- Rename 425logo file

- Update sponsors in README
- Update sponsors, text, links to registration-info-2024 in index.html
- Add and update registration-info-2024

README.md

@@ -16,6 +16,8 @@ AI Builders เป็นโครงการสำหรับน้องๆ
 
 โครงการ AI Builders ก่อตั้งขึ้นในปี 2021 จากความร่วมมือระหว่าง VISTEC/VISAI และ Central Retail Digital เพื่อพัฒนาองค์ความรู้ทางด้านวิทยาศาสตร์ข้อมูล (Data Science) และปัญญาประดิษฐ์ (Artificial Intelligence / AI) ให้กับน้องๆระดับมัธยมต้น-ปลาย ที่สนใจอยากเรียนรู้และพัฒนาโครงงานที่ใช้ทักษะในด้านนี้เพื่อประยุกต์ใช้จริงในชีวิตประจำวัน
 
+ผู้สนับสนุน 2024: PMU-B, AWS, Central Retail Digital และ 425 Degree
+
 ผู้สนับสนุน 2023: PMU-B, AWS, DELL, OSKAI, VISAI, Krungsri Nimble
 
 ผู้สนับสนุน 2022: VISAI, Krungsri Nimble, AWS, AIA, DELL และ Central Digital
@@ -26,6 +28,18 @@ Facebook Page: [AI Builders](https://www.facebook.com/aibuildersx)
 
 ## Our Sponsors
 
+### AI Builders 2024
+
+<p class="sponsor-imgs">
+  <div class="row">
+      <img src="docs/images/pmub_logo.png"  height="50" />
+      <img src="docs/images/AWS_logo.png"  height="50" />
+      <img src="docs/images/vistec_logo.png"  height="50" />
+      <img src="docs/images/central_digital_logo.png"  height="50" />
+      <img src="docs/images/425degree_logo.png"  height="50" />
+  </div>
+</p>
+
 ### AI Builders 2023
 
