ก่อนเริ่มเรียน —
ยินดีต้อนรับ
สู่ Riz D-Sci
บทนี้ไม่มีสูตร ไม่มีโค้ด ไม่มีทฤษฎี
มีแค่สิ่งที่อยากบอกก่อนที่เราจะเดินทางด้วยกัน
สวัสดีครับ 👋
ถ้าเปิดหน้านี้ขึ้นมา แปลว่าเรากำลังเริ่มทำอะไรสักอย่างแล้วล่ะครับ 5555 และนั่นคือสิ่งที่ยากที่สุดแล้วครับ
ผมชื่อ นัท นะครับ เป็นคนทำงานด้าน Data มาหลายปีเลย และก็เป็นคนที่ เรียนด้วยตัวเองเหมือนคุณเป๊ะเลย ไม่ได้จบสายนี้โดยตรง ไม่ได้มีใครมาสอนแบบจับมือ มีแค่หน้าจอ ตัวหนังสือ และคำถามที่ไม่รู้จะถามใครแต่ก็หาคำตอบมาได้เอง
คอร์สนี้ผมสร้างขึ้นมาสำหรับ คนที่อยู่ในจุดเดียวกับที่ผมเคยอยู่ คือรู้ว่า Data Science มันน่าสนใจ รู้ว่ามันมีอนาคต แต่ไม่รู้จะเริ่มจากตรงไหน และไม่อยากกลับไปนั่งเรียนในห้องเรียนอีกครั้ง
“คุณไม่จำเป็นต้องเป็นคนเก่งระดับ Topเพื่อทำ Data Science
คุณแค่ต้องเป็นคนที่อยากรู้ และพร้อมจะลงมือ“
— Nut
คอร์สนี้สำหรับใคร
ผมออกแบบคอร์สนี้มาสำหรับคนกลุ่มนี้โดยเฉพาะครับ ลองเช็คดูว่าตัวเองอยู่ในนี้ไหม
🎓
นักศึกษาปี 3–4
กำลังคิดว่าจบไปจะทำงานอะไรดี เห็นว่า Data มันร้อนแรง อยากรู้ว่าตัวเองเหมาะไหม และถ้าเหมาะจะเริ่มยังไง
💼
First Jobber ที่อยากเปลี่ยนสาย
ทำงานอยู่แล้ว แต่รู้สึกว่าอยากไปทาง Data ไม่อยากลาออกไปเรียนใหม่ อยากหาทางที่เรียนได้ด้วยตัวเองในเวลาว่าง
🤔
คนที่ยังไม่แน่ใจ
แค่อยากลอง ยังไม่รู้ว่าชอบไหม ไม่เป็นไรครับ บทแรกๆ จะช่วยให้รู้ว่า Data Science เหมาะกับตัวเองไหม ก่อนจะลงทุนเวลามากกว่านี้
💡
สิ่งที่ไม่จำเป็นต้องมีก่อนเริ่ม
ไม่ต้องเคยเขียนโค้ดมาก่อน ไม่ต้องเก่งคณิต ไม่ต้องรู้จัก Excel ลึกๆ และไม่ต้องมีพื้นฐาน IT ครับ
สิ่งที่ต้องมีจริงๆ คือ ความอยากรู้ กับ ความอดทนนิดนึง แค่นั้นพอครับ
คุณจะได้อะไรจากคอร์สนี้
ผมไม่ได้สัญญาว่าคุณจะเป็น Data Scientist เก่งๆ ทันทีหลังจบคอร์สนะครับ ไม่มีคอร์สไหนทำแบบนั้นได้จริงหรอก ถ้าใครบอกว่าได้ นั่นคือโฆษณาเกินจริง
แต่สิ่งที่ผมสัญญาได้จริงๆ คือ
🗺️
ภาพรวมที่ชัดเจน
รู้ว่า Data Science คืออะไร ทำงานยังไง และเส้นทางจริงๆ เป็นแบบไหน
🛠️
เครื่องมือที่ใช้จริง
Python, SQL, Pandas และ Visualization ที่ทุกคนในสายงานนี้ต้องใช้
🧠
ความเข้าใจ ไม่ใช่แค่จำ
เข้าใจว่า Machine Learning ทำงานยังไง ไม่ใช่แค่รู้ชื่อ Algorithm
📁
Portfolio Project จริง
