หิว = ปัญหา
เริ่มจากสภาพที่ไม่ต้องการ ใครกำลังหิว หิวเมื่อไร และเกิดผลอย่างไร
ภาควิชาวิศวกรรมคอมพิวเตอร์มหาวิทยาลัยเกษตรศาสตร์
Hard-core · Hands-on · Research with AI
AI-Assisted Research
Human-Verified Evidence
ลงมือทำตั้งแต่พัฒนาโจทย์ ตรวจงานเดิม ออกแบบการศึกษา วิเคราะห์ข้อมูล ไปจนถึงสร้างบทความและ PDF โดยให้ AI ช่วยถาม จัดระบบ และลงมือทำ ส่วนคุณตรวจหลักฐานและเป็นผู้ตัดสินใจทุกขั้น
การบ้านก่อนมาเรียน: เตรียมเอกสารเรื่องที่สนใจ 6–8 ชิ้น รวมประมาณ 15–20 หน้า โดยต้องเป็นข้อมูลที่นำมาใช้กับ AI ได้
จัด onsite เป็นหลัก ณ ภาควิชาวิศวกรรมคอมพิวเตอร์ มหาวิทยาลัยเกษตรศาสตร์ บางเขน และผสมผสานกิจกรรมออนไลน์ตามความเหมาะสม
Research workflow
- 01Research Questionปัญหา · ช่องว่าง · คำถาม
- 02Evidenceงานเดิม · แหล่งอ้างอิง · ความน่าเชื่อถือ
- 03Study Designสมมติฐาน · วิธีวัด · เกณฑ์ตัดสิน
- 04Dataนำเข้า · ตรวจคุณภาพ · จัดข้อมูล
- 05Analysisสถิติ · ตาราง · ภาพ
- 06Claimข้อสรุป · ความไม่แน่นอน · ข้อจำกัด
- 07Publicationบทความ · PDF · วิธีทำงานที่ใช้ซ้ำได้
AI assists throughout.
You verify evidence and decide.
ทบทวนก่อนเริ่มเรียน
หิว → กิน → อิ่ม
โครงง่าย ๆ ของงานวิจัย
ใช้กรณีใกล้ตัวนี้ทบทวนระเบียบวิธีวิจัยก่อนเลือกคลาสหรือโมดูล เพื่อไม่ให้เริ่มจากเครื่องมือหรือวิธีที่ดูน่าสนใจ แต่ลืมปัญหาและผลที่ต้องการ
อิ่ม = ผลที่ต้องการ
กำหนดให้ชัดว่า “อิ่ม” หมายถึงอะไร วัดอย่างไร และระดับใดจึงถือว่าสำเร็จ
กิน = วิธีหนึ่ง
การกิน ร้านอาหาร หรือ AI เป็นเพียงวิธี ต้องตรวจว่าวิธีนั้นพาไปสู่ผลที่ต้องการจริงหรือไม่
ตรวจผลก่อนสรุป
ทำกิจกรรมครบไม่ได้แปลว่าแก้ปัญหาแล้ว ต้องใช้ข้อมูลและหลักฐานเชื่อมผลกลับไปยังปัญหา
Course promise
ไม่ใช่คลาสแจก prompt
และไม่ใช่คลาสเขียนโปรแกรม
ผู้เรียนใช้ VS Code เป็นโต๊ะทำงานเอกสาร และใช้ Codex, Claude Code หรือ AI agent ที่รองรับเพื่ออ่านไฟล์ สร้าง review notes ตรวจหลักฐาน วิเคราะห์ข้อมูล และจัดทำเอกสาร
ทุกกิจกรรมจบด้วยชิ้นงานที่ตรวจย้อนกลับได้ ไม่ถือว่าคำตอบของ AI เป็นข้อยุติ และไม่ให้ AI แต่ง citation, DOI, result หรือข้อสรุปที่ไม่มีหลักฐาน
Course family
สามคลาส
เรียนแยกหรือเรียนครบชุด
Formation ใช้เวลา 2 วัน ส่วน Reviews และ Publication ใช้เวลาอย่างละ 1 วัน ทั้งสามคลาสใช้คลังโมดูลร่วมกัน แต่จัดกิจกรรมและชิ้นงานต่างกันตามเป้าหมาย รายชื่อใต้การ์ดแสดงเฉพาะโมดูลที่ใช้จริง: สีส้มคือส่วนที่เน้น และสีขรึมคือส่วนประกอบ
พัฒนาโจทย์และออกแบบงานวิจัย
เปลี่ยนหัวข้อหรือความสนใจเป็น problem–gap–RQ ตารางหลักฐาน แนวคิด คุณูปการ และแบบการทดลองที่ตรวจตรรกะได้
2 วันวันที่ 1 พัฒนาโจทย์และหลักฐาน · วันที่ 2 ตรวจตรรกะและแบบวิจัย
เน้นในคลาสนี้ใช้ประกอบ
ผลงานหลัก แผนผังตรรกะของโจทย์ ตารางหลักฐาน และแบบการทดลอง
ตรวจสอบคุณภาพงานวิจัย
ตรวจข้อกล่าวอ้าง แหล่งอ้างอิง วิธี ผล และข้อสรุป โดยทุก finding ต้องย้อนกลับไปยังตำแหน่ง หลักฐาน และงานแก้ไขได้
