ໂທ. 02-570-8449 ມືຖື 088-807-9770 ຊຳລະເງິນ
ຈ–ສ 9:00–17:00 ໂມງ @itgenius
ສະຖາບັນໄອທີຈີເນຍສ໌IT Genius Institute
ສະຖາບັນໄອທີຈີເນຍສ໌IT Genius Institute
ຫຼັກສູດເວີກຊັອບຕາຕະລາງຝຶກອົບຮົມ
ສຳລັບອົງກອນ
ຝຶກອົບຮົມພາຍໃນອົງກອນ (In-house)AI Transformationຝຶກອົບຮົມໜ່ວຍງານລັດບໍລິການພັດທະນາລະບົບເຊົ່າຫ້ອງຝຶກອົບຮົມ
ບົດຄວາມ
ກ່ຽວກັບພວກເຮົາ
ຮູ້ຈັກສະຖາບັນໄອທີຈີເນຍສ໌ວິທະຍາກອນຜົນງານລູກຄ້າຂອງພວກເຮົາຊ່ອງທາງຊຳລະເງິນ
ຕິດຕໍ່ພວກເຮົາຄອສອອນລາຍ
ຮູບແບບສີ
ພາສາ
THENLA
ສອບຖາມຫຼັກສູດເລືອກຊ່ອງທາງທີ່ສະດວກ ທີມງານຕອບເອງທຸກຊ່ອງທາງ
LINE @itgeniusຕອບໄວທີ່ສຸດ · ຈ–ສ 9:00–17:00 ໂມງ
ໂທລະສັບ
02-570-8449ຫ້ອງການ088-807-9770ມືຖື
ອີເມວ ແລະ ໂຊຊຽວ
contact@itgenius.co.thສຳລັບໃບສະເໜີລາຄາ ແລະ ເອກະສານFacebookitgeniusonlineYouTubeitgeniusengຂໍຄຳປຶກສາຈັດຝຶກອົບຮົມໃຫ້ທີມ
ໜ້າຫຼັກ / ຫຼັກສູດ / AI / ລາຍລະອຽດ
AI · AIC-17

Advanced Prompt Engineering & AI Evaluation

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

ອັບເດດລ່າສຸດ
Advanced Prompt Engineering & AI Evaluation
ລາຄາເລີ່ມຕົ້ນ 8,010 ບາດ / ທ່ານ 8,900 −10% ຍັງບໍ່ລວມ VAT 7% · ມີລາຄາໝູ່ຄະນະ
ຂໍໃບສະເໜີລາຄາຝຶກອົບຮົມອົງກອນ ລົງຊື່ຈອງໄວ້
PDFດາວໂຫຼດ Course Outline
  • ໄລຍະເວລາ12 ຊົ່ວໂມງ · 2 ມື້
  • ຮູບແບບຢູ່ສະຖາບັນ / ອອນລາຍສົດ
  • ຮອບຕໍ່ໄປເປີດຕາມຄຳຂໍ
  • ໃບຢັ້ງຢືນມີໃບຢັ້ງຢືນ

ພາບລວມຫຼັກສູດ

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)

ສິ່ງທີ່ທ່ານຈະໄດ້ຮັບ

  • เข้าใจการทำงานของ Large Language Model ในระดับที่เพียงพอต่อการออกแบบ Prompt อย่างมีเหตุผล (Token, Context, Temperature, Sampling)
  • ออกแบบ Prompt ด้วยโครงสร้างและ Pattern ขั้นสูงที่ให้ผลลัพธ์คงที่และควบคุมได้
  • ประยุกต์ใช้เทคนิคการให้ AI คิดเป็นขั้นตอน (Chain of Thought, Self-Consistency, ReAct, Tree of Thoughts, Step-back Prompting)
  • ออกแบบ Few-shot Example และเลือกตัวอย่างที่ทำให้ผลลัพธ์นิ่งและตรงรูปแบบ
  • ควบคุมผลลัพธ์ให้อยู่ในรูปแบบที่นำไปใช้ต่อได้ (Structured Output, JSON Schema, Tool/Function Calling)
  • จัดการ Context และลด Hallucination ด้วยการ Grounding และการอ้างอิงแหล่งข้อมูล
  • เข้าใจหลักการ AI Evaluation และสร้างชุดข้อมูลทดสอบ (Evaluation Dataset / Golden Set)
  • วัดคุณภาพผลลัพธ์ด้วย Rubric, Human Evaluation, LLM-as-a-Judge และ Pairwise Comparison
  • ทำ Regression Test ให้กับ Prompt เพื่อยืนยันว่าการแก้ไขทำให้ดีขึ้นจริง
  • เข้าใจความเสี่ยงด้าน Prompt Injection, Jailbreak และวางแนวปฏิบัติด้านความปลอดภัยและ PDPA พร้อมวาง Prompt Library มาตรฐาน

