สอบถามหลักสูตรเลือกช่องทางที่สะดวก ทีมงานตอบเองทุกช่อง
LINE @itgeniusตอบเร็วที่สุด · จ–ศ 9:00–17:00 น.
โทรศัพท์
02-570-8449สำนักงาน088-807-9770มือถือ
อีเมลและโซเชียล
contact@itgenius.co.thสำหรับใบเสนอราคาและเอกสารFacebookitgeniusonlineYouTubeitgeniusengขอคำปรึกษาจัดอบรมให้ทีม
Cloud · CLC-09

Generative AI Apps and Agents on Amazon Bedrock

หลักสูตร Generative AI Apps and Agents on Amazon Bedrock เป็นการอบรมสร้างแอป Generative AI บน AWS ด้วย Python ตั้งแต่ Converse API, RAG บน Bedrock Knowledge Bases และ Guardrails จนถึง AI Agent บน AgentCore เหมาะกับนักพัฒนาและ Cloud Engineer ที่ต้องพาแอป AI ขึ้นใช้งานจริง จบแล้วได้ผู้ช่วย AI ต้นแบบขององค์กร

อัปเดตล่าสุด
ราคาเริ่มต้น 8,910 บาท / ท่าน 9,900 −10% ยังไม่รวม VAT 7% · มีราคาหมู่คณะ
PDFดาวน์โหลด Course Outline
  • ระยะเวลา18 ชั่วโมง · 3 วัน
  • รูปแบบออนไซต์ / ออนไลน์สด
  • รอบถัดไปเปิดตามคำขอ
  • ใบรับรองมี Certificate

ภาพรวมหลักสูตร

การทำต้นแบบแชตบอตด้วย Generative AI ใช้เวลาไม่กี่ชั่วโมง แต่การพาแอปเดียวกันขึ้นใช้งานจริงในองค์กรเป็นอีกเรื่องหนึ่ง ทีมพัฒนาต้องตอบให้ได้ว่าจะเลือกโมเดลไหน ค่าใช้จ่ายต่อคำขอเท่าไร คำตอบอ้างอิงเอกสารที่ถูกต้องหรือไม่ จะกันข้อมูลส่วนบุคคลรั่วและ Prompt Injection อย่างไร และเมื่อเพิ่ม AI Agent ที่เรียกระบบอื่นได้เอง จะควบคุมสิทธิ์และติดตามการทำงานของมันอย่างไร Amazon Bedrock มีบริการที่ช่วยเรื่องเหล่านี้ครบ แต่ต้องรู้ว่าจะประกอบแต่ละส่วนเข้าด้วยกันอย่างไร

หลักสูตรนี้พานักพัฒนาสร้างแอป Generative AI บน AWS ด้วย Python ตั้งแต่ต้นจนจบ เริ่มจากเรียกโมเดลผ่าน Converse API, Streaming, Tool Use และการคุมต้นทุน ต่อด้วยระบบ RAG บน Amazon Bedrock Knowledge Bases พร้อม Reranker และการวัดคุณภาพ ป้องกันความเสี่ยงด้วย Amazon Bedrock Guardrails, IAM และ Logging แล้วสร้าง AI Agent ด้วย Bedrock Agents และ Strands Agents ก่อน Deploy ขึ้น Amazon Bedrock AgentCore พร้อม Memory, Gateway, Identity และ Observability ปิดท้ายด้วย Capstone ผู้ช่วย AI ภายในองค์กร เนื้อหาช่วยฝึกทักษะที่สอดคล้องกับข้อสอบ AWS Certified Generative AI Developer - Professional (AIP-C01) (อบรม 3 วัน วันละ 6 ชั่วโมง รวม 18 ชั่วโมง ระดับ Intermediate)

สิ่งที่คุณจะได้รับ

  • เรียกใช้ Foundation Model บน Amazon Bedrock ด้วย Converse API แบบ Streaming, Multimodal และ Tool Use
  • เลือกโมเดลและออกแบบการเรียกใช้ให้คุ้มค่าด้วย Prompt Caching, Batch Inference และ Cross-Region Inference
  • จัดการ Prompt เป็นเวอร์ชันและทดสอบคุณภาพก่อนนำขึ้นใช้งาน
  • สร้างระบบ RAG ด้วย Bedrock Knowledge Bases และปรับคุณภาพด้วย Chunking, Metadata และ Reranker
  • ป้องกันเนื้อหาไม่เหมาะสม ข้อมูลส่วนบุคคล และ Hallucination ด้วย Bedrock Guardrails
  • สร้าง AI Agent ด้วย Bedrock Agents และ Strands Agents พร้อมเชื่อม Tool ผ่าน MCP
  • Deploy Agent ขึ้น AgentCore Runtime พร้อม Memory, Gateway, Identity และ Policy
  • ติดตาม วัดผล และควบคุมค่าใช้จ่ายของแอป GenAI ใน Production ได้

