หลักสูตร Advanced Prompt Engineering & AI Evaluation เป็นการอบรมออกแบบ Prompt ให้ผลลัพธ์คงที่ ครอบคลุม Chain of Thought, Few-shot, Structured Output การลด Hallucination และการวัดคุณภาพด้วย Golden Set และ LLM-as-a-Judge เหมาะกับผู้ใช้ AI ประจำ Developer, AI Engineer และทีมที่สร้าง AI Workflow
องค์กรจำนวนมากเริ่มนำ Generative AI มาใช้ในงานจริงแล้ว แต่กลับพบปัญหาเดียวกันคือผลลัพธ์ไม่คงที่ สั่งงานเดิมแต่ได้คำตอบต่างกันทุกครั้ง คุณภาพขึ้นอยู่กับคนเขียน Prompt และไม่มีวิธีวัดว่า Prompt ที่ปรับไปแล้วดีขึ้นจริงหรือไม่ ปัญหาเหล่านี้ทำให้ AI ยังไม่สามารถขยายไปใช้ในระดับกระบวนการทำงานมาตรฐานขององค์กรได้ เพราะขาดทั้งเทคนิคการออกแบบ Prompt ที่เป็นระบบ และขาดวิธีประเมินคุณภาพผลลัพธ์อย่างเป็นวิทยาศาสตร์
หลักสูตรนี้ยกระดับทักษะ Prompt Engineering จากการลองผิดลองถูก ไปสู่การออกแบบ Prompt เชิงวิศวกรรมที่วัดผลได้ ผู้เข้าอบรมจะได้เรียนรู้ตั้งแต่โครงสร้างและ Pattern ของ Prompt ขั้นสูง เทคนิคการให้ AI คิดเป็นขั้นตอน (Chain of Thought, ReAct, Tree of Thoughts) การควบคุมผลลัพธ์ให้อยู่ในรูปแบบที่นำไปใช้ต่อได้ (Structured Output) การจัดการ Context และการลด Hallucination ไปจนถึงหัวใจสำคัญที่มักถูกมองข้ามคือ AI Evaluation การสร้างชุดข้อมูลทดสอบ
การวัดคุณภาพด้วย Rubric และเทคนิค LLM-as-a-Judge การทำ Regression Test ให้กับ Prompt และการวาง Prompt Library ที่ทีมใช้ร่วมกันได้อย่างมีมาตรฐาน เนื้อหาทั้งหมดสอนผ่าน Workshop ที่ใช้โจทย์งานจริง ครอบคลุมทั้ง ChatGPT, Claude และ Gemini และปิดท้ายด้วย Capstone Project ที่ผู้เรียนจะได้สร้าง Prompt System พร้อมชุดวัดผล (Evaluation Harness) ของตนเองแบบครบวงจร (อบรม 2 วัน วันละ 6 ชั่วโมง รวม 12 ชั่วโมง ระดับ Intermediate ถึง Advanced ควรเคยใช้งาน Generative AI มาก่อน ไม่จำเป็นต้องเขียนโปรแกรม)
รายละเอียดหลักสูตร
อบรม 2 วัน วันละ 6 ชั่วโมง รวม 12 ชั่วโมง รูปแบบบรรยายพร้อมปฏิบัติจริง (Hands-on Workshop) และ Capstone Project ระดับ Intermediate ถึง Advanced ครอบคลุมทั้ง ChatGPT, Claude และ Gemini ผู้เรียนจะได้ Prompt Pattern, Template Library, ชุด Rubric และ Evaluation Sheet และ Checklist ด้าน Prompt Security และ PDPA กลับไปใช้งานจริง
Section 1: รากฐาน LLM ที่จำเป็นต่อการออกแบบ Prompt
Section 2: โครงสร้างและ Pattern ของ Prompt ขั้นสูง
Section 3: เทคนิคการให้ AI คิดเป็นขั้นตอน (Reasoning Techniques)
Section 4: Few-shot และ Example Engineering
Section 5: การควบคุมผลลัพธ์แบบ Structured Output
Section 6: Context Engineering และการลด Hallucination
Section 7: System Prompt, Template และ Prompt Library
Section 8: หลักการ AI Evaluation และการสร้างชุดข้อมูลทดสอบ
Section 9: เทคนิคการวัดผลและ Regression Testing
Section 10: Prompt Security, Robustness และ PDPA
Section 11: Capstone Project และการนำไปใช้จริง
ขณะนี้ยังไม่มีรอบอบรมเปิดรับสมัคร ลงชื่อจองไว้ได้เลย ทีมงานจะติดต่อกลับเป็นกลุ่มแรกเมื่อเปิดรอบถัดไป หรือสอบถามทางไลน์ หรือโทร 02-570-8449 หรือ 088-807-9770
