"Modern AI Engineering Bootcamp" รุ่นที่ 1

• เข้าใจบทบาทและขอบเขตงานของ AI Engineer, Generative AI Engineer และ Applied AI Engineer รวมถึงความแตกต่างระหว่าง AI Engineer, Software Engineer, Machine Learning Engineer และ Data Scientist
• สามารถใช้ภาษา Python สำหรับงานด้าน AI Engineering ได้อย่างเป็นระบบ ตั้งแต่การจัดการข้อมูล การออกแบบโปรแกรม การใช้งาน Type Hints, Pydantic, Async Programming ไปจนถึงการสร้าง AI Backend
• สามารถพัฒนา RESTful API และ AI Backend ด้วย FastAPI พร้อมออกแบบโครงสร้างโปรเจกต์ การจัดการ Configuration, Error Handling, Logging และ Testing ตามแนวทาง Software Engineering
• เข้าใจพื้นฐานด้าน Data Engineering และ Machine Learning ที่จำเป็นสำหรับ AI Engineer เช่น Data Cleaning, Data Transformation, Pandas, Training, Validation, Inference, Embeddings และ Neural Network Concepts
• เข้าใจหลักการทำงานของ Large Language Model (LLM) ตั้งแต่ Token, Context Window, Embeddings, Transformer, Training, Fine-tuning, Inference, Reasoning Models และ Multimodal Models ในระดับที่จำเป็นต่อการออกแบบระบบ AI
• สามารถเชื่อมต่อและพัฒนา Application ด้วย LLM APIs จากผู้ให้บริการต่าง ๆ พร้อมจัดการ Structured Output, Streaming, Token Usage, Cost, Latency, Retry, Rate Limit และ Model Selection
• เข้าใจและสามารถประยุกต์ใช้ Prompt Engineering, Context Engineering และ Harness Engineering เพื่อออกแบบ Instructions, Context, Conversation History, User Context, Retrieved Context, Environment และ Runtime Context ให้เหมาะสมกับลักษณะของระบบ
• สามารถออกแบบและพัฒนา Semantic Search และ Retrieval-Augmented Generation (RAG) ตั้งแต่ Document Processing, Chunking, Embeddings, Vector Database, Retrieval, Hybrid Search, Reranking ไปจนถึง Citation และ Grounding
• สามารถพัฒนา Production RAG System ที่รองรับการจัดการเอกสาร การทำ Incremental Indexing, Re-indexing, Metadata, Permission, Tenant Isolation, Cache และการควบคุมคุณภาพของ Retrieval
• สามารถพัฒนา AI Application ที่เชื่อมต่อกับระบบภายนอกผ่าน Tool Calling และ Function Calling เช่น Database, REST API, Search Service และ Business Systems พร้อมออกแบบ Tool Schema และ Validation ได้อย่างถูกต้อง
• เข้าใจสถาปัตยกรรมและสามารถสร้าง Model Context Protocol (MCP) Server ด้วย Python เพื่อเชื่อมต่อ AI Application หรือ AI Agent เข้ากับ Tools, Resources และระบบภายนอกอย่างเป็นมาตรฐาน
• เข้าใจแนวคิดและสามารถพัฒนา AI Agents และ Agentic Workflows ตั้งแต่ Agent Loop, Tools, State, Memory, Planning, Human-in-the-loop ไปจนถึง Workflow Patterns เช่น Sequential, Parallel, Router และ Orchestrator–Worker
• สามารถเลือกใช้แนวทาง Single Agent หรือ Multi-Agent ได้อย่างเหมาะสมกับความซับซ้อนของปัญหา โดยคำนึงถึง Cost, Latency, Reliability และ Maintainability ของระบบ
• สามารถออกแบบและสร้าง AI Evaluation (Evals) เพื่อวัดคุณภาพของ LLM Application, RAG และ AI Agent ผ่าน Test Dataset, Golden Dataset, LLM-as-a-Judge, Human Evaluation และ Regression Testing
• เข้าใจแนวคิดด้าน AI Security และ Guardrails สามารถวิเคราะห์ความเสี่ยง เช่น Prompt Injection, Indirect Prompt Injection, Data Leakage, Tool Abuse และ Excessive Agency พร้อมออกแบบแนวทางป้องกันที่เหมาะสม
• สามารถติดตามและวิเคราะห์การทำงานของระบบ AI ด้วยแนวคิด LLMOps และ Observability เช่น Logging, Tracing, Token Usage, Latency, Cost, Tool Trace, Agent Trace และ User Feedback
• สามารถออกแบบและนำระบบ AI ขึ้นใช้งานจริงในสภาพแวดล้อม Production ด้วย Docker, CI/CD, HTTPS, Secret Management, Rate Limiting, Caching และ Production Monitoring
• สามารถอ่าน วิเคราะห์ ตรวจสอบ และรีวิว Code และ Architecture ของระบบ AI รวมถึง Code ที่สร้างโดย AI Coding Assistant เพื่อควบคุมคุณภาพ ลด Technical Debt และเพิ่ม Long-term Maintainability
• สามารถเลือกแนวทางที่เหมาะสมระหว่าง Prompt Engineering, RAG, Tool Calling, Agents และ Fine-tuning ตามลักษณะของปัญหา แทนการเลือกเทคโนโลยีจากกระแสหรือ Framework เพียงอย่างเดียว
• สร้างผลงาน Production AI System ที่สามารถ Deploy และใช้งานได้จริง พร้อมมี RAG, Tools หรือ Agent ตามความเหมาะสม รวมถึงมี Evals, Security และ Observability ซึ่งสามารถนำไปใช้เป็น Portfolio สำหรับการสมัครงานหรือพัฒนาต่อยอดในสายอาชีพ AI Engineer ได้