จบคอร์สแล้วมีโปรเจกต์ที่ใส่ใน Resume หรือ GitHub ได้เลย
วิธีเรียน Text-Based ให้ได้ผลจริง
นี่คือส่วนที่สำคัญที่สุดในบทนี้ครับ เพราะถ้าเรียนผิดวิธี ต่อให้เนื้อหาดีแค่ไหน ก็ไม่ได้ประโยชน์เต็มที่
การเรียนจากตัวหนังสือต่างจากการดูวิดีโอครับ มันต้องการ การมีส่วนร่วมจากสมองมากกว่า แต่ถ้าทำถูกวิธี ความเข้าใจที่ได้จะลึกกว่ามาก
1
อ่านครั้งแรกแบบ “สำรวจ” ก่อน
อ่านผ่านๆ ก่อนครั้งนึงโดยไม่ต้องเข้าใจทุกอย่าง แค่รู้ว่าบทนี้พูดถึงอะไรบ้าง สมองจะเริ่มสร้างโครงสร้างของเนื้อหาไว้รอแล้ว
2
อ่านครั้งที่สองแบบ “ตั้งคำถาม”
อ่านช้าๆ และหยุดถามตัวเองทุกย่อหน้าว่า “ฉันเข้าใจสิ่งที่เพิ่งอ่านไหม? มันเชื่อมกับอะไรที่รู้อยู่แล้วได้บ้าง?” ถ้าตอบไม่ได้ ให้อ่านซ้ำ
3
จด ด้วยคำของตัวเอง
ไม่ต้องจดแบบ copy ครับ ให้จดแบบ “ถ้าต้องอธิบายให้เพื่อนฟัง จะพูดว่าอะไร?” การถอดความเป็นคำของตัวเองคือการที่สมองประมวลผลจริงๆ
4
ลงมือทำ Code ทุกตัวอย่าง
เวลาเจอโค้ด อย่าแค่อ่านผ่าน ให้เปิด Notebook แล้วพิมพ์เองครับ แม้แต่โค้ดที่ดูง่ายๆ มือสัมผัสแป้นพิมพ์ช่วยให้จำได้จริงกว่าตาอ่าน
5
หยุดพักเพื่อให้สมองซึม
การเรียนแบบ Spaced Repetition คือการกลับมาทบทวนหลังผ่านไปสักวันหรือสองวัน สมองจะเก็บข้อมูลได้ดีกว่าการนั่งอ่านทีเดียว 5 ชั่วโมงครับ
🎯 เป้าหมายที่แนะนำ: เรียนอาทิตย์ละ 3–4 ชั่วโมง แบ่งเป็นวันละ 30–60 นาที สม่ำเสมอดีกว่านั่งอ่านทีเดียวทั้งวันสุดสัปดาห์ครับ ช้าๆ แต่ไปถึงดีกว่าวิ่งแล้วหมดแรงกลางทาง
Mindset ที่ต้องพกติดตัวตลอดการเรียน
เรื่องนี้สำคัญกว่าเนื้อหาในคอร์สด้วยซ้ำครับ เพราะ Mindset ที่ผิดจะทำให้เลิกกลางคันก่อนถึงเนื้อหาที่ดีที่สุด
🐢
“ไม่เข้าใจตอนนี้ ไม่ได้แปลว่าไม่ฉลาด”
ทุกคนที่เรียน Data Science มีช่วงที่งงครับ ผมเองก็งงมาแล้วนับไม่ถ้วน ความงงไม่ใช่สัญญาณให้หยุด แต่เป็นสัญญาณว่าสมองกำลังสร้างความเข้าใจใหม่อยู่
🔁
“อ่านซ้ำได้ ไม่มีใครตัดสิน”
ไม่มีกฎว่าต้องอ่านทุกบทแค่ครั้งเดียว ถ้าอ่านแล้วยังไม่เข้าใจ กลับมาอ่านใหม่ได้ตลอด บางทีแค่กลับมาอ่านหลังนอนหลับ สมองก็เคลียร์ขึ้นมาเองเลยครับ
🧩
“โอเคถ้าจะไม่เข้าใจทุกอย่าง 100%”
ไม่มีใครที่เข้าใจทุกอย่างก่อนลงมือทำครับ เป้าหมายคือเข้าใจพอที่จะเริ่มลองทำได้ ความเข้าใจที่ลึกขึ้นจะมาเองเมื่อเจอปัญหาจริงๆ
🎯
