PROFESSIONAL AI TRACK
AI Engineer's Guide to Practical AI
เรียน AI อย่างถูกทางจากพื้นฐานสู่การใช้งานจริง
หลักสูตร Reskill บุคลากรยุคใหม่ให้มี AI Literacy และพื้นฐานด้าน AI ที่ถูกต้อง ใช้งาน AI ได้อย่างมีประสิทธิภาพ ปลอดภัย และพร้อมต่อยอดในอนาคต
จองวันอบรมกับเรา
อบรมองค์กร
ปลดล็อคความสามารถของบุคลากรในบริษัทด้วยหลักสูตรอบรมที่ออกแบบมาเพื่อคุณ
- อบรม ณ สถานที่ของคุณ
- ปรับหลักสูตรได้ตามต้องการ
- สามารถยื่นกรมพัฒน์ฯ ได้
อบรมกลุ่มเล็ก
อบรมกลุ่มเล็กกับอาจารย์ผู้สอนได้ประโยชน์อย่างเต็มประสิทธิภาพ
- เหมาะสำหรับการอบรม 1-5 คน
- อบรม ณ สถานที่ของคุณ
- ปรับหลักสูตรได้ตามต้องการ
อบรม Public
เรียนร่วมกับผู้เข้าอบรมจากหลายองค์กรในรอบอบรมที่เปิดรับ พร้อมสถานที่อบรมใจกลางเมือง
5,900 บาท
ราคาต่อท่าน สำหรับ Public Training
24-25 มิถุนายน 2569
สถานที่อบรม
ห้องอบรม BE ACADEMY
ชั้น 32 อาคารสกุลไทย ทาวเวอร์
ถนนสุรวงศ์
-
BTS ศาลาแดง
-
MRT สามย่าน
สะดวกในการเดินทาง
ผู้มาอบรมสามารถเดินทางด้วยรถไฟฟ้า BTS มาลงที่สถานีศาลาแดง เพื่อเดินทางมาห้องอบรมได้ และสำหรับผู้มาอบรมที่นำรถยนต์มา สามารถจอดรถได้ฟรี โดยไม่มีค่าใช้จ่ายเรื่องค่าจอดรถ
คอร์ส AI Engineer's Guide to Practical AI
หลักสูตรสำหรับการ Reskill บุคลากรยุคใหม่ ให้มี AI Literacy และพื้นฐานด้าน AI ที่ถูกต้อง เพื่อเข้าใจ ประเมิน และใช้งาน AI ได้อย่างมีประสิทธิภาพ ปลอดภัย และพร้อมต่อยอดสู่เครื่องมือ AI และการประยุกต์ใช้งานรูปแบบใหม่ในอนาคต
สรุปหลักสูตร
หลักสูตรนี้มีเป้าหมายเพื่อ Reskill บุคลากรยุคใหม่ให้มี AI Literacy มีกรอบความคิดที่ถูกต้อง และมีพื้นฐานเชิงปฏิบัติที่สามารถนำไปใช้กับเครื่องมือ AI ทั้งในปัจจุบันและอนาคตได้อย่างมีประสิทธิภาพ ปลอดภัย และมั่นใจ หลังเรียนจบ ผู้เรียนจะเข้าใจวิธีการทำงานของ AI ประเมินความเหมาะสมของงานที่ควรใช้ AI เลือกเครื่องมือให้เหมาะกับสถานการณ์ จัดเตรียมข้อมูลและบริบทได้ดีขึ้น เขียน Prompt ได้อย่างมีหลักการ ตรวจสอบผลลัพธ์อย่างเป็นระบบ และใช้งาน AI ได้อย่างปลอดภัยในบริบทธุรกิจ
หัวข้อการอบรม
-
1
AI Fundamentals: เข้าใจ AI จากพื้นฐานแบบ AI Engineer
- AI, Generative AI และ LLM ต่างกันอย่างไร
- หลักการทำงานของ LLM แบบเข้าใจง่าย
- Foundation Models vs AI Applications
- ChatGPT, Claude, Gemini และโมเดลต่าง ๆ แตกต่างกันอย่างไร
- อะไรคือ System Prompt