หลักสูตรนี้เหมาะสำหรับ

  • นักพัฒนา Backend และ Full-stack ที่ต้องสร้างแอป Generative AI บน AWS
  • Cloud Engineer และ Solutions Architect ที่ออกแบบระบบ RAG หรือ AI Agent ให้องค์กร
  • ทีม AI หรือ Innovation ที่ต้องการพาต้นแบบขึ้นใช้งานจริงอย่างปลอดภัย
  • ผู้ที่ต้องการฝึกทักษะที่สอดคล้องกับข้อสอบ AWS Certified Generative AI Developer - Professional
  • ผู้ที่ผ่าน AWS AI Practitioner แล้วและต้องการลงมือสร้างแอปจริง

พื้นฐานของผู้เข้าอบรม

  • เขียน Python ได้ เช่น ฟังก์ชัน, Dictionary, JSON และการติดตั้ง Package
  • ใช้งาน AWS Console และเข้าใจ IAM, S3 และ Lambda ในระดับพื้นฐาน
  • เข้าใจแนวคิด LLM และ Prompt เบื้องต้น หากผ่าน AWS AI Practitioner มาแล้วจะเรียนได้ราบรื่นขึ้น
  • Notebook ที่ติดตั้ง Python 3, VS Code และ AWS CLI ได้ พร้อมบัญชี AWS แบบ Paid Plan

หัวข้อการฝึกอบรม

รายละเอียดหลักสูตร

หลักสูตรนี้เป็นหลักสูตรสายนักพัฒนาสำหรับสร้างแอป Generative AI และ AI Agent บน Amazon Bedrock อบรม 3 วัน วันละ 6 ชั่วโมง รวม 18 ชั่วโมง (09:00-16:00 น.) รูปแบบบรรยายพร้อม Lab เขียนโค้ด Python ทุกวัน ระดับ Intermediate ทุก Lab ทำในบัญชี AWS ของผู้เรียนหรือ Sandbox ขององค์กรแบบ Paid Plan ซึ่งมีค่าใช้จ่ายตามการใช้งานจริง หลักสูตรเลือกโมเดลขนาดเล็ก ใช้ S3 Vectors เป็นค่าเริ่มต้น

และมีขั้นตอนลบทรัพยากรหลังจบแต่ละ Lab หลักสูตรนี้ต่อยอดจาก RAG & Knowledge Base โดยเน้นบริการ Managed ของ AWS ตั้งแต่ RAG ไปจนถึง Agent ใน Production เนื้อหาสอดคล้องกับทักษะบางส่วนของข้อสอบ AWS Certified Generative AI Developer - Professional (AIP-C01) แต่ไม่ใช่หลักสูตรติวสอบอย่างเป็นทางการของ AWS และไม่รวมค่าสอบ ผู้เรียนจะได้ Lab Guide โค้ดครบทุก Lab และโปรเจกต์ Capstone ผู้ช่วย AI ภายในองค์กรกลับไปต่อยอด

Day 1 เรียกใช้ Foundation Model อย่างมืออาชีพ

Section 1: Lab: เตรียมบัญชี AWS และ Amazon Bedrock

  • ภาพรวมบริการ Generative AI บน AWS: Bedrock, AgentCore และ SageMaker AI ต่างกันอย่างไร
  • เลือก Region, ตรวจสิทธิ์ใช้โมเดล และทำความเข้าใจ Cross-Region Inference Profile
  • สร้าง IAM Role และ Policy แบบสิทธิ์น้อยที่สุดสำหรับนักพัฒนาและแอป
  • ตั้งค่า AWS CLI, boto3 และ Credential บนเครื่องอย่างปลอดภัย
  • Lab: ตั้ง AWS Budgets และเรียกโมเดลครั้งแรกจาก Python

Section 2: Lab: เรียกโมเดลด้วย Converse API

  • โครงสร้าง Converse API: System Prompt, Messages และ Inference Configuration
  • ส่งรูปภาพและเอกสารเข้าโมเดลแบบ Multimodal
  • ตอบแบบ Streaming ด้วย ConverseStream เพื่อประสบการณ์ที่ลื่นไหล
  • จัดการ Throttling และ Error ด้วย Retry แบบ Exponential Backoff
  • Lab: สร้าง API สรุปเอกสารที่รองรับทั้งข้อความและไฟล์ PDF