 <p class="sponsor-imgs">

docs/_posts/2024-2-27-registration-info-2024.md

@@ -0,0 +1,104 @@
+---
+layout: post
+title: รายละเอียดการลงทะเบียนปี 2024
+---
+
+โครงการ AI Builders 2024 ก่อตั้งขึ้นจากความร่วมมือระหว่าง VISTEC, VISAI, Central Digital, บพค., DELL, กลุ่ม OSK Artificial Intelligence, และ Krungsri Nimble เพื่อพัฒนาองค์ความรู้ทางด้านวิทยาศาสตร์ข้อมูล (Data Science) และปัญญาประดิษฐ์ (Artificial Intelligence / AI) ให้กับน้องๆระดับมัธยมต้น-ปลาย ที่สนใจอยากเรียนรู้และพัฒนาโครงงานที่ใช้ทักษะในด้านนี้เพื่อประยุกต์ใช้จริงในชีวิตประจำวัน
+
+**ช่วงเวลาการรับสมัคร**
+28 กุมภาพันธ์ - 17 มีนาคม 2024
+
+**ช่วงเวลาของโครงการ**
+2 เมษายน - 5 มิถุนายน 2024
+
+**ระยะเวลาของโครงการ**
+10 สัปดาห์ สัปดาห์ละ 4 - 8 ชั่วโมง (ปฐมนิเทศ 1 สัปดาห์ + บทเรียน 8 สัปดาห์ + นำเสนอผลงาน 1 สัปดาห์)
+
+**วัตถุประสงค์**
+เสริมสร้างความเชี่ยวชาญด้านปัญญาประดิษฐ์ให้กับนักเรียนระดับมัธยมต้น-ปลาย
+เพื่อให้เข้าใจการทำงานของปัญญาประดิษฐ์เบื้องต้น นำไปสู่การทดลองสร้างโมเดลปัญญาประดิษฐ์และแอพพลิเคชั่นเพื่อแก้ปัญหาที่เกิดขึ้นในชีวิตจริงได้ในโครงงานจบการศึกษา (Capstone Project)
+
+**ผลลัพธ์ที่คาดหวัง**
+
+- โครงงานจบการศึกษา (Capstone Project) เป็นโมเดลปัญญาประดิษฐ์และแอพพลิเคชั่นเพื่อแก้ปัญหาที่เกิดขึ้นในชีวิตจริง เช่น ลดเวลาการทำงานของมนุษย์ ทำในสิ่งที่มนุษย์ทำไม่ได้ หรือช่วยให้มนุษย์เข้าใจโลกรอบตัวได้ดีขึ้น โมเดลที่สร้างอาจจะไม่จำเป็นต้องมีประสิทธิภาพเทียบเท่า state-of-the-art (แม้เราเชื่อว่ามีความเป็นไปได้ไม่น้อย) แต่ทำเพื่อให้นักเรียนเข้าใจการทำงานของโมเดล นำไปต่อยอดในอนาคต และที่สำคัญสนุกกับการสร้างปัญญาประดิษฐ์
+  โครงงานประกอบด้วย
+  - โมเดลปัญญาประดิษฐ์พร้อมโค้ดบน Github / Kaggle
+  - บทความบรรยายวิธีคิดและการแก้ปัญหาโดยใช้ปัญญาประดิษฐ์บน Medium
+  - การนำเสนอผลงานต่อผู้ทรงคุณวุฒิ
+- ความเชี่ยวชาญด้านการเขียนโปรแกรมและสร้างปัญญาประดิษฐ์
+  - ทักษะการคิดวิธีแก้ปัญหาด้วยปัญญาประดิษฐ์
+  - ทักษะการเขียนโปรแกรมพื้นฐานด้วย Python
+  - ทักษะจัดการข้อมูลพื้นฐาน
+  - ทักษะคณิตศาสตร์ระดับมัธยมปลาย
+  - สร้างโมเดล deep learning สำหรับข้อมูลประเภทรูปภาพ ตาราง และข้อความด้วยเครื่องมือที่เหมาะสม
+- เรียนรู้การทำงานเป็นทีม แบ่งปันทักษะ และเรียนรู้ไปด้วยกันกับเพื่อนๆในโครงการ
+- เข้าใจความสำคัญของชุมชน open source และร่วมเป็นส่วนหนึ่งของการแบ่งปันทักษะ ข้อมูล และโมเดลให้กับสังคม
+
+**เกณฑ์การรับสมัคร**
+
+- คอมพิวเตอร์ที่สามารถเข้าถึงอินเตอร์เน็ตได้
+- ความรู้ด้านคณิตศาสตร์ระดับมัธยมปลาย
+  - พีชคณิตเชิงเส้น (linear algebra)
+  - ความน่าจะเป็นและสถิติ
+  - แคลคูลัสเบื้องต้น; เฉพาะเรื่อง derivatives, chain rule และ partial derivatives
