693038411_10163516987548649_4153949649942815685_n

หลายคนมักคิดว่า Data คือเรื่องของโค้ด คณิตศาสตร์ หรือคนสายคอมพิวเตอร์โดยเฉพาะ ก่อนเข้า Bootcamp ฉันก็เคยคิดแบบนั้นเหมือนกัน แต่สิ่งที่ได้จาก DataRockie Mini Bootcamp 2026 กลับไม่ใช่แค่การเรียนเครื่องมือใหม่ หากเป็นการค่อย ๆ เปลี่ยนวิธีคิดเกี่ยวกับการเรียนรู้ การทำงาน และการรับมือกับโลกที่กำลังเปลี่ยนเร็วขึ้นทุกวัน

สิ่งที่ทำให้ Mini Bootcamp 2026 ต่างจากภาพจำของคอร์ส data ทั่วไป คือปีนี้ไม่ได้มาในธีม “เรียนรู้การใช้เครื่องมือให้เก่งขึ้น” เพียงอย่างเดียว แต่ถูกออกแบบภายใต้แนวคิด Street Fighter / Learn to Survive หรือพูดอีกแบบคือ

การไม่หวังให้โลกช้าลงหรือใจดีขึ้น แต่คือการทำให้ตัวเราแข็งแรงขึ้นแทน What stands in the way becomes the way. - Marcus Aurelius | The Philosopher King

ธีมของปีนี้สะท้อนมุมมองที่ตรงไปตรงมาของ DataRockie ต่อโลกยุค AI เก่งขึ้นทุกวัน ตลาดแรงงานที่เปลี่ยนอย่างรวดเร็ว เศรษฐกิจไม่แน่นอน และความรู้จำนวนมากล้าสมัยเร็วกว่าที่เคย ในโลกที่ automation และ AI กำลังเข้ามาเปลี่ยนรูปแบบงานจำนวนมาก
การเรียนรู้ จึงไม่ใช่ luxury อีกต่อไป แต่เริ่มกลายเป็น skill of survival

Mini Bootcamp ปีนี้จึงไม่ใช่คอร์สเรียนเพื่อสะสม certificate เพียงอย่างเดียว แต่เป็น invitation แบบหนึ่ง ชวนให้กลับมาถามว่า

เรากำลังสร้างตัวเองให้พร้อมสำหรับอนาคตจริงหรือยัง?

The Age of Generalists

อีกธีมที่ชอบมากของ Mini Bootcamp 2026 นี้ คือ The Age of Generalists

วันนี้ขอบเขตของการเรียนรู้ไม่ได้หยุดอยู่แค่ data อีกแล้ว

Mini Bootcamp หลายปีหลังขยายไปสู่

และนั่นสะท้อนความจริงบางอย่างของยุค AI อนาคตอาจไม่ใช่การแข่งขันว่าใครจำ syntax ได้มากที่สุด แต่เป็นการแข่งขันว่า ใครสามารถเชื่อมโยงหลายศาสตร์เข้าด้วยกันได้ดีกว่า เพราะในวันที่ AI เขียนโค้ด สรุปข้อมูล หรือทำงาน routine ได้ดีขึ้นเรื่อย ๆ

คุณค่าของมนุษย์อาจไม่ได้อยู่ที่การ “รู้คำสั่ง” แต่อยู่ที่

หรือพูดอีกแบบ

ไม่ใช่แค่ becoming a data analyst แต่คือ becoming a capable generalist.

What I Actually Learned This Year

Day 1 — AI for Everyone

01 - AI is a branch of computer science dedicated to building software and systems capable of performing tasks that traditionally require human cognitive functions —such as reasoning, learning, problem-solving, and understanding language.
AI เป็นสาขาหนึ่งของ computer science ที่สร้าง software/system ให้ทำสิ่งต่างๆที่มนุษย์ทำซึ่งต้องอาศัยทักษะการรู้คิดของมนุษย์

02 - 1-Second Rule สิ่งที่มนุษย์เราคิดออกทางแก้ปัญหาได้ภายใน 1 นาที =
AI อาจทำได้เหมือนกัน