“โฟกัสที่ Progress ไม่ใช่ Perfection”
อย่าหยุดเพราะรู้สึกว่าเนื้อหาก่อนหน้ายังไม่แม่น เดินหน้าต่อครับ เนื้อหาข้างหน้าจะช่วยให้เข้าใจเนื้อหาก่อนหน้าได้ดีขึ้นด้วย
โครงสร้างของคอร์สนี้
ก่อนดำดิ่งลงไป ให้รู้ก่อนว่าคอร์สนี้จัดวางยังไงครับ เพื่อที่คุณจะได้มีแผนในหัว และไม่รู้สึกหลงทาง
📍
Phase 1 — รู้จักโลก Data (M01–M03)
เริ่มจากศูนย์จริงๆ ทำความรู้จัก Data Science ว่าคืออะไร ข้อมูลมีกี่ประเภท และสถิติพื้นฐานที่จำเป็น ไม่มีโค้ดในช่วงนี้ครับ
🛠️
Phase 2 — เครื่องมือและการวิเคราะห์ (M04–M07)
เริ่มจับ Python, SQL และเรียนรู้วิธีจัดการข้อมูลจริงๆ ตั้งแต่ Data Cleaning ไปจนถึง Exploratory Analysis
🤖
Phase 3 — Machine Learning (M08–M10)
เข้าสู่ส่วนที่ทุกคนตื่นเต้นที่สุด เรียนรู้ว่า ML ทำงานยังไง และลองสร้าง Model จริงๆ
🚀
Phase 4 — สื่อสารและลงมือทำ (M11–M12)
เอาทุกอย่างมารวมกัน เรียนรู้การเล่าเรื่องจากข้อมูล และสร้าง End-to-End Project ที่ใส่ใน Portfolio ได้จริง
💬
คำถามชวนคิด — ท้ายทุกโมดูล
ท้ายทุกโมดูลจะมีคำถามชวนคิด 1–2 ข้อครับ ไม่มีคำตอบถูกหรือผิด ไม่มีการให้คะแนน มีแค่คำถามที่อยากให้คุณหยุดนิ่งแล้วถามตัวเองว่า “เนื้อหาที่เพิ่งเรียนไป เชื่อมกับชีวิตหรืองานของฉันยังไง?” เพราะความเข้าใจที่แท้จริงมาจากการเชื่อมโยง ไม่ใช่แค่การจำ
จากผมถึงคุณ ก่อนเริ่ม
ผมรู้ว่าการเรียนด้วยตัวเองมันเหนื่อยครับ บางวันเปิดหน้าจอแล้วรู้สึกไม่อยากอ่าน บางวันอ่านไปแล้วรู้สึกไม่เข้าใจอะไรสักอย่าง บางวันถามตัวเองว่า “ทำแบบนี้ไปทำไม มันจะได้ผลจริงๆ ไหม?”
นั่นแหละครับคือความรู้สึกปกติของทุกคนที่เรียนด้วยตัวเอง ผมก็เคยรู้สึกแบบนั้น และผมเชื่อว่าคุณก็จะผ่านมันไปได้เหมือนกัน
สิ่งที่ทำให้คนเรียนด้วยตัวเองสำเร็จไม่ใช่ความฉลาด แต่คือความสม่ำเสมอ วันละ 30 นาที ทุกวัน ดีกว่าไม่ทำอะไรมาทั้งอาทิตย์แล้วนั่งอ่านทีเดียว 8 ชั่วโมงวันอาทิตย์ครับ
เอาล่ะ ผมพูดมาพอแล้ว มาเริ่มกันเลยดีกว่า
ยินดีต้อนรับสู่ Riz D-Sci ครับ 🎉
📌 ก่อนไปต่อ: ถ้ายังไม่มี Notebook ไว้จด ลองเปิดโปรแกรม Notes หรือ Notion ขึ้นมาก่อนได้เลยครับ สร้าง Note ใหม่ชื่อว่า “Riz D-Sci — บันทึกการเรียน” แล้วเอาไว้จดทุกอย่างที่อ่านมาด้วยคำของตัวเองตลอดคอร์ส สิ่งนี้จะเป็น asset ที่มีค่ามากที่สุดที่คุณจะมีหลังจบคอร์สนี้ครับ