หลักสูตร Elasticsearch with Python เป็นการอบรมการใช้ Elasticsearch 9 ผ่าน Python Client ตั้งแต่จัดการ Document ออกแบบ Mapping และ Analyzer ภาษาไทย ค้นหาด้วย Query DSL สรุปข้อมูลด้วย Aggregation และ ES|QL จนถึงเก็บ Log และทำ Vector Search เหมาะกับนักพัฒนา Python ผู้ดูแลระบบ และ DBA
Elasticsearch เป็นเครื่องมือค้นหาและวิเคราะห์ข้อมูลแบบกระจายที่สร้างบน Apache Lucene ใช้ได้ทั้งค้นหาข้อมูลในแอป วิเคราะห์ Log และเก็บข้อมูลแบบ Vector สำหรับงาน AI ส่วน Kibana ช่วยสืบค้นและแสดงผลข้อมูลเป็นภาพ ทั้งสองตัวพัฒนาไปมากใน Elastic Stack 9 และ Python Client รุ่น 9 ได้รวม DSL Module เข้ามาในแพ็กเกจเดียว ทำให้นักพัฒนา Python สร้างงานค้นหาและงานข้อมูลบน Elasticsearch ได้ครบในที่เดียว
หลักสูตรนี้พาผู้เรียนใช้ Elasticsearch 9 ผ่าน Python ตั้งแต่ติดตั้งด้วย Docker จัดการ Document ด้วย Python Client 9 ออกแบบ Mapping และ Analyzer รวมถึงภาษาไทย ค้นหาด้วย Query DSL ปรับผลการค้นหา และสรุปข้อมูลด้วย Aggregation และ ES|QL ต่อด้วยการส่ง Log จาก Python ในรูปแบบ ECS เข้า Data Stream พร้อม ILM สืบค้นใน Kibana และทำ Vector Search แล้วปิดท้ายด้วย Workshop สร้าง Search API ด้วย FastAPI (อบรม 3 วัน วันละ 6 ชั่วโมง รวม 18 ชั่วโมง ระดับ Intermediate)
รายละเอียดหลักสูตร
หลักสูตรนี้เป็นฉบับปรับปรุงใหม่ปี 2026 ของหลักสูตร Elasticsearch with Python เนื้อหาอัปเดตเป็น Elastic Stack 9 และ Python Client 9 อบรม 3 วัน วันละ 6 ชั่วโมง รวม 18 ชั่วโมง (09:00-16:00 น.) รูปแบบบรรยายพร้อม Lab บนข้อมูลชุดเดียวต่อเนื่องตลอดหลักสูตร ระดับ Intermediate วันแรกเป็นการติดตั้งและจัดการข้อมูลด้วย Python, Mapping และ Analyzer ภาษาไทย วันที่สองเป็นการค้นหา
การปรับผลการค้นหา Aggregation และ ES|QL วันที่สามเป็นการเก็บ Log จาก Python, Data Stream กับ ILM, Kibana และ Vector Search พร้อม Workshop สร้าง Search API ด้วย FastAPI ทุก Lab รันบนเครื่องของผู้เรียนด้วย Docker หลักสูตรนี้เน้นการใช้งานจาก Python ส่วนผู้ที่พัฒนาด้วย .NET มีหลักสูตร Elasticsearch and Kibana with .NET แยกต่างหาก ผู้เรียนจะได้ Lab Guide ซอร์สโค้ด และไฟล์ docker-compose กลับไปใช้งานต่อ
Section 1: Lab: รู้จัก Elastic Stack 9 และติดตั้งด้วย Docker
Section 2: Lab: จัดการ Document ด้วย Python Client 9
Section 3: การอ่านเขียนข้อมูลและ Concurrency
Section 4: Lab: ออกแบบ Mapping
Section 5: Text Analysis และภาษาไทย
Section 6: Lab: Term-level Query และ Python DSL
Section 7: Full-text Search และ Relevance
Section 8: Nested Object และ Join
Section 9: Lab: ควบคุมและปรับปรุงผลการค้นหา
Section 10: Lab: Aggregation และ ES|QL
Section 11: Lab: เขียน Log จาก Python ไปยัง Elasticsearch
Section 12: Data Stream, ILM และการดูแล Index
Section 13: Lab: สืบค้นและแสดงผลด้วย Kibana
Section 14: Vector Search และ Semantic Search
Section 15: Workshop: Search API ด้วย FastAPI
ขณะนี้ยังไม่มีรอบอบรมเปิดรับสมัคร ลงชื่อจองไว้ได้เลย ทีมงานจะติดต่อกลับเป็นกลุ่มแรกเมื่อเปิดรอบถัดไป หรือสอบถามทางไลน์ หรือโทร 02-570-8449 หรือ 088-807-9770
