วิศวกรรม AI เชิงสร้างสรรค์: การสร้างระบบ LLM, RAG และ Agentic

Generative AI กำลังเปลี่ยนจากการใช้พรอมต์ง่ายๆ ไปสู่ไปป์ไลน์ทางวิศวกรรมที่ซับซ้อนซึ่งขับเคลื่อนแอปพลิเคชันอัตโนมัติ การทำความเข้าใจวิธีการเชื่อมต่อ Large Language Models เข้ากับข้อมูลจริงและเครื่องมือภายนอกกลายเป็นทักษะที่จำเป็นสำหรับนักพัฒนาสมัยใหม่ ในคู่มือฉบับสมบูรณ์นี้ คุณจะเปลี่ยนจากผู้เริ่มต้นไปสู่ผู้ปฏิบัติงาน AI ที่มีความสามารถซึ่งเข้าใจวิธีการออกแบบ สร้าง และจัดการเวิร์กโฟลว์ AI ที่ซับซ้อน คุณจะได้เรียนรู้กลไกเบื้องหลังระบบการดึงข้อมูลที่ทันสมัยและการตั้งค่าแบบหลายเอเจนต์ ทำให้คุณสามารถสร้างแอปพลิเคชันที่สามารถให้เหตุผล วางแผน และดำเนินการงานต่างๆ ได้ สิ่งที่คุณจะได้เรียนรู้: - ทำความเข้าใจแนวคิดพื้นฐานของ LLM, หลักการพื้นฐานของ prompt engineering และคำศัพท์หลัก - ออกแบบระบบ Retrieval-Augmented Generation (RAG) เพื่อเชื่อมต่อโมเดลกับฐานข้อมูลเวกเตอร์ส่วนตัว - สร้างการจัดการและเวิร์กโฟลว์ที่มีโครงสร้างโดยใช้ LangChain และ LangGraph - กำหนดค่าระบบ multi-agent ที่ทำงานร่วมกันเพื่อแก้ไขปัญหาที่ซับซ้อนและมีหลายขั้นตอน - ประยุกต์ใช้ Model Context Protocol (MCP) เพื่อรวมโมเดล AI เข้ากับเครื่องมือภายนอกและแหล่งข้อมูลได้อย่างราบรื่น - สำรวจพื้นฐานของการ fine-tuning โมเดลเพื่อปรับโมเดลให้เข้ากับงานเฉพาะด้าน หลักสูตรเริ่มต้นด้วยแนวคิดพื้นฐานและคำศัพท์ ก่อนที่จะนำคุณไปทีละขั้นตอนผ่านฐานข้อมูลเวกเตอร์, เฟรมเวิร์ก agentic และการรวมเครื่องมือขั้นสูง คุณจะได้อ่านคำอธิบายที่ชัดเจนและวิเคราะห์ตัวอย่างโค้ดที่ออกแบบมาเพื่อสร้างความเข้าใจเชิงปฏิบัติเกี่ยวกับสถาปัตยกรรม AI หลักสูตรนี้ออกแบบมาสำหรับนักพัฒนาซอฟต์แวร์ ผู้จัดการผลิตภัณฑ์ด้านเทคนิค และผู้ที่ชื่นชอบเทคโนโลยีที่เพิ่งเริ่มต้นกับวิศวกรรม AI และต้องการรากฐานที่มั่นคง ทั้งในเชิงแนวคิดและเชิงปฏิบัติ โดยไม่จำเป็นต้องมีประสบการณ์ด้าน machine learning มาก่อน เริ่มอ่านวันนี้เพื่อสร้างระบบ agentic อัจฉริยะรุ่นแรกของคุณ