This gave me a real framework for thinking about hallucination detection and scoring rubrics instead of just eyeballing outputs. The section on building evaluation datasets was the most useful part for my actual work. My only complaint is the automation tooling demo felt a bit rushed near the end.
พื้นฐานการทดสอบและการประเมินผลแอปพลิเคชัน LLM
เชี่ยวชาญพื้นฐานการทดสอบแอปพลิเคชัน Large Language Model โดยการเรียนรู้วิธีสร้างชุดข้อมูลการประเมินผล การใช้เมทริกซ์สมัยใหม่ และการประเมินระบบ RAG
-
💬
ผู้สอน AI
ถามเกี่ยวกับบทเรียนใดก็ได้ แล้วรับคำตอบที่ชัดเจนทันที ทุกเมื่อ -
🕐
เริ่มเมื่อไรก็ได้
ไม่มีตารางหรือเดดไลน์ — เรียนตามจังหวะของคุณ เมื่อไรก็ได้ -
🌐
เป็นภาษาไทย
บทเรียน แบบฝึกหัด และใบรับรอง — ทั้งหมดเป็นภาษาของคุณอย่างครบถ้วน
เกี่ยวกับคอร์สนี้
ในขณะที่ Large Language Models (LLMs) กลายเป็นหัวใจสำคัญของซอฟต์แวร์สมัยใหม่ การรับรองความน่าเชื่อถือ ความแม่นยำ และความปลอดภัยจึงมีความสำคัญมากกว่าที่เคย การสร้างแอปพลิเคชัน AI เป็นเพียงขั้นตอนแรกเท่านั้น การรู้วิธีทดสอบและประเมินผลลัพธ์อย่างเป็นระบบคือสิ่งที่ทำให้แอปพลิเคชันพร้อมสำหรับการใช้งานจริง (production-ready) หลักสูตรแบบเน้นการอ่านนี้จะนำคุณไปสู่หลักการสำคัญของการประกันคุณภาพ LLM คุณจะเริ่มต้นด้วยคำศัพท์พื้นฐานด้าน AI และค่อยๆ สำรวจวิธีการวัดประสิทธิภาพของโมเดล การจัดโครงสร้างชุดข้อมูลการประเมินผล และการทดสอบ regression tests จากการอ่านสถานการณ์จริงและตัวอย่างโค้ด คุณจะค้นพบวิธีเปลี่ยนจากการตรวจสอบ prompt ด้วยตนเองไปสู่วิธีการทดสอบแบบอัตโนมัติที่ขยายขนาดได้
สิ่งที่คุณจะได้เรียนรู้: เข้าใจแนวคิดพื้นฐานของ LLM รวมถึงความแตกต่างระหว่าง fine-tuning และ Retrieval-Augmented Generation (RAG) ออกแบบและคัดสรรชุดข้อมูลการประเมินผลที่แข็งแกร่งซึ่งปรับให้เหมาะกับกรณีการใช้งานแอปพลิเคชันเฉพาะด้าน ใช้เมทริกซ์การประเมินผลสมัยใหม่เพื่อประเมินคุณภาพการสร้างข้อความ ความเกี่ยวข้อง และความถูกต้องของข้อเท็จจริง ดำเนินการ regression testing เพื่อให้แน่ใจว่าการอัปเดตโมเดลหรือการเปลี่ยนแปลง prompt จะไม่ทำให้ฟีเจอร์ที่มีอยู่ด้อยประสิทธิภาพลง ประเมินสถาปัตยกรรม RAG โดยใช้รูปแบบร่วมสมัย เช่น LLM-as-a-judge และ context-relevance scoring ฝึกฝนแนวคิดการทดสอบความปลอดภัยขั้นพื้นฐานเพื่อระบุและบรรเทาช่องโหว่ของ prompt injection
หลักสูตรนี้ดำเนินไปอย่างเป็นลำดับขั้นตอนตั้งแต่คำจำกัดความพื้นฐานของการประเมินผล AI ไปจนถึงเวิร์กโฟลว์การทดสอบที่ใช้งานได้จริง คุณจะได้อ่านตัวอย่างที่เขียนขึ้นแบบทีละขั้นตอนซึ่งแสดงวิธีตั้งค่า pipeline การทดสอบที่เชื่อถือได้สำหรับแอปพลิเคชัน AI สมัยใหม่ หลักสูตรนี้ออกแบบมาสำหรับผู้เริ่มต้น ผู้เชี่ยวชาญด้าน QA และนักพัฒนาที่ต้องการเรียนรู้วิธีทดสอบแอปพลิเคชัน AI โดยมีความรู้ด้านการเขียนโปรแกรมพื้นฐาน ไม่จำเป็นต้องมีประสบการณ์ด้าน machine learning มาก่อน เริ่มอ่านวันนี้เพื่อสร้างทักษะที่จำเป็นในการประเมินและทดสอบแอปพลิเคชัน LLM สมัยใหม่ได้อย่างมั่นใจ