03 - มนุษย์เรียนรู้จากประสบการณ์ แต่ AI เรียนรู้จาก Data

04 - มนุษย์: ช้า ต้องการตัวอย่างน้อยเพื่อเรียนรู้ concept ใหม่
แต่ AI: เร็ว ต้องการตัวอย่างมากเพื่อเรียนรู้ concept ใหม่

05 - มนุษย์: มีวันหมดอายุขัย ต้องเริ่มจาก 0 แต่ AI: ไม่มีวันหมดอายุขัย
ถ้ามี data ก็เรียนรู้ได้เร็วไม่ต้องเริ่มจาก 0

06 - นิยามของ Artificial Intelligence Machine Learning Deep Learning และ Generative AI

AI = การทำให้เครื่องจักรหรือคอมพิวเตอร์ คิดและตัดสินใจได้เหมือนมนุษย์
ML = การสอนให้คอมพิวเตอร์ เรียนรู้จากข้อมูล โดยที่เราไม่ต้องป้อนกฎทุกอย่าง
(AI ที่เรียนรู้จากข้อมูล)
DL = สาขาย่อยของ ML แต่ที่พิเศษคือ มันใช้เทคนิคที่เรียกว่า Neural Network หรือ “เครือข่ายประสาทเทียม” ซึ่งออกแบบเลียนแบบการทำงานของสมองคน (ML ที่ใช้สมองจำลอง เรียนรู้เรื่องยากๆ) เหมาะกับงานที่ซับซ้อนขึ้น เช่น การรู้จำเสียงพูดหรือการแปลภาษาแบบอัตโนมัติ
Gen AI = AI ที่สร้างสิ่งใหม่ๆ ได้ ไม่ใช่แค่ตอบคำถามหรือจำแนกข้อมูล แต่สามารถสร้างผลงานใหม่ เช่น ChatGPT ช่วยแต่งบทความหรือเขียนโค้ด

07 - วิวัฒนาการของซอฟต์แวร์ออกเป็น 3 ยุค Software 1.0 คือยุคที่เราบอกคอมพิวเตอร์ว่าต้องทำอะไรผ่านภาษาโปรแกรมแบบดั้งเดิม เช่น Python หรือ C++ Software 2.0 คือยุคที่เรา “สอน” คอมพิวเตอร์ผ่านข้อมูลให้มันเรียนรู้เองว่าอะไรคือคำตอบที่ถูกโดยใช้โมเดลอย่าง neural network และ Software 3.0 คือยุคปัจจุบันที่เรา “คุยกับคอมพิวเตอร์” ด้วยภาษาคนจริง ๆ (GPT หรือ Claude)

08 - AI model แบบ Supervised Learning คือการนำ logic หรือ model ที่เราคิดขึ้นมา ใช้เขียนโปรแกรมเพื่อให้ได้ output จาก input ที่รับเข้ามา เช่น การสอนเด็ก input ของเราก็คือภาพสัตว์ชนิดต่างๆ ส่วน output ก็คือคำตอบว่าภาพที่รับเข้าไปเป็นภาพสัตว์ชนิดอะไร (A -> B Mappings)

09 - The Virtuous Cycle of AI by Andrew Ng =
More Data -> Build Better Product -> More Users

10 - The Virtuous Cycle of AI by DataRockie =
Make Money -> Buy Tokens -> Create Value

11 - Skill คือ สิ่งที่ has market value + few people can do it

12 - The New Economics = Skill + Internet + AI

13 - ANI หรือ Narrow AI ที่เก่งเฉพาะทาง เช่น ขับรถได้ เล่นโกะได้ ทำกับข้าวได้แต่ทำทุกอย่างพร้อมกันไม่ได้
AGI (Artificial General Intelligence) มีสติปัญญาและความคิดเทียบเท่ามนุษย์ สามารถเรียนรู้ คิดวิเคราะห์ และทำงานได้หลากหลายแบบครอบจักรวาลเหมือนที่คนทำได้
ส่วน Artificial Super Intelligence (ASI) คือ AI ขั้นสูงสุดที่มีความฉลาดเหนือกว่ามนุษย์ในทุกด้าน ไม่ว่าจะเป็นความคิดสร้างสรรค์ ทักษะทางสังคม หรือการแก้ไขปัญหาที่ซับซ้อน ปัจจุบันยังเป็นเพียงแนวคิดทางทฤษฎีเท่านั้น ยังไม่มีอยู่จริงและยังอยู่ในขั้นตอนการพัฒนา -> lead to AI Job Apocalypse?

