Custom AI with RAG - สร้าง AI ตอบคำถามแบบ Custom



รายละเอียด


มาแล้ว! Custom AI with RAG (สร้าง AI ตอบคำถามแบบ Custom) คือคอร์สเชิงปฏิบัติที่จะพาผู้เรียนเรียนรู้การสร้างระบบ AI ที่สามารถตอบคำถามจากข้อมูลเฉพาะขององค์กรหรือบริษัทได้ โดยเริ่มจากการปูพื้นฐานแนวคิดของ RAG (Retrieval-Augmented Generation) ซึ่งเป็นเทคนิคที่นำข้อมูลจากเอกสารจริงมาใช้ร่วมกับโมเดลภาษา (LLM) เพื่อให้ได้คำตอบที่แม่นยำ ตรงประเด็น และอิงบริบทของธุรกิจ โดยใน Workshop 1 ผู้เรียนจะได้ฝึกสร้าง Chatbot ที่ตอบคำถามลูกค้าโดยใช้ข้อมูลของบริษัท เช่น รายละเอียดสินค้า คำถามพบบ่อย หรือบริการต่าง ๆ เพื่อให้โมเดล LLM ตอบเฉพาะในขอบเขตที่องค์กรกำหนด จากนั้นใน Workshop 2 จะต่อยอดด้วยการสร้างระบบ Knowledge Base ที่สามารถตอบคำถามจากเอกสารภายใน เช่น คู่มือพนักงานหรือคู่มือการใช้งานสินค้า เพื่อช่วยให้ทีมงานสามารถเข้าถึงข้อมูลสำคัญได้รวดเร็วและแม่นยำผ่านระบบ AI อัตโนมัติ ทั้งหมดนี้ออกแบบมาเพื่อให้คุณสามารถสร้าง AI ผู้ช่วยที่รู้จัก “องค์กรของคุณ” ได้จริง พร้อมนำไปใช้งานต่อได้ทันที

> Introduction to Python Programming
- ทำความรู้จักกับ Python และการติดตั้งเครื่องมือ (Jupyter, VS Code)
- ติดตั้ง Google Colab
- พื้นฐาน Python ที่เกี่ยวข้อง

> Python for Data: NumPy & Pandas
- การใช้ NumPy สำหรับการคำนวณเชิงตัวเลข
- การใช้ Pandas สำหรับการจัดการข้อมูลในรูปแบบตาราง (DataFrame)
- การจัดการ Missing Value: df.dropna(), df.fillna()
- ใช้ฟังก์ชัน filter ข้อมูลตามเงื่อนไข
- การ sort ข้อมูล
- โหลดไฟล์คำถาม-คำตอบ/บทความลง Pandas
- ทำความสะอาดข้อความ (เช่น ลบ NaN, แปลง lowercase)

> Introduction to Machine Learning
- แนวคิดของ ML: Supervised vs Unsupervised
- การเตรียมข้อมูลสำหรับ ML
- ตรวจสอบข้อมูล : missing values, outliers
- ทำ normalization/scaling ให้ค่าข้อมูลอยู่ในช่วงใกล้เคียงกัน
- แบ่งข้อมูลออกเป็น ชุดฝึกสอน (train) และ ทดสอบ (test)
- ตัวอย่างด้วย NumPy + scikit-learn
- การเทรนโมเดลด้วย scikit-learn
- เลือกโมเดล → เทรน → ทำนาย
- ตัวอย่างโมเดล: Linear Regression, Decision Tree, KNN, Logistic Regression

> Overview of AI, LLMs & Prompt Engineering
-ความแตกต่างระหว่าง AI, ML และ LLM
-แนะนำ LLM เช่น GPT-3.5, GPT-4, Claude
-การเขียน Prompt อย่างมีประสิทธิภาพ
-แนวทางการเขียน Prompt ที่ดีย
-เปรียบเทียบ Prompt ที่ไม่ดี
-Prompt Engineering เบื้องต้น: Zero-shot, Few-shot, Chain-of-Thought

> Introduction to Retrieval-Augmented Generation (RAG)
-แนวคิดของ RAG คืออะไร และต่างจาก LLM ธรรมดาอย่างไร
-การทำงานของ RAG: Retrieval + Generation
-การใช้ RAG ช่วยให้ LLM สามารถ “ดึงข้อมูลจากภายนอก” มาช่วยตอบคำถามได้แบบเฉพาะเจาะจง
- RAG = LLM + External Knowledge
- เตรียมข้อมูลที่ต้องนำเข้า (Text documents, Q&A)
- Retrieval: ค้นหาข้อมูลที่เกี่ยวข้องจากฐานข้อมูล (เช่น Vector Database)
- Generation: นำข้อมูลที่ค้นได้ไปสร้างคำตอบ โดย LLM
- Use Cases: Chatbot, Knowledge Base, Search Enhancement

> Vector Database & Embedding
-ทำความเข้าใจ Embedding & Semantic Search
- Embedding การแปลงข้อความ (Text) ให้กลายเป็น “เวกเตอร์ตัวเลข”
- Semantic Search = การค้นหาโดยดู “ความหมาย” ของข้อความ ไม่ใช่แค่คำตรงกัน (เหมือน Google)
- การสร้างและใช้ Embedding ด้วย HuggingFace หรือ OpenAI
- การใช้ Vector Database เช่น FAISS หรือ Chroma
- ตัวอย่าง: ใช้ FAISS (Facebook AI Similarity Search)
- ตัวอย่าง: ใช้ Chroma (ใช้งานง่ายเหมาะกับ RAG)
- การเชื่อมโยง Embedding กับฐานข้อมูลเพื่อใช้ในระบบ RAG