Section 3: เลือกโมเดลและควบคุมต้นทุน

  • เปรียบเทียบตระกูลโมเดลใน Bedrock ตามคุณภาพ ความเร็ว ภาษา และราคา
  • คำนวณต้นทุนต่อคำขอจาก Input และ Output Token
  • ลดต้นทุนด้วย Prompt Caching, Batch Inference และการเลือกโมเดลขนาดเล็ก
  • On-demand เทียบกับ Provisioned Throughput และการวาง Model Routing
  • Lab: วัดคุณภาพ ความเร็ว และต้นทุนของ 3 โมเดลกับงานเดียวกัน

Section 4: Lab: Prompt Engineering และ Prompt Management

  • เขียน System Prompt, Few-shot และกำหนดรูปแบบ Output เป็น JSON
  • เก็บ Prompt เป็น Template พร้อมตัวแปรและเวอร์ชันด้วย Bedrock Prompt Management
  • ต่อหลายขั้นตอนเป็น Workflow ด้วย Amazon Bedrock Flows
  • ทดสอบ Prompt แบบ Regression ก่อนเปลี่ยนเวอร์ชันใน Production
  • Lab: จัดการ Prompt ของงานจัดหมวดหมู่คำร้องลูกค้าเป็นเวอร์ชัน

Section 5: Lab: Tool Use และ Function Calling

  • นิยาม Tool ด้วย JSON Schema และให้โมเดลตัดสินใจเรียกใช้
  • เขียน Loop รับคำขอเรียก Tool รันฟังก์ชัน แล้วส่งผลกลับให้โมเดล
  • ตรวจ Parameter และจัดการ Error ของ Tool ไม่ให้แอปล่ม
  • ใช้ AWS Lambda เป็น Tool ที่เชื่อมระบบภายในองค์กร
  • Lab: ผู้ช่วยตอบสถานะคำสั่งซื้อจากระบบจำลอง
Day 2 RAG, Guardrails และความปลอดภัย

Section 6: Lab: Embedding และ Vector Store บน AWS

  • Embedding ทำงานอย่างไร และการเลือกโมเดล Embedding กับจำนวนมิติ
  • ตัวเลือก Vector Store: S3 Vectors, OpenSearch Serverless และ Aurora PostgreSQL กับ pgvector
  • เปรียบเทียบต้นทุนขั้นต่ำ ความเร็ว และความสามารถของแต่ละตัวเลือก
  • Similarity Search, Metadata Filter และ Hybrid Search
  • Lab: สร้าง Embedding จากเอกสารภาษาไทยและค้นหาความคล้ายด้วย Python

Section 7: Lab: RAG ด้วย Amazon Bedrock Knowledge Bases

  • สร้าง Knowledge Base จาก Amazon S3 และเลือก Vector Store
  • Chunking แบบ Fixed-size, Hierarchical และ Semantic เลือกอย่างไร
  • Parsing เอกสารที่มีตารางและรูปภาพด้วย Foundation Model หรือ Bedrock Data Automation
  • Retrieve เทียบกับ RetrieveAndGenerate พร้อมแหล่งอ้างอิงในคำตอบ
  • Lab: แชตบอตตอบคำถามจากคู่มือองค์กรพร้อม Citation

Section 8: ปรับคุณภาพและวัดผล RAG

  • ใส่ Metadata ให้เอกสารเพื่อกรองตามแผนก วันที่ หรือสิทธิ์
  • เพิ่มความแม่นด้วย Reranker Model และ Query Reformulation
  • Sync ข้อมูลใหม่แบบ Incremental เมื่อเอกสารต้นทางเปลี่ยน
  • วัดคุณภาพ RAG ด้วย Amazon Bedrock Evaluations และ LLM-as-a-judge
  • Lab: เทียบผลก่อนและหลังปรับ Chunking และ Reranker ด้วยชุดคำถามทดสอบ

Section 9: Lab: Amazon Bedrock Guardrails

  • Content Filter, Denied Topic และ Word Filter สำหรับแอปองค์กร
  • Sensitive Information Filter สำหรับปิดบังหรือบล็อกข้อมูลส่วนบุคคล
  • Contextual Grounding Check และ Automated Reasoning Check ลด Hallucination
  • ใช้ ApplyGuardrail API กับโมเดลใดก็ได้ และป้องกัน Prompt Injection
  • Lab: ใส่ Guardrail ให้แชตบอต RAG แล้วทดสอบด้วยข้อความโจมตี

