หลักสูตร Forward Deployed Engineer (FDE) 201 เป็นการอบรมแบบเขียนโค้ดเพื่อพา AI Pilot ขึ้น Production ทั้ง RAG ที่วัดผลด้วย Eval, Agent ที่เชื่อมระบบผ่าน MCP อย่างปลอดภัย ต้นทุน Tracing และ UAT เหมาะกับผู้ที่ผ่าน FDE 101 และ AI Engineer จบแล้วได้ชุดส่งมอบที่ใช้เป็นผลงานได้
Pilot ด้าน AI ที่ผ่านการสาธิตแล้วยังห่างจากระบบที่องค์กรยอมเปิดให้พนักงานใช้จริงอีกหลายขั้น คำตอบต้องวัดคุณภาพได้ทุกครั้งที่แก้โค้ด Agent ต้องเห็นเฉพาะข้อมูลและเครื่องมือที่ผู้ใช้คนนั้นมีสิทธิ์ ข้อมูลส่วนบุคคลต้องไม่หลุดไปกับ Prompt หรือ Log และฝ่ายบริหารต้องเห็นต้นทุนกับผลตอบแทนเป็นตัวเลข งานช่วงนี้คือหัวใจของ Forward Deployed Engineer (FDE) ที่ต้องพาระบบจาก Pilot ไปถึงวัน Go-live ด้วยโค้ดที่ทีมลูกค้ารับไปดูแลต่อได้
หลักสูตรนี้เป็นเส้นทางสาย Code-first ต่อจาก FDE 101 โดยทบทวนสั้น ๆ แล้วลงมือทันที วันแรกสร้าง RAG Service ด้วย Python และ FastAPI ตั้งแต่ Ingestion, Hybrid Search, Reranking และ Structured Output ไปจนถึง Evaluation Harness ที่รันใน CI วันที่สองยกระดับ Agent สู่มาตรฐานองค์กรด้วย MCP Server, A2A, Workflow ที่มีคนอนุมัติ, Guardrails, การปกปิด PII, SSO, RBAC และ Audit Log วันที่สามลดต้นทุนและ Latency วาง Tracing, CI/CD และ Container แล้วปิดงานแบบที่ปรึกษาด้วยแผน UAT, Business Case และการส่งมอบผู้บริหาร พร้อม Capstone ที่เก็บเป็นผลงานได้ (อบรม 3 วัน วันละ 6 ชั่วโมง รวม 18 ชั่วโมง ระดับ Advanced)
รายละเอียดหลักสูตร
หลักสูตรนี้เป็นเส้นทางสาย Code-first ของ Forward Deployed Engineer (FDE) ที่พา AI Pilot ไปถึงวัน Go-live ในองค์กร อบรม 3 วัน วันละ 6 ชั่วโมง รวม 18 ชั่วโมง (09:00-16:00 น.) รูปแบบบรรยายพร้อม Lab และ Workshop แบบเขียนโค้ดจริงบน Pilot ตั้งต้นชุดเดียวที่ยกระดับต่อกันทั้ง 3 วัน ระดับ Advanced ผู้เรียนควรผ่าน FDE 101 หรือมีประสบการณ์เทียบเท่า เขียน Python ได้คล่อง และใช้ Git กับ Docker ได้ สถาบันไม่ได้จัดเตรียมบัญชี API Key, Cloud Credit, GPU หรือ Server ให้ ผู้เรียนใช้ API Key
ของผู้ให้บริการโมเดลของตนเองหรือของบริษัท หรือรัน Open Model ขนาดเล็กบน Notebook ด้วย Ollama และใช้ Free Tier ของ CI หรือ Cloud ของตนเอง หลักสูตรนี้ต่อยอดจาก Forward Deployed Engineer (FDE) 101 ที่เน้น Discovery, Prototype ด้วย Claude Code, Multi-Agent Architecture, Local AI และ Handover โดยทบทวนสั้น ๆ แล้วเน้นงาน Production แบบเขียนโค้ด เนื้อหา RAG ต่อยอดจาก RAG & Knowledge Base ส่วน Gateway, Routing และ Guardrail ระดับแพลตฟอร์มมีรายละเอียดเต็มใน Enterprise GenAI Gateway and Private AI Platform หากต้องการเจาะลึก GraphRAG, Fine-tuning หรือการทดสอบเจาะระบบ AI ดูต่อได้ที่ GraphRAG and Agent Memory, LLM Fine-Tuning with LoRA และ AI Security and LLM Red Teaming
