เปิด AI-ML-Roadmap-from-scratch โรดแมปเรียน AI ฟรี 11 โมดูล แล้วไล่ดูจากโมดูลแรก สิ่งที่รออยู่คือ discrete math คณิตศาสตร์ของตรรกะและการนับ ต่อด้วยพีชคณิตเชิงเส้นจาก MIT กว่าจะถึงโมดูล Generative AI ฝั่งที่สร้างข้อความและภาพได้แบบเดียวกับ ChatGPT ก็ผ่านมาแล้วเจ็ดโมดูล รวมถึงโมดูลงานภาพอย่าง computer vision อีกหนึ่งโมดูลเต็ม ส่วน Agentic AI หรือการให้ AI รับงานไปเดินเป็นขั้นๆ เอง อยู่ท้ายเส้นเป็นโมดูลที่ 10

ทั้งโรดแมปรวมอยู่ในหน้าเดียวบน GitHub เว็บที่คนทำซอฟต์แวร์ใช้เก็บงานและแจกของกันฟรี ตอนนี้มีคนกดดาวเก็บไว้ราว 4,100 คน เนื้อหาทั้งหมดฟรีจริงและคัดมาดี ตั้งแต่คอร์สมหาวิทยาลัยไปจนถึงคลิปสอนบน YouTube แต่จัดลำดับตามแนวทางของยุคก่อน ถ้าเป้าหมายคือเอา AI มาช่วยงานที่ทำอยู่ทุกวัน การไล่ตามเลขโมดูลจะพาให้อ้อมเกือบทั้งเส้นทาง

ของข้างในฟรีจริง และไม่ใช่กองลิงก์

โครงของโรดแมปเป็นโมดูลเรียงเลข เริ่มที่โมดูล 0 เรื่องการติดตั้งเครื่องมือ ไปจบที่โมดูล 10 เรื่อง Agentic AI ระหว่างทางมีโมดูลย่อย 7A แทรกไว้เรื่อง RAG หรือการให้ AI ไปเปิดเอกสารของเราก่อนแล้วค่อยตอบ และมีโมดูลโบนัสรออยู่ท้ายสุดสำหรับคนที่เดินจนสุดเส้นแล้ว

ในแต่ละโมดูลไม่ได้มีแค่ชื่อคอร์สเรียงกัน แต่เป็นตารางที่บอกไว้เลยว่าของแต่ละชิ้นเป็นคอร์สเต็ม เป็นคลิป YouTube เป็นเพลย์ลิสต์ หรือเป็นอีบุ๊ก และของชิ้นไหนที่เจ้าของโรดแมปติดดาวไว้ ก็แปลว่าเขาแนะนำชิ้นนั้นเป็นพิเศษ

แหล่งเรียนที่คัดมาก็น่าเชื่อถือ ทั้งคอร์ส Python ของ HarvardX คอร์สพีชคณิตเชิงเส้นของ MIT ใบรับรอง Data Science ของ IBM เส้นทางเรียนของ Google Cloud และคลิปสอนฟรีบน YouTube อีกจำนวนมาก

หน้านี้ไม่ได้ทำแล้วปล่อยทิ้งไว้ตั้งแต่ปีก่อน มีการแก้ไขมาแล้ว 67 ครั้ง ครั้งล่าสุดคือกลางเดือนสิงหาคม 2026 และมีคนก๊อปไปต่อยอดเป็นของตัวเองอีก 778 ครั้ง

ท้ายรายการโมดูลยังมีของแถมอีกชุด ทั้งลิสต์โปรเจกต์ให้ลองทำ จดหมายข่าว AI และบล็อกที่ตามอ่านได้ยาวๆ

ลำดับนี้วางไว้ตอนที่ Generative AI ยังแปลว่า GAN

หัวโมดูล Generative AI ทำให้เห็นชัดว่าลำดับนี้มาจากยุคไหน เพราะเปิดด้วยประโยคว่า การที่เราสร้างข้อความ ภาพ เสียง และวิดีโอกันได้ทุกวันนี้ ต้องยกความดีความชอบให้ GAN หรือเทคนิคที่เอาโมเดลสองตัวมาฝึกด้วยการแข่งกันเอง ในตารางของโมดูลเดียวกันก็มีคอร์ส GAN แบบเต็มสูตรอยู่ด้วย

