วันที่ 1: ปูพื้นฐาน RAG และเริ่มต้นสร้าง Workflow ด้วย n8n

🔹 เจาะลึก RAG Concepts:

▪️ ความหมาย ความสำคัญ และสถาปัตยกรรมของ Retrieval Augmented Generation

▪️ องค์ประกอบหลักของระบบ RAG และการทำงานร่วมกัน

▪️ กรณีศึกษาการประยุกต์ใช้ RAG ในธุรกิจและอุตสาหกรรมต่างๆ

🔹 Workshop #1: Create a Simple RAG System with n8n

▪️ เรียนรู้การตั้งค่า n8n และเครื่องมือพื้นฐาน

▪️ สร้าง Workflow RAG แบบง่ายเพื่อทำความเข้าใจภาพรวม

🔹 Workshop #2: RAG Using Pinecone Vector DB

▪️ ทำความเข้าใจ Vector Database และบทบาทในระบบ RAG

▪️ การเชื่อมต่อ n8n กับ Pinecone เพื่อจัดเก็บและค้นหาข้อมูล Vector

🔹 Workshop #3: Building RAG from Files in a Google Folder

▪️ การดึงข้อมูลจาก Google Drive และประมวลผลไฟล์ต่างๆ

▪️ สร้างระบบ RAG ที่สามารถตอบคำถามจากเอกสารใน Google Folder

🔹 Workshop #4: Modify ChatBot to run on the Gen-AI Gateway

▪️ เรียนรู้แนวคิดของ Gen-AI Gateway

▪️ ปรับแต่ง ChatBot ที่สร้างขึ้นให้ทำงานร่วมกับ Gateway เพื่อเพิ่มความสามารถในการจัดการ

วันที่ 2: พัฒนา RAG ขั้นสูงและการประยุกต์ใช้จริง

🔹 Workshop #5: OCR a PDF file into RAG Vector

▪️ เทคนิคการทำ Optical Character Recognition (OCR) บนไฟล์ PDF

▪️ การแปลงข้อมูลจาก PDF เป็น Vector และนำเข้าสู่ระบบ RAG ด้วย n8n

🔹 Workshop #6: RAG using Qdrant

▪️ เรียนรู้การใช้งาน Qdrant อีกหนึ่ง Vector Database ยอดนิยม

▪️ เปรียบเทียบและเลือกใช้ Vector DB ที่เหมาะสมกับงาน

🔹 Workshop #7: RAG with various file formats

▪️ การจัดการกับไฟล์ข้อมูลหลากหลายรูปแบบ (เช่น .txt, .csv, .docx) ในระบบ RAG

▪️ เทคนิคการ Preprocessing ข้อมูลแต่ละประเภท

🔹 Workshop #8: Scraping Website into RAG

▪️ การดึงข้อมูลจากหน้าเว็บไซต์เพื่อนำมาสร้างฐานความรู้สำหรับ RAG

▪️ ข้อควรระวังและ Best Practices ในการ Scraping ข้อมูล

🔹Workshop #9: Improving RAG client

▪️ เทคนิคการปรับปรุง User Interface และ User Experience ของ RAG Client

▪️ การเพิ่มฟังก์ชันการทำงานและการแสดงผลลัพธ์ให้มีประสิทธิภาพ