สิ่งที่คุณจะได้รับ
-
📜
ใบประกาศนียบัตร
เพิ่มในโปรไฟล์ LinkedIn ของคุณ -
💬
ติวเตอร์ AI ส่วนตัว
ติดขัดในบทเรียน? ถามติวเตอร์ในตัวของคุณได้ทุกอย่าง ทุกเวลา -
🎧
รวมเวอร์ชันเสียง
เรียนได้ทุกที่ ไม่ต้องดูจอ -
♾️
เข้าถึงตลอดชีพ
กลับมาเรียนได้ตลอด ไม่มีหมดอายุ -
📱
โทรศัพท์หรือคอมพิวเตอร์
ใช้งานได้ทุกที่ ทุกอุปกรณ์ -
💸
คืนเงิน 14 วัน
ไม่ต้องอธิบาย -
⚡
กระชับและตรงประเด็น
2 ชม. 54 นาที เนื้อหาเชิงปฏิบัติ
รีวิว (18)
ハルシネーション検出の解説が特に良かった
El curso explica muy bien cómo diseñar casos de prueba para aplicaciones de LLM, aunque la parte de métricas automatizadas se queda un poco corta.
ইভ্যালুয়েশন ডেটাসেট বানানো আর RAG সিস্টেম যাচাই করার অংশটা সত্যিই দারুণ কাজে লেগেছে।
Changed how I test prompts entirely.
The module on building evaluation datasets alone was worth going through this course slowly and taking notes.
LLM एप्लिकेशन के लिए टेस्ट केस डिज़ाइन करना सिखाने वाला यह कोर्स बहुत प्रैक्टिकल है और उदाहरण बिल्कुल असली प्रोजेक्ट जैसे हैं।
Clear, practical, exactly what I needed.
Ce cours couvre bien les bases de l'évaluation des applications LLM, avec des exemples concrets sur la détection des hallucinations et les métriques de scoring. Le rythme est un peu rapide sur la partie automatisation des tests, il faut parfois revenir en arrière. Dans l'ensemble ça m'a donné une méthode claire pour structurer mes propres tests.
Malinaw ang paliwanag tungkol sa pag-eevaluate ng LLM outputs, pero medyo mabilis ang bahagi tungkol sa mga scoring rubric kaya kailangan mo ulit-ulitin panoorin.
Ich habe schon einige technische Kurse gemacht, aber dieser hier bringt das Thema LLM-Testing wirklich strukturiert auf den Punkt. Besonders gut fand ich den Teil über Halluzinationserkennung und wie man daraus konkrete Testfälle ableitet, das war vorher für mich immer ein bisschen diffus. Auch die Erklärung von Evaluationsmetriken wie Genauigkeit versus Konsistenz war anschaulich mit echten Beispielen unterlegt. Die Übungen zwischen den Lektionen zwingen einen dazu, selbst Testszenarien zu schreiben statt nur zuzuschauen, was den Lerneffekt deutlich erhöht. Am Ende hatte ich ein funktionierendes kleines Evaluationsskript, das ich direkt für ein eigenes Projekt anpassen konnte, und das Gefühl, das Thema jetzt wirklich im Griff zu haben. Für jeden, der von reinem Prompt-Basteln zu systematischem Testen wechseln will, ein echter Fortschritt.