คำอธิบายนี้ไม่ผิดในเชิงประวัติศาสตร์ แต่ของที่คนหยิบมาใช้ทำงานจริงในวันนี้คือโมเดลภาษาแบบเดียวกับที่อยู่หลัง ChatGPT ไม่ใช่ GAN คนที่อยากสั่งงาน AI ให้ได้ผลดีขึ้นจึงไม่ต้องรู้จัก GAN เลยสักนิด

ตำแหน่งของอีกสองเรื่องก็เผยให้เห็นร่องรอยของยุคนั้น RAG เป็นเพียงโมดูลย่อยของ Generative AI ส่วน Agentic AI ไปอยู่ท้ายสุดของเส้น ทั้งที่ในปี 2026 สองเรื่องนี้คือประตูบานแรกที่คนทำงานเดินเข้าไป ไม่ใช่รางวัลของคนที่เรียนครบแล้ว

เจ้าของโรดแมปเขียนไว้เองตั้งแต่หน้าแรกว่า เรียนพร้อมกันหลายโมดูลก็ได้ เพราะเลขที่เรียงไว้คือลำดับความยาก ไม่ใช่ข้อบังคับ

พอเห็นเลขเรียงตั้งแต่ 0 ถึง 10 เราก็มักมองว่าเป็นลำดับที่ต้องเรียนตาม และเป็นธรรมดาที่จะเปิดอ่านจากบรรทัดบนสุด ลำดับที่ต้องจัดใหม่จึงไม่ใช่ลำดับในหน้านั้น แต่เป็นลำดับที่เราเลือกอ่าน

ถามตัวเองข้อเดียวก่อนเปิดโมดูลแรก

ปลายทางที่อยากได้เป็นแบบไหน ระหว่างงานที่ทำอยู่ทุกวันเสร็จเร็วขึ้น กับการเทรนโมเดลขึ้นมาเองได้สักตัว สองคำตอบนี้พาไปคนละเส้นตั้งแต่โมดูลแรก

เส้นใช้ AI ทำงาน เริ่มที่โมดูล 7 Generative AI

เส้นนี้เริ่มที่โมดูล 7 ได้เลย ไม่ต้องแวะโมดูลไหนก่อน แหล่งเรียนที่ติดดาวไว้ในตารางคือคลิปชื่อ Generative AI in a Nutshell ดูจบคลิปเดียวก็เริ่มได้ จากนั้นค่อยต่อด้วยคอร์สของ Microsoft ว่าด้วยการใช้ Generative AI อย่างรับผิดชอบ และเส้นทางเรียนของ Google Cloud ที่อยู่ในตารางเดียวกัน ส่วนแถวที่เป็นคอร์ส GAN เต็มสูตร ข้ามไปได้เลยถ้าเป้าหมายคือใช้งาน

พอเรียนโมดูล 7 จบ ให้ต่อด้วยโมดูลย่อย 7A เรื่อง RAG นี่คือจุดที่ AI เริ่มตอบเรื่องในบริษัทเราได้ แทนที่จะตอบแต่เรื่องทั่วไปที่อยู่ในอินเทอร์เน็ต ในตารางมีทั้งคลิป Learn RAG From Scratch สำหรับจับหลักการ และคอร์สยาวที่สอนให้ลงมือต่อระบบค้นเอกสารให้ AI ใช้จริง

ปลายทางของเส้นนี้คือโมดูล 10 ซึ่งรวมเครื่องมือต่อ AI agent แบบไม่ต้องเขียนโค้ดไว้ ของที่ติดดาวคือคลิปเริ่มต้นใช้ Langflow เครื่องมือที่ให้ลากบล็อกมาต่อกันเป็นขั้นตอนการทำงานของ AI อีกสายในโมดูลเดียวกันคือเครื่องมือต่อระบบอัตโนมัติอย่าง n8n ที่มีทั้งคลิปสอนต่อทีม agent แบบไม่เขียนโค้ด และเอกสารของ n8n ให้ตามอ่านต่อ ใครอยากได้แผนเรียนที่บังคับส่งชิ้นงานจริงก่อนข้ามขั้น ลองเทียบกับ Agent Learning Hub แผนเรียนสร้าง AI Agent 9 ด่าน ดูควบคู่กันไป