1 วันตรวจงานอย่างเป็นระบบและจัดลำดับสิ่งที่ต้องแก้
เน้นในคลาสนี้ใช้ประกอบ
ผลงานหลัก รายงานตรวจคุณภาพ บัญชีประเด็นแก้ไข และบันทึกสถานะการทบทวน
ผลิตและเผยแพร่ผลงานวิจัย
วิเคราะห์ข้อมูล สร้างตารางและภาพ แล้วผลิต Word, LaTeX, PDF หรือสื่อนำเสนอตามข้อกำหนดของแหล่งเผยแพร่
1 วันเปลี่ยนงานที่ตรวจแล้วเป็นเอกสารและสื่อพร้อมส่ง
เน้นในคลาสนี้ใช้ประกอบ
ผลงานหลัก ชุดเอกสารพร้อมตรวจ แฟ้มภาพ/ตาราง และ workflow รุ่นที่ 1
สถานะโครงการ: อยู่ระหว่างเตรียมเสนอขออนุมัติเปิดเป็นรายวิชาและ/หรือคอร์สอบรม ยังไม่เปิดรับสมัครและยังไม่รับชำระเงิน จำนวนวันอบรม อัตราค่าลงทะเบียน และรอบการสอนจะประกาศหลังได้รับอนุมัติ
Learning path
เส้นทางการเรียน
ทั้งหมด 9 โมดูล
โมดูลเหล่านี้เป็นคลังบทเรียนร่วมของทั้งสามคลาส เลือกศึกษาแบบ standalone ได้ หรือใช้ต่อเนื่องตามเส้นทางของคลาสที่ลงทะเบียน
Prepare Your AI Research Workspace
ติดตั้ง ตรวจเครื่อง เปิด AI workspace และผ่าน readiness check
เข้า Module 1 →Your First AI Research Task
เตรียมเอกสาร แยก L1–L4 จับคำตอบที่ไม่มีหลักฐาน และสร้างรายงาน PDF
เข้า Module 2 →Problem → Gap → Research Question
สร้างและพยายามหักล้างสายเหตุผลจากปัญหาถึงคำถามวิจัย
เข้า Module 3 →Literature Evidence
ค้น ตรวจ และสังเคราะห์หลักฐาน พร้อมจับ ref ทิพย์จากแหล่งต้นทาง
เข้า Module 4 →Research Logic
เชื่อม problem, gap, RQ, design, evidence, claim และ venue
เข้า Module 5 →Experiment Design Stress Test
stress-test claim, hypothesis, comparator, instrument และ decision rule
เข้า Module 6 →Analysis & Visualization
ตรวจ DataFrame แล้วสร้างตาราง ภาพนิ่ง และภาพโต้ตอบที่รันซ้ำได้
เข้า Module 7 →Document Production
สร้าง Word/LaTeX/PDF จาก verified claims ตามข้อกำหนด venue
เข้า Module 8 →Personal AI Research Workflow
ประกอบ workflow kit ที่มี guardrails, tests และ run record
เข้า Module 9 →Before you join
เครื่องและบัญชี
ต้องพร้อมก่อนเรียน
01
AI account
บัญชีแบบชำระเงินหรือสิทธิ์ใกล้เคียง ChatGPT Plus พร้อม workspace agent ที่รองรับ
02
Supported notebook
Windows 11, macOS หรือ Linux/WSL2 ที่รับรอง · RAM ขั้นต่ำ 8 GB แนะนำ 16 GB · พื้นที่ว่าง 20 GB
03
Device pre-check
ตรวจว่าเครื่องผ่านข้อกำหนดก่อนวันเรียน แล้วเตรียม workspace ร่วมกันใน Module 1
04
เอกสารสำหรับกิจกรรม
ก่อนมาเรียน เตรียมข่าว รายงาน บทความ หรือบทวิจารณ์เรื่องที่สนใจ 6–8 ชิ้น รวมประมาณ 15–20 หน้า โดยไม่มีข้อมูลลับ ข้อมูลส่วนบุคคลที่ห้ามเปิดเผย หรือข้อจำกัดที่ห้ามนำเข้าสู่บริการ AI
เครื่องที่ไม่เหมาะ: Chromebook, tablet, OS ที่หมดระยะสนับสนุน หรือเครื่องที่ติดตั้งซอฟต์แวร์ไม่ได้
Module 1
เริ่มจากการตรวจว่าเครื่องพร้อม
ตรวจเครื่องล่วงหน้า แล้วเรียนการจัด workspace และทำ readiness check ร่วมกันในคาบแรก