+- ทักษะการฟังและอ่านภาษาอังกฤษขั้นพื้นฐาน
+- ความอยากรู้อยากเห็นและความมุ่งมั่นในการสร้างโครงงาน
+- จิตอาสาเพื่อแบ่งปันผลงานกับชุมชน open source
+
+โครงการรองรับน้องๆทุกระดับความเชี่ยวชาญตั้งแต่
+
+- น้องๆที่อยากเข้ามาเรียน AI ตั้งแต่เริ่มต้น อาจจะยังไม่เคยเขียนโค้ดมาก่อน อยากพัฒนาโครงงานที่ใช้ AI ไปใช้งานในอนาคต
+- น้องๆที่อยากเข้ามาเรียน AI โดยที่มีโจทย์ในใจอยู่ระดับนึงแล้ว มีประสบการณ์ด้านการเขียนโปรแกรมเบื้องต้น
+- น้องๆที่กำลังทำงานวิจัย-ผลิตภัณฑ์ อยากเข้ามาเรียนรู้เพิ่มเติมและต้องการ feedback จากอาจารย์หรือ mentor
+
+นักเรียนสามารถทำโครงงานคนเดียวหรือเป็นคู่ โดยทางโครงการส่งเสริมการแลกเปลี่ยนความคิดเห็นและ pair programming กับเพื่อนๆ TA หรือ mentor ถ้าติดขัดในโครงงานสามารถติดต่อ TA และ mentor ได้ทาง [AI Builders (Facebook Page)](https://www.facebook.com/aibuildersx) และ AI Builders Discord (เข้าได้เฉพาะนักเรียนม mentor, TA, วิทยากร และศิษย์เก่า)
+
+**จำนวนที่รับและการลงทะเบียน**
+
+ด้วยจำนวน mentor และ TA เราสามารถรับนักเรียนเข้าโครงการได้ 50 คนเท่านั้น ผู้สนใจเข้าร่วมสามารถลงทะเบียนได้[ที่นี่](https://ai-builders.github.io/register/) โดยเราจะพิจารณาจากแบบทดสอบ เหตุผลที่สมัคร ความมุ่งมั่น และความหลากหลายของนักเรียนที่สมัครเข้ามาในโครงการ
+
+**รูปแบบการเรียนการสอน**
+
+เราจะใช้ระบบ flipped classroom โดยให้ผู้เรียนฟัง
+สำหรับตารางเรียนเราจะอิงตามเนื้อหาที่ทีมงาน AI Builders สร้างและรวบรวมขึ้นมาเองเพื่อโครงการโดยเฉพาะ [ai-builders/curriculum](https://github.com/ai-builders/curriculum) กิจวัตรประจำในแต่ละสัปดาห์เป็นไปดังนี้
+
+1. นักเรียนดูวิดีโอบทเรียนจาก [ai-builders/curriculum](https://github.com/ai-builders/curriculum)
+
+2. หากมีข้อสงสัยส่งคำถามเพื่อให้ทีมงานตอบในคาบได้ผ่านแบบฟอร์มออนไลน์
+
+3. ทุกเย็นวันพุธ จะมีคาบเรียนออนไลน์กันใน Gather.town เริ่มจากทีมงานตอบคำถามเกี่ยวกับบทเรียนและกลุ่มที่กำหนดในแต่ละสัปดาห์มาทำหน้าที่สรุปบทเรียนให้เพื่อนๆฟัง ใช้เวลารวมไม่เกิน 1 ชั่วโมง
+
+4. หลังจากนั้น นักเรียนทุกคนแยกย้ายไปตามกลุ่มเพื่อปรึกษาโครงงานกับ mentor และ TA
+
+5. นอกคาบเรียน นักเรียนสามารถปรึกษา mentor และ TA ได้ใน AI Builders Discord (เข้าได้เฉพาะนักเรียนม mentor, TA, วิทยากร และศิษย์เก่า)
+
+<figure align="center">
+  <img src="{{ site.baseurl }}/images/gathertown-example.jpg" style="width: 400px;"/>
+  <figcaption>ตัวอย่างการเจอกันออนไลน์</figcaption>
+</figure>
+
+**การดำเนินโครงการ**
+
+- <u>สัปดาห์ที่ 0 ปฐมนิเทศ</u>:
+  - ยินดีต้อนรับทุกคนเข้าสู่โครงการ AI Builders!
+  - แนะนำตัวและทำความรู้จักกับเพื่อน, mentor และ TA
+  - แนะนำข้อมูลเกี่ยวกับโครงการ, กิจวัตรประจำสัปดาห์ และการประเมินจบการศึกษา
