| รายละเอียด
หลักสูตรนี้เน้นการเรียนรู้เทคนิค Retrieval Augmented Generation (RAG) ซึ่งเป็นการผสมผสานระหว่าง Large Language Models (LLMs) กับแหล่งข้อมูลภายในองค์กร เพื่อสร้างระบบ AI ที่มีความสามารถในการตอบคำถามและให้ข้อมูลได้อย่างแม่นยำและน่าเชื่อถือมากขึ้น ผู้เรียนจะได้เรียนรู้การพัฒนา RAG application ใน 3 รูปแบบหลัก ได้แก่
(1) การใช้งาน RAG บน Cloud Platform ชั้นนำผ่าน Google Cloud Platform (GCP) Agent Builder และ Amazon Web Services (AWS) BedRock
(2) การพัฒนา Local RAG โดยใช้ LLM Open Source Models เช่น LLama 3.2 และ OpenThaiGPT ร่วมกับ Vector Database แบบ open source โดยไม่มีส่งข้อมูลออกไปจัดเก็บหรือประมวลผลนอกองค์กร
(3) การพัฒนา Local RAG โดยเชื่อมต่อผ่าน API กับผู้ให้บริการชั้นนำอย่าง OpenAI GPT-4, Anthropic Claude และ Google Gemini
ผู้เรียนจะได้ทดลองปฏิบัติจริงในทุกรูปแบบในการสร้างแอปพลิเคชันที่ขับเคลื่อนด้วย AI เพื่อให้สามารถเลือกใช้โซลูชันที่เหมาะสมกับความต้องการและข้อจำกัดขององค์กร ไม่ว่าจะเป็นด้านงบประมาณ ความปลอดภัยของข้อมูล หรือประสิทธิภาพการทำงาน
หลักสูตรนี้เหมาะกับ
- องค์กรที่สนใจในนำ Generative AI มาใช้ในการทำงาน
- นักพัฒนา AI (AI Developer)
- ผู้ที่สนใจด้าน Generative AI / RAG
คุณสมบัติเบื้องต้นของผู้เข้าอบรม
- มีพื้นฐานการเขียนการเขียน Code และ Python
ประโยชน์ที่ได้รับ
- เรียนรู้การประยุกต์ใช้ RAG ในการสร้างแอปพลิเคชันอัจฉริยะ
- ฝึกปฏิบัติการพัฒนา RAG AI as a Servicesบน Public Cloud ชั้นนำ
- ฝึกปฏิบัติการพัฒนา RAG โดยใช้ Open Source Model เช่น Llama
- ฝึกปฏิบัติการพัฒนา RAG โดยผ่าน API ของ OpenAI GPT-4, Anthropic Claude และ Google Gemini
- เข้าใจแนวทางในการเลือกใช้เทคโนโลยีที่เหมาะสมสำหรับงานด้าน AI
- ได้รับคำแนะนำจากผู้เชี่ยวชาญในการแก้ไขปัญหาและปรับปรุงระบบ AI
| เนื้อหาในการอบรม
วันที่ 𝟏 : 𝐑𝐞𝐭𝐫𝐢𝐞𝐯𝐚𝐥 𝐀𝐮𝐠𝐦𝐞𝐧𝐭𝐞𝐝 𝐆𝐞𝐧𝐞𝐫𝐚𝐭𝐢𝐨𝐧 (𝐑𝐀𝐆) 𝐄𝐬𝐬𝐞𝐧𝐭𝐢𝐚𝐥𝐬 𝐚𝐧𝐝 𝐃𝐞𝐯𝐞𝐥𝐨𝐩𝐦𝐞𝐧𝐭
𝟎𝟗:𝟎𝟎 – 𝟏𝟐:𝟎𝟎 น. : พื้นฐานการทำ 𝐑𝐀𝐆 (บรรยายโดย อ.ฐิติธร เสมาเงิน)
▪Tokenization
▪Embedding
▪Vector store
▪ LLM model (GPT, LLama) ขีดจำกัดในการรับ token ของโมเดล
▪Transformer - model architecture
▪Concept การนำ retrieve data ไปรวมกับ context เพื่อให้ LLM ตอบได้อย่างดีขึ้น
▪การกำหนดค่าและอธิบาย Parameter ต่าง ๆ
𝟏𝟐:𝟎𝟎 - 𝟏𝟑:𝟎𝟎 น. : พักรับประทานอาหารว่าง
𝟏𝟑:𝟎𝟎 - 𝟏𝟑:𝟑𝟎 น.: ทางเลือกในการพัฒนา 𝐋𝐋𝐌𝐬 (บรรยายโดย รศ.ดร. ธนชาติ นุ่มนนท์)
▪Prompt Engineering
▪RAG (Retrieval Augmented Generation)
▪Fine-tuning
▪อื่น ๆ
𝟏𝟑:𝟑𝟎 - 𝟏𝟔:𝟑𝟎 น. : 𝐑𝐀𝐆 𝐀𝐈 𝐚𝐬 𝐚 𝐒𝐞𝐫𝐯𝐢𝐜𝐞: 𝐃𝐞𝐦𝐨
▪Amazon Bedrock
▪Google AI Agents
▪Azure AI Search
𝐃𝐚𝐲 𝟐 : การพัฒนา 𝐑𝐀𝐆 𝐀𝐩𝐩𝐥𝐢𝐜𝐚𝐭𝐢𝐨𝐧𝐬 ด้วย 𝐀𝐏𝐈 𝐨𝐫 𝐎𝐩𝐞𝐧 𝐒𝐨𝐮𝐫𝐜𝐞
9:00 - 10:30 น. : Raw Data Sources & Information Extraction
𝟏𝟎:𝟑𝟎 - 𝟏𝟎:𝟒𝟓 น. : พักรับประทานอาหารว่าง
10:45 - 12:00 น. : Chunking, Tokenization, Embedding, Vector Database
𝟏𝟐:𝟎𝟎 - 𝟏𝟑:𝟎𝟎 น. : พักรับประทานอาหารกลางวัน
13:00 – 14:30 น. : LLM: OpenAI Claude and Llama
𝟏𝟒:𝟑𝟎 - 𝟏𝟒:𝟒𝟓 น. : พักรับประทานอาหารว่าง
14:45 - 16:30 น. : Relevant Data and Response
| ผู้สอน
Assoc.Prof.Dr.Thanachart Numnonda (ดูโปรไฟล์ >>ที่นี่)
- ผู้อำนวยการสถาบันไอเอ็มซี
Mr. Tititorn Semangern (ดูโปรไฟล์ >>ที่นี่)
- Oracle Corporation (Thailand)
- ผู้เชี่ยวชาญด้านไอทีทีมีประสบการณ์การทำงานในบริษัทข้ามชาติหลายๆแห่งทั้ง Sun Microsystems และ Oracle Corporation มีประสบการณ์ด้านให้คำปรึกษาด้านการประยุกต์ใช้เทคโนโลยีสารสนเทศให้หลากลายธุรกิจ ไม่ว่าจะเป็นสถาบันการเงิน และโทรคมนาคม เป็นต้น
Mr. Kritsakon Kiewsongs (ดูโปรไฟล์ >>ที่นี่)
- Senior Data Analyst, IMC Institute
- Programming skills ( SQL, Python, )
- Database application including MySQL, Oracle