Section 10: Security และ Governance ของแอป GenAI

  • IAM แบบสิทธิ์น้อยที่สุดสำหรับโมเดล Knowledge Base และ Agent
  • เข้ารหัสด้วย AWS KMS และเชื่อมต่อแบบส่วนตัวผ่าน VPC Endpoint
  • Model Invocation Logging, CloudTrail และการเก็บ Log อย่างระวังข้อมูลส่วนบุคคล
  • การใช้ข้อมูลองค์กรกับโมเดลอย่างสอดคล้อง PDPA และนโยบายภายใน
  • Workshop: Checklist ความปลอดภัยก่อนเปิดแอป GenAI ให้ผู้ใช้จริง
Day 3 AI Agent ตั้งแต่ต้นแบบถึง Production

Section 11: Lab: แนวคิด AI Agent และ Bedrock Agents

  • Agent ต่างจาก Chatbot อย่างไร: Reasoning, Tool, Memory และ Planning
  • รูปแบบ ReAct, Workflow แบบกำหนดขั้นตอน และ Multi-agent
  • Bedrock Agents แบบ Managed กับ Action Group และ Knowledge Base
  • เลือกระหว่าง Agent แบบ Managed กับการเขียนเองด้วย Framework
  • Lab: สร้าง Bedrock Agent ที่ค้นคู่มือและเปิดคำร้องผ่าน Lambda

Section 12: Lab: เขียน Agent ด้วย Strands Agents

  • โครงสร้าง Strands Agents SDK: Model, System Prompt และ Tool
  • สร้าง Tool ด้วย Python Decorator และเรียกใช้ Tool จาก MCP Server
  • รูปแบบ Multi-agent: Agents as Tools, Graph และ Swarm
  • กำหนดเงื่อนไขหยุด Timeout และขอบเขตสิทธิ์ให้ Agent
  • Lab: Agent วิเคราะห์ข้อมูลยอดขายที่เรียก Tool หลายตัว

Section 13: Lab: Deploy ด้วย Amazon Bedrock AgentCore

  • ภาพรวม AgentCore: Runtime, Memory, Gateway, Identity, Policy และ Observability
  • Deploy Agent ขึ้น AgentCore Runtime ด้วย AgentCore CLI
  • เพิ่ม Memory ระยะสั้นและระยะยาวให้ Agent จำบริบทผู้ใช้
  • แปลง Lambda และ API ภายในเป็น MCP Tool ผ่าน AgentCore Gateway
  • ยืนยันตัวตนและจำกัดการเรียก Tool ด้วย AgentCore Identity และ Policy

Section 14: Observability, Evaluation และการดูแลระบบ

  • ติดตาม Trace ของ Agent ทีละขั้นด้วย AgentCore Observability และ CloudWatch
  • วัดคุณภาพ Agent ด้วย AgentCore Evaluations และชุดทดสอบของทีม
  • ตั้ง Alarm สำหรับ Error, Latency และการใช้ Token ที่ผิดปกติ
  • แนวทาง CI/CD และ Rollback เมื่อเปลี่ยนโมเดลหรือ Prompt
  • Lab: หาสาเหตุที่ Agent ตอบผิดจาก Trace แล้วแก้ไข

Section 15: Capstone: ผู้ช่วย AI ภายในองค์กร

  • ออกแบบสถาปัตยกรรมที่รวม RAG, Guardrails และ Agent เข้าด้วยกัน
  • สร้างผู้ช่วยที่ตอบจากเอกสารและทำงานผ่าน Tool ได้จริง
  • ประเมินคุณภาพ ความปลอดภัย และต้นทุนต่อการใช้งาน
  • นำเสนอผลงานและเทียบทักษะที่ใช้กับ Domain ของข้อสอบ AIP-C01
  • ลบทรัพยากรทั้งหมดและสรุป Checklist ก่อนขึ้น Production

รอบอบรมและรูปแบบการอบรม

สำหรับบุคคล — รอบอบรมทั่วไป

ขณะนี้ยังไม่มีรอบอบรมเปิดรับสมัคร ลงชื่อจองไว้ได้เลย ทีมงานจะติดต่อกลับเป็นกลุ่มแรกเมื่อเปิดรอบถัดไป หรือสอบถามทางไลน์ หรือโทร 02-570-8449 หรือ 088-807-9770