Chain of Thought คือการให้ AI คิดเป็นขั้นตอนก่อนสรุปคำตอบ ช่วยเพิ่มความแม่นยำในโจทย์ที่ต้องใช้เหตุผลหรือคำนวณหลายชั้น ส่วน Few-shot คือการแนบตัวอย่างอินพุตและผลลัพธ์ที่ต้องการไม่กี่ตัวอย่างใน Prompt เพื่อให้ AI เลียนแบบรูปแบบ น้ำเสียง และเกณฑ์การตัดสิน ใช้ร่วมกันได้ และควรเลือกตัวอย่างที่ครอบคลุมกรณีที่ต่างกันจริง ไม่ใช่ตัวอย่างที่คล้ายกันหมด
LLM-as-a-Judge คือการใช้โมเดลภาษาอีกตัวให้คะแนนคำตอบตามเกณฑ์ที่กำหนด เริ่มจากเขียน Rubric ให้ชัด เช่น ความถูกต้อง ครบถ้วน และตรงรูปแบบ พร้อมคำอธิบายแต่ละระดับคะแนน จากนั้นให้ Judge อ่านคำถาม คำตอบ และเกณฑ์ แล้วให้คะแนนพร้อมเหตุผล ควรสุ่มเทียบกับคะแนนจากคนเป็นระยะ เพื่อดูว่า Judge ลำเอียงหรือให้คะแนนเพี้ยนหรือไม่
Golden Set คือชุดข้อมูลทดสอบที่มีอินพุตจริงพร้อมคำตอบหรือเกณฑ์ที่ถูกต้อง ครอบคลุมทั้งกรณีปกติ กรณีขอบ และกรณีที่เคยผิด เมื่อแก้ Prompt ให้รันทุกข้อใน Golden Set แล้วให้คะแนนด้วย Rubric หรือ LLM-as-a-Judge เทียบกับเวอร์ชันเดิม ถ้าคะแนนรวมดีขึ้นและไม่มีข้อที่เคยผ่านกลับไปผิด จึงค่อยใช้ Prompt ใหม่ วิธีนี้ทำให้รู้ว่าการแก้ช่วยจริง ไม่ใช่แค่ดูดีจากไม่กี่ตัวอย่าง
เหมาะกับผู้ใช้ AI ในงานประจำที่อยากได้ผลลัพธ์คงที่ Developer Data Analyst และ AI Engineer ที่นำ LLM ไปใช้ในระบบจริง Product Owner ที่ออกแบบฟีเจอร์ AI และทีมที่สร้าง Chatbot หรือ AI Agent ควรเคยใช้ ChatGPT Claude หรือ Gemini มาก่อน ไม่ต้องเขียนโปรแกรม แต่ถ้าอ่าน JSON หรือเคยเรียก API จะเข้าใจส่วน Structured Output และ Evaluation ได้ลึกขึ้น
ออกแบบ Prompt ที่ให้ผลลัพธ์คงที่ด้วยโครงสร้างและ Pattern ขั้นสูง ใช้ Chain of Thought ReAct และ Few-shot ได้เหมาะกับงาน ควบคุมผลลัพธ์เป็น JSON Schema ลด Hallucination ด้วย Grounding สร้าง Golden Set และวัดคุณภาพด้วย Rubric และ LLM-as-a-Judge ทำ Regression Test และรับมือ Prompt Injection ผู้ผ่านการอบรมได้รับใบประกาศนียบัตร (Certificate of Completion) ที่มีเลขที่ของตัวเองและตรวจสอบออนไลน์ได้
ได้ หลักสูตรนี้จัดเป็นการอบรมแบบ In-house ให้ทีมในองค์กรได้ และปรับตัวอย่างให้ตรงกับงานของทีม เช่น ใช้ Prompt หรือ AI Workflow ที่ทีมใช้อยู่จริงมาสร้างชุดทดสอบและเกณฑ์วัดคุณภาพร่วมกัน ขอใบเสนอราคาได้จากหน้านี้ หรือติดต่อทาง LINE @itgenius โทร 02-570-8449
องค์กรจำนวนมากลงทุนซื้อ License ของเครื่องมือ AI ให้พนักงานแล้ว แต่กลับพบว่าอัตราการใช้งานจริงต่ำ พนักงานส่วนใหญ่ใช้ AI เพียงระดับถามตอบทั่วไป ไม่ได้นำไปเชื่อมกับงานประจำวัน ผลลัพธ์ที่ได้จึงไม่คุ้มกับงบประมาณที่จ่ายไป ปัญหาที่พบซ้ำในองค์กรไทยมี 3 ข้อหลักคือ…
ในยุคที่ AI ก้าวจากแชทบอทตอบคำถามมาเป็น AI Agent ที่ลงมือทำงานแทนเราได้จริง Claude คือหนึ่งในเครื่องมือที่โดดเด่นที่สุดในเวลานี้ โดยเฉพาะความสามารถด้านการทำงานกับเอกสารยาว การให้เหตุผลเชิงลึก และความสามารถใหม่อย่าง Cowork Mode ที่เปิดให้ Claude…
ทุกวันนี้พนักงานออฟฟิศจำนวนมากต้องทำงานซ้ำ ๆ ผ่าน Excel หลายสิบไฟล์ ต้องรอทีม IT พัฒนาเครื่องมือเล็ก ๆ ให้เป็นเดือน หรือมีไอเดียดี ๆ ที่อยากทดลองแต่ติดกำแพงว่าเขียนโปรแกรมไม่เป็น การมาถึงของ AI Coding Agent อย่าง Claude Code ได้เปลี่ยนสมการนี้ไปอย่างสิ้นเชิง…