14 - หากถามเรื่องราวปัจจุบัน หรืออัปเดตใหม่ๆ หลังวัน Knowledge Cutoff AI จะไม่สามารถตอบได้ หรืออาจให้ข้อมูลที่ผิดพลาด (Hallucination) ในการแก้ไขข้อจำกัดนี้
AI บางตัวสามารถใช้ฟีเจอร์การค้นหาข้อมูลผ่านอินเทอร์เน็ต (Web Browsing) เพื่อสืบค้นข้อมูลล่าสุดได้

15 - English is the new programming language (Prompt)
but Golden Rule = Write clear, specific and detailed instructions

16 - Vibe coding คือ เทรนด์การพัฒนาซอฟต์แวร์รูปแบบใหม่ที่ผู้ใช้ทำหน้าที่เป็นผู้สั่งการหรือบรีฟงาน (Prompt) โดยอธิบายสิ่งที่ต้องการด้วยภาษาธรรมชาติ แล้วปล่อยให้ Generative AI (เช่น ChatGPT, Cursor, หรือ Windsurf) เป็นผู้ลงมือเขียนโค้ดทั้งหมดตั้งแต่ต้นจนจบ คือสิ่งที่ Andrej Karpathy เรียกว่า New kind of coding ซึ่งตรงข้ามกับ Agentic Engineering

17 - LLM Wiki คือ แนวคิดการสร้างฐานความรู้ส่วนบุคคล (Personal Knowledge Base) ที่ใช้ AI Agent มาช่วยสังเคราะห์ คัดแยก และจัดการข้อมูลดิบให้กลายเป็นสารคดีหรือหน้าวิกิ (Wiki) ที่มีโครงสร้างเชื่อมโยงกันอย่างเป็นระบบ เมื่อคุณต้องการข้อมูล จะสามารถถามจากหน้าวิกิที่ถูกสรุปและจัดระเบียบไว้แล้ว ทำให้ได้ข้อมูลที่ลึกซึ้งและเชื่อมโยงกัน (Cross-referenced) มากขึ้น ซึ่งริเริ่มโดย Andrej Karpathy
(ผู้ร่วมก่อตั้ง OpenAI และอดีตผู้อำนวยการฝ่าย AI ของ Tesla)

18- Second Brain หรือ “สมองที่สอง” คือ ระบบจัดการความรู้ส่วนบุคคลที่จะช่วยให้เราจัดการกับข้อมูลได้อย่างมีประสิทธิภาพ โดยเชื่อว่า “สมองของเรามีไว้เพื่อคิด ไม่ใช่เพื่อจำ” การสร้าง Second Brain ไม่ใช่เรื่องยาก แต่ต้องมีระบบที่ดี Tiago Forte ผู้เชี่ยวชาญด้านการจัดการความรู้ได้พัฒนาวิธีการที่เรียกว่า CODE Method ซึ่งประกอบด้วย
4 ขั้นตอนหลัก
[1] Capture (จับประเด็น): เลือกเก็บสิ่งที่มีค่า
[2] Organize (จัดระเบียบ): ระบบ PARA ที่ใช้งานได้จริง
[3] Distill (กลั่นกรอง): ทำข้อมูลให้พร้อมใช้
[4] Express (แสดงออก): สร้างสรรค์ผลงานจากความรู้

19 - LLM Wiki is fast , AI generated;
Second brain is slow, human craft quality

20 - Building a business = Fastlane way to maximize value per token.
So, Live life on the FASTLANE

Day 2 — Full Stack Google Sheets

01 - If you can write better prompts and have better data -> better results So, create an expert data analyst GEM or build a Notebook
[Knowledge Base]

02 - รวมสูตร Google Sheets

=ARRAYFORMULA ( A1:A2000 * 2) สูตรของ Google Sheets ทำงานแบบ Array เวลาเขียนสูตรเสร็จ กดปุ่ม CTRL+SHIFT+ENTER พร้อมกัน

= “I’m learning Google Sheets ” & “ with AdToy” ไว้ใช้เชื่อม Text & Text

=LET( income, 50000, expense, 36000, income-expense )