Section 1: จาก Pilot สู่ Production และโครง Service ด้วย FastAPI
Section 2: Lab: Ingestion และ Chunking กับเอกสารจริง
Section 3: Lab: Hybrid Search และ Reranking
Section 4: Structured Output และ Context Engineering
Section 5: Lab: Evaluation Harness และ Regression ใน CI
Section 6: Lab: Tool Calling ที่เชื่อถือได้
Section 7: Lab: MCP Server สำหรับระบบภายในองค์กร
Section 8: A2A และ Workflow ที่ทำงานนานพร้อมคนอนุมัติ
Section 9: Lab: Guardrails, Prompt Injection และ PII
Section 10: Lab: SSO, RBAC และ Audit Log
Section 11: Lab: ลดต้นทุนและ Latency
Section 12: Lab: Observability และ Tracing
Section 13: Lab: CI/CD และ Container สำหรับระบบ AI
Section 14: UAT, ROI และ Executive Handover
Section 15: Capstone: ยกระดับ Pilot สู่ Production-ready Package
ขณะนี้ยังไม่มีรอบอบรมเปิดรับสมัคร ลงชื่อจองไว้ได้เลย ทีมงานจะติดต่อกลับเป็นกลุ่มแรกเมื่อเปิดรอบถัดไป หรือสอบถามทางไลน์ หรือโทร 02-570-8449 หรือ 088-807-9770
หลักสูตรนี้ต่อยอดจาก Forward Deployed Engineer (FDE) 101 ซึ่งเน้น Discovery กับลูกค้า การสร้าง Prototype ด้วย Claude Code การออกแบบ Multi-Agent การ Deploy Local AI และการส่งมอบ ส่วน FDE 201 ทบทวนสั้น ๆ แล้วลงมือเขียนโค้ดเพื่อพา Pilot ขึ้น Production ได้แก่ RAG ที่วัดผลด้วย Eval ใน CI, Agent ที่เชื่อมระบบภายในผ่าน MCP และ A2A, Guardrails, PII, SSO, RBAC, การลดต้นทุน Tracing และ CI/CD ปิดท้ายด้วย UAT, Business Case และการส่งมอบผู้บริหาร RAG & Knowledge Base เป็นพื้นฐานการสร้าง RAG ส่วน Enterprise GenAI Gateway and Private AI Platform เน้นแพลตฟอร์ม Gateway กลางขององค์กร ขณะที่หลักสูตรนี้มองจากตัวแอปที่ FDE ส่งมอบ หากต้องการเจาะลึก GraphRAG, Fine-tuning หรือการทดสอบเจาะระบบ AI ดูต่อได้ที่ GraphRAG and Agent Memory, LLM Fine-Tuning with LoRA และ AI Security and LLM Red Teaming
ไม่บังคับ แต่ควรมีพื้นฐานเทียบเท่า คือเคยสร้าง AI Pilot หรือ Prototype ที่เรียกใช้โมเดลผ่าน API เข้าใจแนวคิด RAG, Agent และ MCP เบื้องต้น เขียน Python ได้คล่อง และใช้ Git กับ Docker ได้ หลักสูตรทบทวนเนื้อหา FDE 101 เพียงสั้น ๆ ในช่วงแรก ผู้ที่ยังไม่มีพื้นฐานนี้ควรเรียน FDE 101 ก่อน