O curso explica bem como montar testes para aplicações de LLM, mas senti falta de mais exemplos usando frameworks de avaliação automatizada.
คอร์สนี้อธิบายเรื่องการทดสอบแอปพลิเคชัน LLM ได้ชัดเจนมาก โดยเฉพาะส่วนที่พูดถึงการตรวจจับ hallucination และการออกแบบ metric สำหรับประเมินผล แถมมีตัวอย่างจากโปรเจกต์จริงให้ลองทำตามทีละขั้นด้วย เรียนจบแล้วรู้สึกว่าเขียน test case ได้เป็นระบบขึ้นเยอะ
Finally a course that treats LLM evaluation as an actual engineering discipline instead of vague best practices.
Курс отлично объясняет, как выстраивать пайплайн оценки LLM-приложений — после третьего модуля я наконец понял, зачем нужны регрессионные тесты для промптов.
Solid intro to evaluating LLM outputs, though I wish there was more on setting up automated regression tests instead of just manual scoring.
Aprendí a estructurar pruebas de regresión para prompts de una forma que nunca había visto explicada tan claramente.
इस कोर्स ने LLM एप्लिकेशन्स की टेस्टिंग को बिल्कुल नए नज़रिए से समझाया। हैलुसिनेशन डिटेक्ट करने और evaluation metrics बनाने वाले हिस्से खासकर बहुत उपयोगी लगे। हर वीडियो के बाद खुद से टेस्ट केस लिखने का अभ्यास दिया गया जिससे कॉन्सेप्ट अच्छे से बैठ गए।
ผู้เรียนคนอื่นเรียน
🔥 ยอดนิยม
🎓 มีใบรับรอง
Generative AI สำหรับช่างสัก: การออกแบบและการจัดวางตำแหน่ง
ใบรับรอง
ลงมือทำ
₼26.00
→
🔥 ยอดนิยม
🎓 มีใบรับรอง
AI Voice Cloning: สร้างเสียงดิจิทัลส่วนตัวของคุณ
ใบรับรอง
ลงมือทำ
₼26.00
→
🔥 ยอดนิยม
🎓 มีใบรับรอง
AI สำหรับครูสอน ESL: บทเรียน, ข้อความ และข้อสอบ
ใบรับรอง
ลงมือทำ
₼26.00
→
🔥 ยอดนิยม
🎓 มีใบรับรอง
พื้นฐานของ LLMOps: การ Deploy, Version และ Monitor LLMs
ใบรับรอง
ลงมือทำ
₼26.00
→
คำถามที่พบบ่อย
ฉันต้องใช้อะไรในการเรียนคอร์สนี้? +
แค่โทรศัพท์หรือคอมพิวเตอร์ที่มีอินเทอร์เน็ต ไม่ต้องติดตั้งหรือใช้อุปกรณ์พิเศษ
ฉันชำระเงินอย่างไร? +
ผ่านบัตรด้วย Stripe เราไม่เก็บข้อมูลบัตร — Stripe จัดการอย่างปลอดภัย
ฉันขอคืนเงินได้ไหม? +
ใช่ — คืนเงินเต็มจำนวนใน 14 วัน ไม่ต้องอธิบาย
ฉันมีสิทธิ์เข้าถึงนานเท่าไร? +
ตลอดไป เมื่อซื้อแล้วคอร์สเป็นของคุณ กลับมาเรียนได้ตลอด
ฉันจะได้ใบประกาศนียบัตรไหม? +
ได้ เมื่อเรียนจบจะได้รับใบประกาศนียบัตรที่เพิ่มในโปรไฟล์ LinkedIn ได้
ออกแบบสำหรับผู้เรียนใน
เทคโนโลยี
ดีไซน์
การเงิน
การตลาด
สาธารณสุข
การศึกษา
ธุรกิจการบริการ
อุตสาหกรรม