> Building Your First RAG Chatbot
-การรวม LLM + Vector DB เพื่อสร้างระบบถามตอบ
- เตรียมสร้าง Chatbot ที่ “ฉลาดขึ้น” เพราะดึงข้อมูลจากฐานความรู้ (เช่น FAQ, เอกสาร, PDF)
- การ Detect คำถามและค้นหาคำตอบจาก Knowledge Base
- ตรวจจับข้อความของผู้ใช้ว่าเป็น “คำถาม” หรือไม่ (optional)
- การ Deploy ระบบผ่าน Jupyter หรือ API
- Deploy ด้วย FastAPI / Flask API
- ตัวอย่างการเชื่อมกับ LINE OA, Webhook, Discord Bot

Workshop 1: สร้าง Chatbot > ตอบคำถามลูกค้าด้วยข้อมูลของบริษัท > LLM ที่ตอบได้เฉพาะเรื่องของร้านค้า/บริษัท
Workshop 2: Knowledge Base > ใช้เอกสารหรือบทความภายในมาตอบอัตโนมัติ > ตอบจากคู่มือพนักงาน, คู่มือสินค้า

<<<วันเวลาเรียน>>>
เรียนออนไลน์ผ่านไลฟ์ในกลุ่มเฟสบุ๊ค ภาคค่ำ ทุกวันอาทิตย์ ยาว 10 สัปดาห์ เริ่มคลาสแรกวันอาทิตย์ที่ 15 มิถุนายน 2568 และ เวลา 19.00-21.00 น. (ดูย้อนหลังได้เลยหลังจบไลฟ์)

<<<ค่าลงทะเบียนปกติ 1960 บาท ลดให้พิเศษ! early bird 75% >>>
สำหรับ 50 คนแรกที่เห็นข้อความนี้เท่านั้น จ่ายเพียง 490 บาทเท่านั้น!

กดสมัครทางนี้ได้เลยจ้าาา
-----วิธีสมัคร------
1-กรอกข้อมูลตามแบบฟอร์มนี้ https://www.uncle-engineer.com/course/custom-ai-rag > 2- โอนชำระผ่านบัญชีด้านล่างแล้วแนบสลิปสมัครแล้วกดส่ง > 3-รอรับอีเมลภายใน 24 ชั่วโมง
-----------------
ชำระค่าใช้จ่ายผ่าน…
บัญชี ออมทรัพย์ ธนาคารกรุงเทพ สาขา สยามพารากอน
ชื่อบัญชี: บริษัท คอนส์ โรโบติกส์ จำกัดเลขบัญชี:
<<<< 855-0-65158-5 >>>>หรือ
พร้อมเพย์ 0105561008411 ชื่อบัญชี: บริษัท คอนส์ โรโบติกส์ จำกัด

สอบถามข้อมูลเพิ่มเติมทางเพจ "ลุงวิศวกร สอนคำนวณ" https://www.facebook.com/UncleEngineer/ หรือไลน์แอด @uncleengineer

-------------------

ราคาปกติ:

1,960 บาท

ส่วนลดบุคคลทั่วไป ลด 75% เหลือ:

490 บาท


สมัครเรียนกรอกแบบฟอร์มทางนี้

กรอกข้อมูลแล้ว
จำเป็นต้องกรอก
กรอกข้อมูลแล้ว
จำเป็นต้องกรอก
กรอกข้อมูลแล้ว
จำเป็นต้องกรอก
กรอกข้อมูลแล้ว
จำเป็นต้องกรอก
กรอกรหัสส่วนลดแล้วกดตรวจสอบเพื่อดูราคาใหม่

วิธีการชำระเงิน
สรุปยอดที่ต้องโอน
ราคาตั้งต้น - บาท
ส่วนลด () - 0 บาท
ภาษีมูลค่าเพิ่ม 7% 0 บาท
ราคาสุทธิ - บาท
กรุณาโอนให้ตรงยอดนี้ทุกสตางค์ ระบบจะตรวจสลิปกับธนาคารอัตโนมัติ หากยอดไม่ตรงจะต้องรอแอดมินตรวจสอบด้วยตนเอง
โอนผ่านธนาคาร
บัญชี ออมทรัพย์ ธนาคารกรุงเทพ สาขา สยามพารากอน
ชื่อบัญชี: บริษัท คอนส์ โรโบติกส์ จำกัด
เลขบัญชี: 8550651585
กรณีสมัครหรือโอนชำระแล้ว​ ทางเพจไม่มีนโยบาย​คืนเงินให้แก่ผู้สมัคร​ เนื่องจากก่อนสมัครผู้สมัครได้ทำการตัดสินใจเป็นที่เรียบร้อยและเสร็จสิ้นแล้ว​ แต่ผู้สมัครสามารถเปลี่ยนไปเป็นคอร์ส​อื่นได้ที่ราคาเหมือนกันเท่านั้น
โอนผ่าน Promptpay
0-1055-61008-41-1 ชื่อบัญชี: บริษัท คอนส์ โรโบติกส์ จำกัด
Scan QR Code ผ่าน app ธนาคาร
อัพโหลดแล้ว
จำเป็นต้องอัพโหลด
สลิปต้องมี QR Code ระบบตรวจสอบกับธนาคารผ่าน QR Code บนสลิป
กรุณากดปุ่ม "แชร์สลิป" หรือ "บันทึกสลิป" ในแอปธนาคาร แล้วอัปโหลดไฟล์นั้น อย่าใช้วิธีแคปหน้าจอ เพราะมักได้ภาพที่ไม่ติด QR Code
หากสลิปของท่านไม่มี QR Code กรุณาทักเพจ ลุงวิศวกร สอนคำนวณ เพื่อให้แอดมินตรวจสอบให้

รายละเอียด