สำหรับองค์กร — In-house / Private Training

  • ปรับเนื้อหาให้ตรงกับเครื่องมือและงานจริงของทีม
  • เลือกวันเอง อบรมที่บริษัทหรือออนไลน์สด
  • ออกใบเสนอราคาในนามนิติบุคคลให้ฝ่ายจัดซื้อ
ขอใบเสนอราคาอบรมองค์กร

วิทยากรผู้สอน

คำถามที่พบบ่อย

หลักสูตร Generative AI Apps and Agents on Amazon Bedrock เหมาะกับใคร ต้องมีพื้นฐานอะไรมาก่อน

เหมาะกับ นักพัฒนา Backend และ Full-stack ที่ต้องสร้างแอป Generative AI บน AWS · Cloud Engineer และ Solutions Architect ที่ออกแบบระบบ RAG หรือ AI Agent ให้องค์กร · ทีม AI หรือ Innovation ที่ต้องการพาต้นแบบขึ้นใช้งานจริงอย่างปลอดภัย พื้นฐานที่ผู้เรียนควรมี เขียน Python ได้ เช่น ฟังก์ชัน, Dictionary, JSON และการติดตั้ง Package · ใช้งาน AWS Console และเข้าใจ IAM, S3 และ Lambda ในระดับพื้นฐาน หากไม่แน่ใจว่าพื้นฐานพอหรือไม่ ปรึกษาทีมงานได้ฟรีทาง LINE @itgenius หรือโทร 02-570-8449

หลักสูตร Generative AI Apps and Agents on Amazon Bedrock ราคาเท่าไร ใช้เวลาเรียนกี่ชั่วโมง

ราคาปกติ 9,900 บาท (โปรโมชันปัจจุบันเหลือ 8,910 บาท) ใช้เวลาอบรม 18 ชั่วโมง ราคานี้ยังไม่รวม VAT 7% (กรณีชำระในนามนิติบุคคล) ชำระค่าอบรมด้วยการโอนเข้าบัญชีบริษัท แล้วแจ้งชำระเงินผ่านหน้าแจ้งชำระเงินของเว็บไซต์ และขอใบเสร็จรับเงินหรือใบกำกับภาษีในนามบริษัทได้

เรียนจบได้รับ Certificate หรือไม่

ได้รับ ผู้ผ่านการอบรมทุกท่านจะได้รับใบประกาศนียบัตร (Certificate of Completion) จากสถาบันไอทีจีเนียส ใบประกาศแต่ละใบมีเลขที่ของตัวเอง ใครก็ตามที่มีเลขที่ใบประกาศตรวจสอบความถูกต้องออนไลน์ได้ที่หน้าตรวจสอบใบประกาศของสถาบัน จึงใช้แนบแฟ้มผลงานหรือส่งให้ฝ่ายบุคคลประกอบการพัฒนาบุคลากรได้

อบรมที่ไหน มีเรียนแบบออนไลน์หรือไม่

เรียนได้ทั้งแบบออนไซต์ที่สถาบันไอทีจีเนียส และนัดเรียนผ่านออนไลน์ และรับจัดอบรมเฉพาะทีม (In-house Training) ให้องค์กร สอบถามรอบและสถานที่ได้ที่ LINE @itgenius หรือโทร 02-570-8449

ถ้าเรียนไม่ทันหรือขาดเรียน มีเรียนซ้ำ/เรียนชดเชยหรือไม่

มี ผู้เรียนสามารถแจ้งขอเรียนซ้ำ (repeat) ในรอบถัดไปของหลักสูตรเดียวกันได้ฟรีตามเงื่อนไขของสถาบัน แจ้งชื่อหลักสูตรและรอบที่เคยเรียนกับทีมงาน แล้วทีมงานจะตรวจสอบและแจ้งรอบที่ยังมีที่นั่งว่างให้เลือก สอบถามได้ที่ LINE @itgenius หรือโทร 02-570-8449

สมัครเรียนหรือขอใบเสนอราคาในนามบริษัทได้อย่างไร

สมัครออนไลน์ได้จากแบบฟอร์มลงทะเบียนบนหน้านี้ ลงทะเบียนผู้เข้าอบรมหลายคนได้ในครั้งเดียว และกรอกเลขประจำตัวผู้เสียภาษีกับที่อยู่สำหรับออกใบกำกับภาษีได้ในฟอร์ม หรือขอใบเสนอราคา (Quotation) ในนามนิติบุคคลได้ทันทีจากปุ่มขอใบเสนอราคา สอบถามเพิ่มเติมโทร 02-570-8449 หรือ LINE @itgenius