สถาบันไม่ได้จัดเตรียมบัญชี API Key, Cloud Credit, GPU หรือ Server ให้ ผู้เรียนใช้ API Key ของผู้ให้บริการโมเดลที่เลือกเองจากบัญชีของตนเองหรือของบริษัท ซึ่งมีค่าใช้จ่ายตามการใช้งานจริง หรือรัน Open Model ขนาดเล็กบน Notebook ด้วย Ollama แทนได้ ส่วน CI ใช้บริการแบบฟรีอย่าง GitHub Actions จากบัญชีของผู้เรียน และควรติดตั้ง Python, Docker Desktop, Git และ VS Code ไว้ก่อนวันอบรม
ไม่จำเป็น Lab ทั้งหมดรันบน Notebook ด้วย Docker โดยเรียกโมเดลผ่าน API หรือใช้โมเดลขนาดเล็กผ่าน Ollama หลักสูตรนี้แตะเรื่อง Quantization เพียงสั้น ๆ ในหัวข้อลดต้นทุน เพราะการคำนวณ GPU และการ Deploy แบบ On-Premise อยู่ใน FDE 101 แล้ว ผู้ที่ต้องการ Deploy บน Cloud จริงใช้ Free Tier หรือบัญชีของตนเองได้
ผู้เรียนได้โค้ดตัวอย่างครบทุก Lab เทมเพลต Golden Set, Security Checklist, UAT Plan และ Business Case และชุดส่งมอบจาก Capstone ที่ยกระดับ Pilot ให้พร้อม Production ซึ่งเก็บไว้เป็นผลงานได้ ผู้ที่เข้าอบรมครบจะได้รับประกาศนียบัตรจบหลักสูตร (Certificate of Completion) จากสถาบันไอทีจีเนียส ซึ่งไม่ใช่ใบรับรองจากผู้ผลิตเครื่องมือรายใด
ในรอบ Public ทุกคนใช้ Pilot ตั้งต้นและข้อมูลจำลองชุดเดียวกัน ผู้เรียนนำแนวคิดไปปรับกับงานจริงได้ แต่ไม่ควรนำข้อมูลลับหรือข้อมูลส่วนบุคคลของบริษัทเข้ามาในคลาส หากต้องการใช้ระบบ ข้อมูล และนโยบายความปลอดภัยขององค์กรโดยตรง สามารถจัดเป็นหลักสูตร In-house และขอใบเสนอราคาได้
หลายองค์กรทดลองใช้ AI มาแล้ว แต่โปรเจกต์จำนวนมากหยุดอยู่แค่ Demo เพราะคนที่เข้าใจปัญหาธุรกิจกับคนที่สร้างระบบได้มักอยู่คนละฝั่ง Forward Deployed Engineer (FDE) คือวิศวกรที่ปิดช่องว่างนี้ ทำงานร่วมกับลูกค้าถึงหน้างาน ฟังปัญหาจริง เปลี่ยนโจทย์ธุรกิจให้เป็นระบบ…
โมเดล AI ทั่วไปเก่งเรื่องภาษาก็จริง แต่ไม่รู้จักข้อมูลภายในองค์กรของคุณ ไม่ว่าจะเป็นคู่มือ นโยบาย สัญญา ข้อมูลลูกค้า หรือองค์ความรู้ที่สั่งสมมา เมื่อถามเรื่องเฉพาะขององค์กร AI จึงมักตอบมั่ว (Hallucination) หรือตอบจากข้อมูลทั่วไปที่ไม่ตรงบริบท…
เมื่อพนักงานทุกแผนกเริ่มใช้ AI องค์กรมักเจอปัญหาเดียวกัน แต่ละทีมสมัครบริการคนละเจ้า ถือ API Key กันเอง ไม่มีใครรู้ว่าค่าใช้จ่ายรวมเท่าไร ข้อมูลลูกค้าหรือเอกสารลับอาจถูกส่งออกไปโดยไม่ตั้งใจ และเมื่อเกิดเหตุก็ไม่มี Log ให้ตรวจย้อนหลัง การห้ามใช้ไม่ได้ผล…