Mapping คือการกำหนดโครงสร้างของ Index ว่าแต่ละฟิลด์เป็นข้อมูลชนิดใดและจัดเก็บอย่างไร ฟิลด์ text จะผ่าน Analyzer ที่ตัดข้อความเป็นคำย่อย ๆ เหมาะกับการค้นหาแบบ Full-text เช่น ชื่อหรือรายละเอียดสินค้า ส่วนฟิลด์ keyword เก็บค่าทั้งก้อนตามจริง เหมาะกับการกรองแบบตรงตัว การเรียงลำดับ และ Aggregation เช่น รหัสหรือหมวดหมู่ ในงานจริงมักใช้ Multi-field ให้ฟิลด์เดียวมีทั้งสองแบบ
ติดตั้งแพ็กเกจ elasticsearch รุ่น 9 แล้วสร้าง Client ด้วย URL และ API Key จากนั้นเรียก index เพื่อเพิ่ม Document ทีละรายการ หรือใช้ helpers.bulk เมื่อมีข้อมูลจำนวนมาก การค้นหาเรียก search พร้อม Query DSL หรือเขียนผ่าน Search Class ใน elasticsearch.dsl ที่รวมอยู่ใน Client รุ่น 9 แล้ว ถ้าแอปต้องเรียกพร้อมกันจำนวนมาก เช่น บน FastAPI ให้ใช้ AsyncElasticsearch
Aggregation ใช้สรุปข้อมูลจำนวนมากในคำสั่งเดียว เช่น นับจำนวน หาผลรวม ค่าเฉลี่ย หรือจัดกลุ่มตามหมวดหมู่ ช่วงราคา และช่วงเวลา จึงใช้ทำรายงาน Dashboard และตัวกรองแบบ Facet บนหน้าค้นหาได้ นอกจากนี้ Elasticsearch ยังมี ES|QL ที่เขียนคำสั่งแบบต่อกันเป็นขั้นตอนอ่านง่าย และเรียกจาก Python แล้วนำผลเข้า pandas ได้ ในหลักสูตรได้ฝึกทั้งสองแบบ
เหมาะกับนักพัฒนา Python ที่ต้องการเพิ่มระบบค้นหาหรือวิเคราะห์ข้อมูลให้แอป ผู้ดูแลระบบที่ต้องเก็บและสืบค้น Log และ DBA หรือ Data Engineer ที่ดูแลข้อมูลใน Elasticsearch ผู้เรียนควรเขียน Python ได้ในระดับใช้งาน เข้าใจ JSON และ REST API และใช้ Command Line กับ Docker ขั้นพื้นฐานได้ และควรมีโน้ตบุ๊ก RAM 16 GB ขึ้นไปที่ติดตั้ง Docker Desktop ได้
ผู้เรียนจะติดตั้งและเชื่อมต่อ Elasticsearch 9 จาก Python ได้ ออกแบบ Mapping และ Analyzer ที่รองรับภาษาไทย เขียน Query ค้นหาและปรับลำดับผลได้ตรงความต้องการ สรุปข้อมูลด้วย Aggregation และ ES|QL เขียน Log จาก Python ในรูปแบบ ECS พร้อม Data Stream และ ILM สร้าง Dashboard ใน Kibana และทำ Vector Search ได้ พร้อมโปรเจกต์ Search API ด้วย FastAPI กลับไปพัฒนาต่อ
ได้ สถาบันไอทีจีเนียสรับจัดอบรมแบบ In-house สำหรับองค์กร สามารถปรับตัวอย่างและ Lab ให้ใกล้เคียงระบบของทีม เช่น ระบบค้นหาสินค้าหรือเอกสารภาษาไทย หรือระบบเก็บและสืบค้น Log ของแอป และเลือกเน้นด้านการค้นหาหรือด้าน Logging ตามความต้องการ ติดต่อขอใบเสนอราคาได้ผ่านช่องทางของสถาบัน
Django เป็นเว็บเฟรมเวิร์กภาษา Python ที่ใช้สร้างเว็บไซต์และระบบงานที่ขับเคลื่อนด้วยฐานข้อมูลมาอย่างยาวนาน เพราะมีของที่ต้องใช้มาให้ครบตั้งแต่ ORM, หน้า Admin, ระบบฟอร์ม, ระบบผู้ใช้ ไปจนถึงการป้องกันช่องโหว่พื้นฐาน…
ระบบงานทุกวันนี้ทั้งเว็บ แอปมือถือ และบริการของพาร์ตเนอร์ ล้วนคุยกันผ่าน REST API ทีมที่ใช้ Django อยู่แล้วจึงต้องเปิดข้อมูลของระบบออกมาเป็น API ที่ออกแบบดี ปลอดภัย มีเอกสาร และทดสอบได้ Django REST Framework เป็นเครื่องมือมาตรฐานของงานนี้ เพราะต่อยอดจาก…
เมื่อเว็บที่สร้างด้วย Django เริ่มมีผู้ใช้จริง ข้อมูลมากขึ้น และมีหลายบทบาทเข้ามาใช้งาน งานที่ต้องทำก็เปลี่ยนจากการทำหน้าเว็บให้ทำงานได้ ไปเป็นการทำให้ระบบเร็ว ปลอดภัย จัดการสิทธิ์ได้ละเอียด และดูแลต่อได้ง่าย Django มีเครื่องมือสำหรับงานเหล่านี้ครบในตัว…