-
2
Tokenization & Language Processing: ทำไมภาษาและคำที่ใช้ถึงสำคัญ
- Tokenization และการประมวลผลภาษา
- ทำไม AI ไม่ได้อ่านภาษาเหมือนมนุษย์
- ภาษากับคุณภาพของผลลัพธ์
- Mixed-language Prompting และการใช้สองภาษาอย่างเหมาะสม
- Context Window และข้อจำกัดด้านความยาวของข้อมูล
- ทำไม Prompt ละเอียดมากไม่ได้แปลว่าจะได้ผลลัพธ์ดีขึ้นเสมอไป
-
3
AI Failure Points: จุดที่ AI มักทำพลาด และวิธีรับมือ
- Hallucination การตอบอย่างมั่นใจแต่ผิด
- Lost in the Middle การลืมข้อมูลสำคัญกลางบริบท
- Context Saturation ผลลัพธ์ที่แย่ลงเมื่อข้อมูลมากเกินไป
- การอ้างอิงปลอมและแหล่งที่มาที่ไม่มีอยู่จริง
- ความผิดพลาดจากข้อมูลไม่ครบ ข้อมูลคลุมเครือ หรือคำสั่งไม่ชัดเจน
- Human-in-the-loop และบทบาทของมนุษย์ในการตรวจสอบ
- Validation Frameworks สำหรับตรวจสอบผลลัพธ์ก่อนนำไปใช้จริง
-
4
AI Security & Compliance: ใช้ AI อย่างปลอดภัยในบริบทธุรกิจ
- ความเสี่ยงด้านข้อมูลเมื่อใช้ AI ในการทำงาน
- ข้อมูลประเภทใดที่ไม่ควรป้อนเข้า AI
- ความแตกต่างระหว่างข้อมูลทั่วไป ข้อมูลภายใน ข้อมูลลับ และข้อมูลส่วนบุคคล
- Public AI Tools vs Enterprise AI Tools
- ความเสี่ยงจากการอัปโหลดไฟล์ เอกสาร ภาพ ตาราง และข้อมูลลูกค้า
- Data Privacy, Confidentiality และการปกป้องข้อมูลขององค์กร
- การปิดบังข้อมูลสำคัญก่อนใช้ AI
- แนวทางการใช้งาน AI ให้สอดคล้องกับนโยบายองค์กร
- AI Usage Checklist สำหรับงานจริง
-
5
DATA Framework: วิเคราะห์ว่า AI เหมาะกับงานแบบไหน
- ประเภทงานที่เหมาะกับ AI
- ปัจจัยที่ส่งผลต่อคุณภาพของผลลัพธ์
- ลักษณะของปัญหาที่ AI มักเกิดข้อผิดพลาด
- ข้อจำกัดของ AI ในการทำงานจริง
- การประเมินว่าเมื่อไรควรใช้ AI และเมื่อไรไม่ควรใช้
-
6
What AI Eats: Input, File Format และข้อมูลที่ AI ชอบ
- AI ประมวลผล Input แต่ละประเภทอย่างไร
- ข้อความ เอกสาร ตาราง รูปภาพ เสียง และวิดีโอ แตกต่างกันอย่างไรในมุมของ AI
- รูปแบบไฟล์ที่ควรใช้สำหรับแต่ละประเภทงาน
- OCR และการอ่านข้อความจากภาพ
- ปัญหาจากไฟล์ที่ไม่มีโครงสร้างหรือข้อมูลกระจัดกระจาย
- การจัดโครงสร้างข้อมูลให้ AI ทำงานได้ดีขึ้น
- การเตรียมข้อมูลก่อนส่งให้ AI วิเคราะห์หรือสรุป
-
7
Prompting แบบไม่ขายฝัน: สื่อสารกับ AI อย่างมีหลักการ
- หลักการ Prompt แบบ AI Engineer ด้วย CORE Framework