เรียนสามโมดูลนี้จบก็เข้าใจภาพรวมของงานที่คนทำกันจริงในปี 2026 ได้พอสมควร โดยไม่ต้องแตะโมดูลคณิต โมดูลงานภาพ หรือโมดูล reinforcement learning ที่ว่าด้วยการฝึกโมเดลด้วยการให้รางวัลเลยสักโมดูล

เส้นสร้างโมเดล ลำดับเดิมยังคุ้มที่จะไล่

ถ้าปลายทางคือเทรนโมเดลเอง ก็ควรเรียนตามลำดับเดิม เหตุผลตรงไปตรงมา คนที่จะปรับโมเดลต้องอ่านสูตรออก ต้องรู้ว่าเมทริกซ์คูณกันแล้วเกิดอะไรขึ้น และต้องจัดข้อมูลดิบให้อยู่ในรูปที่โมเดลรับได้

เริ่มที่โมดูล 0 ซึ่งเป็นเรื่องเครื่องมือล้วนๆ ลงโปรแกรมเขียนโค้ดอย่าง Visual Studio Code ลง pip ตัวติดตั้งไลบรารีของ Python แล้วไล่ติดตั้งไลบรารีตามลิสต์ที่เตรียมไว้ให้ จากนั้นจึงเป็นโมดูล 1 คณิตศาสตร์ โมดูล 2 ภาษา Python ผ่านคอร์ส CS50 ของ HarvardX และโมดูล 3 data science ที่มีใบรับรองของ IBM ติดดาวไว้

ในโมดูล 4 machine learning มีจุดที่เจ้าของโรดแมปเตือนไว้เอง คอร์ส Machine Learning Specialization ของ Andrew Ng มีหมายเหตุกำกับว่าเป็นระดับผู้เชี่ยวชาญ ให้เก็บไว้เรียนตอนพื้นฐานแน่นแล้ว ไม่ใช่ของที่หยิบมาเรียนวันแรก

เลยจากนั้นเป็นช่วงเจาะเฉพาะทาง โมดูล 5 computer vision มี OpenCV Bootcamp ติดดาวไว้ ส่วนเพลย์ลิสต์ของ Stanford ในโมดูลเดียวกันมีป้ายเตือนไว้ว่ายากมาก โมดูล 6 deep learning มีคอร์สเรื่อง CNN โครงข่ายที่ใช้กับงานภาพ ติดดาวไว้ และมีเพลย์ลิสต์ Neural Networks: Zero to Hero สำหรับคนที่อยากเห็นว่า Neural Networks สร้างขึ้นมาทีละขั้นอย่างไร

ส่วนโมดูล 8 เรื่อง NLP งานประมวลผลภาษา และโมดูล 9 เรื่อง reinforcement learning อยู่ถัดจาก Generative AI ในลำดับเดิม ซึ่งสำหรับเส้นนี้ก็ยังเข้าท่า เพราะทั้งคู่ต่อยอดจากพื้นฐานที่วางมาแล้วทั้งหมด ปิดท้ายที่โมดูลโบนัส ซึ่งรวมคอร์สระดับสูงของ Stanford, Google และ IBM ไว้ให้เลือกเดินต่อ

สิ่งที่ต้องเผื่อใจไว้ก่อนกดเข้าไป

อีกเรื่องคือของแบบนี้มีอายุของมัน ลิสต์ที่คนคนเดียวดูแลย่อมมีวันที่ลิงก์ตายหรือคอร์สย้ายที่ และดาวที่ติดไว้ก็เป็นความเห็นของคนคัด ไม่ใช่ผลการทดสอบ เจอลิงก์เสียเมื่อไรก็ข้ามไปหยิบคอร์สเรื่องเดียวกันจากเจ้าของเทคโนโลยีเองได้ ซึ่งบริษัท AI หลายเจ้าเปิดสอนฟรีไว้อยู่แล้ว ตามดูได้จากรวมคอร์สเรียน AI ฟรี จากบริษัทตัวจริงระดับโลก

เราแก้เนื้อหาในโรดแมปฟรีนี้เองไม่ได้ ต้องรอคนดูแลอัปเดตให้ แต่ลำดับที่เราเลือกอ่านเป็นของเราตั้งแต่แรกอยู่แล้ว

---

ที่มา: โปรเจกต์ AI-ML-Roadmap-from-scratch บน GitHub