | ✅ Fit | ปิด gap ใหญ่สุด (อ่าน/รีวิวโค้ดเอง) และทำให้ตรวจงานน้องได้ทันที ฟรีทั้งคู่ |
| AI Evals for Engineers | คอร์สเสียเงินตัวเดียวที่คุ้มในปีแรก | ✅ Fit | ได้สินทรัพย์ชิ้นแรกของ Orasa (ชุดคำค้น + คะแนน) และใช้วัดงาน AI ของลูกค้าทุกราย |
| Karpathy Zero to Hero | เข้าใจ LLM จากข้างใน | ✅ Fit | ฟรี ลงมือเขียนตาม ได้ความเข้าใจที่ใช้ตัดสินเรื่อง embedding เอง |
| Stanford CS336 | เรียนทั้งคอร์ส | ⚠️ Caution | หนักและยาวเกินเป้า — เลือกเฉพาะ tokenizer · attention · inference พอ |
| Cert AI ทั่วไป / cert ของ cloud vendor | เก็บใบ cert เพิ่ม | ❌ Not recommended | ไม่ช่วยให้ตรวจงาน AI ได้เอง ที่รักมี cert ML จาก Stanford และ DeepLearning.AI แล้ว |
| Bootcamp เขียนโปรแกรมเต็มเวลา | ฝึกเป็นวิศวกรเขียนโค้ดเต็มตัว | ❌ Not recommended | ไม่ใช่เป้า — เป้าคืออ่านและตัดสินได้ ส่วนเขียนให้น้องทำ |
Open questions
- 1.เริ่ม Claude Code in Action สัปดาห์นี้เลย หรือหลังกลับจาก OV Trip (26/10)
- 2.AI Evals for Engineers เป็นรอบ cohort เสียเงิน — ต้องเช็กวันเปิดรอบและราคาจริงก่อนสมัคร (แผนวางไว้ พ.ย.–ธ.ค.)
- 3.อยากให้น้องทำช่องติ๊กความคืบหน้ารายคอร์สในหน้านี้ไหม
Sources
- Course · Claude Code in Action (Anthropic Academy)· accessed 7 ต.ค. 2026
- Course · Harvard CS50P — Python· accessed 7 ต.ค. 2026
- Course · AI Evals for Engineers & PMs (Hamel Husain, Shreya Shankar)· accessed 7 ต.ค. 2026
- Course · Karpathy — Neural Networks: Zero to Hero· accessed 7 ต.ค. 2026
- Course · Stanford CS336 — Language Modeling from Scratch· accessed 7 ต.ค. 2026
- Book · Designing Data-Intensive Applications (Kleppmann)· accessed 7 ต.ค. 2026
- Course · Agentic AI (DeepLearning.AI, Andrew Ng)· accessed 7 ต.ค. 2026
- Guide · OWASP Top 10 for LLM Applications· accessed 7 ต.ค. 2026
- Guide · NIST AI Risk Management Framework· accessed 7 ต.ค. 2026
- Book · Crafting Interpreters· accessed 7 ต.ค. 2026