• ผู้ที่ต้องการย้ายสายงานหรือเปลี่ยนสายงานเข้าสู่อาชีพ AI Engineer และต้องการเส้นทางการเรียนรู้ที่เป็นระบบ ตั้งแต่ Python, AI Fundamentals ไปจนถึงการสร้างและ Deploy ระบบ AI ใน Production
• Software Developer ที่ต้องการ Upskill เข้าสู่สาย AI Engineering และต้องการเรียนรู้การนำ LLM, RAG, Tools, MCP และ AI Agents ไปพัฒนาเป็นระบบจริง ไม่ใช่เพียงทดลองใช้งานผ่าน AI Tools
• Backend Developer, Full Stack Developer หรือ Web Developer ที่ต้องการขยายทักษะจากการพัฒนา Application แบบดั้งเดิม ไปสู่การออกแบบและพัฒนา AI-powered Application และ Agentic System
• นักพัฒนาระดับเริ่มต้น (Junior Software Developer) ที่มีพื้นฐานการเขียนโปรแกรมอยู่แล้ว และต้องการสร้างความเข้าใจด้าน AI Engineering อย่างเป็นระบบ เพื่อเตรียมตัวเข้าสู่บทบาท AI Engineer หรือ Generative AI Engineer
• ผู้ที่มีพื้นฐาน Python หรือภาษา Programming อื่น ๆ และต้องการเรียนรู้ Python ในบริบทของการสร้าง AI Application, AI Backend และ Production AI System
• นักศึกษาและบัณฑิตจบใหม่ ด้าน Computer Science, Software Engineering, Information Technology หรือสาขาที่เกี่ยวข้อง ที่ต้องการเสริมทักษะด้าน AI Engineering ให้สอดคล้องกับตลาดแรงงาน และสร้าง Portfolio สำหรับสมัครงาน
• Data Analyst, Data Engineer หรือผู้ที่ทำงานกับข้อมูล และต้องการต่อยอดเข้าสู่การสร้างระบบ Generative AI, RAG และ AI Agent โดยใช้ Python และข้อมูลขององค์กร
• ผู้ที่เคยเรียนหรือทดลองใช้ LLM, ChatGPT, LangChain หรือ AI Agent มาก่อน แต่ต้องการเข้าใจ Architecture, Evaluation, Security และ Production Engineering อย่างเป็นระบบมากขึ้น
• ผู้ที่ต้องการสร้างผลงาน AI เชิงระบบ เพื่อใช้เป็น Portfolio หรือพัฒนาเป็นโครงการจริง โดยมุ่งเน้นระบบที่สามารถ Deploy, Evaluate, Monitor และใช้งานได้จริงใน Production



หมายเหตุ: หลักสูตรนี้เน้นการเขียนโปรแกรมและการพัฒนาระบบ ผู้เรียนควรมีพื้นฐาน Programming เบื้องต้นมาก่อน ไม่จำเป็นต้องมีพื้นฐาน Machine Learning หรือ Data Science

• เริ่มเรียนวันที่ 22 ก.ย. - 28 มี.ค. 2570 เรียนทุกวันอังคาร เวลา 20.00 - 23.00 น. * หมดเขตลงทะเบียน วันที่ 21 กันยายน 2569 เวลา 16.00 น.
• Online เรียนทุกวันอังคาร เวลา 20.00 - 23.00 น. จำนวน 24 ครั้ง ครั้งละ 3 ชั่วโมง รวม 72 ชั่วโมง
• On-site Final Project Workshop และ นำเสนอผลงาน @กรุงเทพฯ วันเสาร์ที่ 27 และวันอาทิตย์ที่ 28 มีนาคม 2570 จำนวน 2 วัน รวม 12 ชั่วโมง (สถานที่จะแจ้งให้ทราบอีกครั้ง)
• พักช่วงเทศกาลปีใหม่ วันอังคารที่ 29 ธันวาคม 2569 และวันอังคารที่ 5 มกราคม 2570
• ระยะเวลารวมทั้งหมด 84 ชั่วโมง
• มีบันทึกวิดีโอระหว่างสอน สามารถดูย้อนหลังได้ไม่มีหมดอายุ
• มีสไลด์ประกอบการสอน Source Code และคู่มือประกอบการเรียน
• ผู้เรียนจะได้รับ Certificate of Completion หากทำ Assignment และ Final Project ครบ พร้อมผ่านเกณฑ์การประเมินของหลักสูตร

ราคาโปรโมชั่น 29,900 บาท เฉพาะรุ่นแรกเท่านั้น จากราคาปกติ 44,900 บาท

* รับจำนวนจำกัด (25 ท่านเท่านั้น)
* สามารถผ่อนชำระผ่านบัตรเครดิตได้ (ผ่อน 0% สูงสุด 6 เดือน)
* สำหรับบริษัท จะมีหัก ณ ที่จ่าย 3% และไม่มี Vat
* สามารถออกใบเสร็จรับเงินในนามบริษัทได้