- การกำหนดเป้าหมาย บริบท ข้อจำกัด และรูปแบบผลลัพธ์
- Prompt พิเศษที่ควรใช้ในแต่ละสถานการณ์
- Counterargument Prompt สำหรับตรวจสอบมุมมองตรงข้าม
- JSON Prompt และ Structured Output สำหรับงานที่ต้องการรูปแบบชัดเจน
- Prompt สำหรับการสรุป วิเคราะห์ เปรียบเทียบ ตรวจสอบ และสร้างแนวทางการทำงาน
-
8
Context Management: ป้อนข้อมูลให้ AI อย่างถูกต้องและปลอดภัย
- อะไรคือ Context และทำไมจึงสำคัญกว่าการเขียน Prompt เพียงอย่างเดียว
- ทำไม Input ที่ยาวเกินไปถึงทำให้ผลลัพธ์แย่ลง
- ข้อมูลอะไรบ้างที่ควรให้ AI เพื่อให้ได้ผลลัพธ์ที่ดี
- ข้อมูลอะไรบ้างที่ไม่ควรให้ AI หรือควรปิดบังก่อนใช้งาน
- การแบ่งงานใหญ่ออกเป็นชิ้นเล็ก
- การจัดลำดับข้อมูลเพื่อให้ AI เข้าใจงานได้ดีขึ้น
- การควบคุม Scope ของงานเพื่อป้องกันผลลัพธ์หลุดประเด็น
-
9
Models vs AI Wrappers: เข้าใจ Ecosystem ของ AI Tools
- ChatGPT, Claude, Gemini, NotebookLM, Perplexity, Cursor ใช้ต่างกันอย่างไร
- เครื่องมือแบบ General AI, Research AI, Document AI และ Coding AI
- ทำไมเครื่องมือที่ใช้โมเดลคล้ายกันจึงให้ผลลัพธ์ต่างกัน
- ข้อจำกัดของ AI Tools แต่ละประเภท
- วิธีเรียนรู้เครื่องมือ AI ใหม่โดยไม่ต้องเริ่มจากศูนย์
-
10
Workshop: Live Prompt Surgery
- ทดลองทำ Project สั้น ๆ จากสถานการณ์งานจริง
- ผู้เรียนร่วมออกแบบ Prompt และ Workflow เพื่อแก้ปัญหาแบบ Step by Step
- ฝึกตรวจสอบข้อผิดพลาด ความเสี่ยง และความเหมาะสมของผลลัพธ์
- สรุปแนวทางการนำกลับไปใช้กับงานของผู้เรียน
-
11
Q&A Session with AI Engineer
- ถาม-ตอบประเด็นการใช้งาน AI จริงในองค์กร
- คำแนะนำสำหรับการพัฒนาทักษะ AI ต่อหลังจบหลักสูตร
ดาวน์โหลด Course Outline
รายละเอียดเนื้อหาการอบรมแบบเต็มสำหรับทีมของคุณ
คำถามที่
พบบ่อย
-
เหมาะสำหรับคนทำงาน ทีมธุรกิจ ผู้จัดการ HR L&D Operations Sales Marketing Finance และองค์กรที่ต้องการ Reskill บุคลากรด้วยพื้นฐาน AI Literacy ที่นำไปใช้ได้จริง
-
ไม่จำเป็น หลักสูตรนี้ออกแบบสำหรับ Business Users และ Professionals ที่ต้องการเข้าใจและใช้ AI อย่างถูกต้อง ปลอดภัย และมีหลักการ
-
ได้ สามารถจัดอบรมให้กับองค์กรและปรับตัวอย่าง Workshop ให้สอดคล้องกับลักษณะงานจริงของทีมได้
จองวันอบรมกับเรา
พร้อมพัฒนาทีมของคุณแล้วหรือยัง?
เริ่มต้นการเปลี่ยนแปลงที่ยั่งยืนกับหลักสูตร AI Engineer's Guide to Practical AI วันนี้