+- <u>สัปดาห์ที่ 1 - บทที่ 1 Machine Learning คืออะไร / เปลี่ยนปัญหาที่อยากแก้เป็นโจทย์ Machine Learning</u>:
+  - [บทเรียน] เรียนรู้ว่า Artificial Intelligence (AI), Machine Learning (ML) และ Deep Learning (DL) คืออะไร เหมือนกันหรือแตกต่างกันอย่างไร เราจะเรียนรู้ส่วนประกอบของระบบ machine learning และวิธีการเทรน machine learning model
+  - [โครงงาน] หาปัญหาที่สำคัญกับคุณ, คิดว่าจะแก้ปัญหานี้ด้วย ML ได้อย่างไร, ปัญหาของคุณเป็น ML task ชนิดไหน, จะวัดผลอย่างไรให้รู้ว่าแก้สำเร็จแล้ว, คิดถึงทางแก้ที่มีอยู่ในปัจจุบันว่าทำได้ดีแค่ไหน
+- <u>สัปดาห์ที่ 2 - บทที่ 2 ชุดข้อมูลมหัศจรรย์และถิ่นที่อยู่ / เริ่มหาข้อมูลสำหรับเทรนโมเดล</u>:
+  - [บทเรียน] เรียนรู้วิธีการหาข้อมูลมาเทรนโมเดลของเราทั้งจากชุดข้อมูล open data, web scraping, หรือสร้างขึ้นมาเองจากโมเดลและโค้ด open source
+  - [โครงงาน] เริ่มหาชุดข้อมูลสำหรับเทรนโมเดล, คิดถึงวิธีการทำ train-validation-test split ที่เหมาะสมกับการวัดผล
+- <u>สัปดาห์ที่ 3 - บทที่ 3 Stochastic Gradient Descent ตั้งแต่เริ่มต้น / เทรนโมเดลแรก</u>:
+  - [บทเรียน] ลองสร้างโมเดล ML สมัยใหม่ขึ้นมาเองตั้งแต่ต้นด้วย PyTorch กับเทคนิค Stochastic Gradient Descent
+  - [โครงงาน] เริ่มทำความเข้าใจชุดข้อมูลและเทคนิค ML ที่จะใช้, พยามเทรนโมเดลแรกให้เร็วที่สุดเท่าที่จะทำได้
+- <u>สัปดาห์ที่ 4 – 6 - บทที่ 4-6 เลือก Track: Images, Texts, Tabular Data / ปรับแต่งโมเดลและแก้ปัญหา</u>:
+  - [บทเรียน] เลือกเรียน Track ตามรูปแบบข้อมูลที่ต้องการ หรืออาจจะดูให้ครบทุก Track เลยก็ได้
+  - [โครงงาน] เริ่มศึกษาผลจากการทำโมเดลแรก ไม่ต้องกังวลหากผลไม่เป็นไปตามที่คิด คุณอาจจะต้องกลับไปทำความสะอาดข้อมูลใหม่ ลองโมเดลใหม่ ศึกษาข้อมูลให้มากกว่าเดิม ปรับแต่งตัวชี้วัด หรือแม้แต่ลองคิดถึงปัญหาให้ละเอียดอีกรอบ นี่คือวงจรของการทำงาน AI ในชีวิตจริง
+- <u>สัปดาห์ที่ 7 - บทที่ 7 จริยธรรมปัญญาประดิษฐ์ / ตรวจสอบโครงงานและเริ่มคิดถึงการประเมินผล</u>:
+  - [บทเรียน] เรียนรู้เกี่ยวกับจริยธรรมปัญญาประดิษฐ์ ข้อมูลที่เราเก็บ-โมเดลที่เราใช้ว่าอาจมีอคติซ่อนอยู่อย่างไร และเราจะทำอย่างไรเพื่อแก้หรือบรรเทาปัญหาเหล่านี้
+  - [โครงงาน] ตรวจดูโครงงานของเราว่ามีข้อกังวลทางจริยธรรมปัญญาประดิษฐ์หรือไม่ เตรียมเขียนสรุปลงใน Medium และอัพโหลดงานขึ้น Github
+- <u>สัปดาห์ที่ 8 - บทที่ 8 Prototype Deployment / เตรียมนำเสนอผลงานเพื่อประเมินผล</u>:
+  - [บทเรียน] เรียนวิธีการนำโมเดลที่เทรนเสร็จแล้วไปใช้ผ่าน web application ด้วย Streamlit
+  - [โครงงาน] สรุปผลงานและเตรียมการนำเสนอต่อ mentor เพื่อประเมินผล ประกอบด้วยการนำเสนอ 7 นาทีและถาม-ตอบ 3 นาที
+- <u>สัปดาห์ที่ 9 นำเสนอผลงานเพื่อประเมินผลกับ mentor</u>