=LAMBDA ( name, domain, name & “@” & domain ) ( “toy”, “datarockie.com”)

=REGEXMATCH (“text”, “pattern”)

ฟังก์ชันใหม่ =AI() เรียกใช้ Gemini ได้โดยตรงใน Cell (เสียเงิน)

03 - Pivot Table คือเครื่องมือที่เราใช้สร้าง Report แบบไม่ต้องเขียนโค้ดให้เมื่อยมือ UI แบบ drag & drop ลากตัวแปรมาวางใน template เสร็จเลย

Day 3 — Writing to Think

01 - Second Brain = a thinking tool + production system

02 - "Your mind is for having ideas, not holding them."
by David Allen, Getting Things Done

03 - Stages of Personal Knowledge Management
= Remembering -> Connecting -> Creating

04 - PARA ย่อมาจาก Project Area Resource Archive ตามลำดับ เป็นวิธีการจัดการข้อมูลตาม "Actionability"

[1] Project คือโปรเจ็คระยะสั้นที่เราต้องการทำให้สำเร็จ มี Goal และ Deadline ชัดเจน
[2] Area คือความรับผิดชอบของเรา ทำไปเรื่อยๆ ไม่มีกำหนด Deadline อันนี้จะมองแบบ Long Term หน่อย
[3] Resource คือข้อมูลทั่วไป ความสนใจของเราที่น่าจะได้ใช้ประโยชน์ในอนาคต สามารถแชร์ต่อให้คนอื่นๆได้ด้วย
[4] Archive ตามชื่อเลย คืออะไรที่เราต้องการจะเก็บ Backup ไว้

05 - The Writing Method = Note -> Outline -> Draft ->Edit

06 - Good writing = Clear + Simple + Brief + Be Human + Logic

07 - "The Purpose of Knowledge is to be shared." by Tiago Forte

08 - Write Your Own Way because writing is a muscle you can develop and practice everyday.

What Changed for Me

ก่อนเข้า Bootcamp ฉันเคยมอง data เป็นเรื่องของ tools

แต่หลังเรียน มุมมองเริ่มเปลี่ยน สิ่งสำคัญอาจไม่ใช่ tools แต่คือ mindset

Data analyst ไม่ใช่คนที่เขียนโค้ดเก่งที่สุด แต่คือคนที่ตั้งคำถามได้ดีพอ
Statistics ไม่ได้มีไว้สอบ แต่มีไว้ตัดสินใจ
Dashboard ไม่ได้มีไว้สวย แต่มีไว้ทำให้คนเข้าใจข้อมูลเร็วขึ้น
และ coding ไม่ได้มีไว้จำ syntax แต่มีไว้สร้าง workflow ที่ช่วยให้เราใช้เวลาคิดมากขึ้น

Final Reflection

ฉันไม่ได้ออกจาก Bootcamp พร้อมคำว่า “เก่ง data แล้ว รู้ทุกอย่างแล้ว” แต่เดินออกมาพร้อมความเข้าใจที่ชัดขึ้นว่า โลกของ data ไม่ใช่พื้นที่เฉพาะของอัจฉริยะสายคอม

มันคือพื้นที่ของคนที่พร้อมเรียนรู้ ตั้งคำถาม และค่อย ๆ สร้างระบบการคิดของตัวเอง และเมื่อมองย้อนกลับไป Mini Bootcamp 2026 ไม่ได้สอนแค่ AI + Sheets + Writing แต่กำลังพยายามสอนบางสิ่งที่ใหญ่กว่านั้น

AI → ช่วยเพิ่ม leverage
Sheets → ช่วยจัดการข้อมูลและ workflow
Writing → ช่วยพัฒนาความคิด

ทั้งสามเรื่องเชื่อมกันเป็น ecosystem เดียว

และสามารถสรุปสั้นๆได้ว่า

Learn to survive.
Learn to think.
Learn to build yourself stronger.

บางที survival ในยุคนี้ อาจไม่ได้หมายถึงการวิ่งเร็วกว่าใคร
แต่คือการไม่หยุดเรียนรู้และไม่หยุดพัฒนาตัวเองเลยต่างหาก

Sources: DataRockie