ຫຼັກສູດນີ້ເໝາະສຳລັບ

  • ผู้ที่ใช้งาน AI ในงานประจำและต้องการยกระดับคุณภาพและความคงที่ของผลลัพธ์
  • Developer, Data Analyst และ AI Engineer ที่ต้องนำ LLM ไปใช้ในระบบงานจริง
  • Product Owner, Project Manager และทีมที่ออกแบบฟีเจอร์ที่ขับเคลื่อนด้วย AI
  • ทีม Automation, Operations และผู้ที่สร้าง AI Workflow, Chatbot หรือ AI Agent
  • หัวหน้าทีมและผู้วางมาตรฐานการใช้ AI ในองค์กรที่ต้องการวัดคุณภาพได้อย่างเป็นระบบ

ພື້ນຖານຂອງຜູ້ເຂົ້າຝຶກອົບຮົມ

  • เคยใช้งาน Generative AI เบื้องต้น เช่น ChatGPT, Claude หรือ Gemini มาก่อน
  • ใช้งานคอมพิวเตอร์และอินเทอร์เน็ตในระดับทั่วไปได้
  • เข้าใจกระบวนการทำงานหรือโจทย์ในหน้าที่ของตนเอง เพื่อนำมาใช้เป็นกรณีศึกษาระหว่างอบรม
  • ไม่จำเป็นต้องมีพื้นฐานการเขียนโปรแกรม แต่หากอ่าน JSON หรือเคยเรียก API ได้จะเข้าใจส่วน Structured Output และ Evaluation ได้ลึกขึ้น

ຫົວຂໍ້ການຝຶກອົບຮົມ

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

Day 1 จากการลองผิดลองถูก สู่การออกแบบ Prompt เชิงวิศวกรรม

Section 1: รากฐาน LLM ที่จำเป็นต่อการออกแบบ Prompt

  • โมเดลภาษาทำนายคำถัดไปอย่างไร และเหตุใดผลลัพธ์จึงไม่คงที่
  • Token, Context Window และผลกระทบต่อการวาง Prompt กับเอกสารยาว
  • Temperature, Top-p และ Sampling ควบคุมความสร้างสรรค์กับความแม่นยำอย่างไร
  • ความแตกต่างเชิงพฤติกรรมของ ChatGPT, Claude และ Gemini ที่นักออกแบบ Prompt ควรรู้ และกรอบคิดวงจรการปรับปรุง Prompt

Section 2: โครงสร้างและ Pattern ของ Prompt ขั้นสูง

  • องค์ประกอบของ Prompt คุณภาพสูง: Role, Context, Task, Format, Constraint และ Success Criteria
  • การใช้ Delimiter และโครงสร้างแบบ Markdown / XML เพื่อลดความกำกวม และการแยก System Prompt กับ User Prompt
  • Pattern ที่ใช้บ่อยในงานจริง: Extraction, Classification, Summarization, Transformation และ Generation
  • Anti-pattern ที่ทำให้ผลลัพธ์เพี้ยน และวิธีเขียน Instruction ที่ AI ทำตามได้จริง

Section 3: เทคนิคการให้ AI คิดเป็นขั้นตอน (Reasoning Techniques)

  • Chain of Thought สั่งให้แสดงขั้นตอนการคิดเพื่อเพิ่มความแม่นยำ และ Self-Consistency เลือกคำตอบที่สอดคล้องกัน
  • ReAct (Reason + Act) ผสมการให้เหตุผลกับการเรียกใช้เครื่องมือ
  • Tree of Thoughts และ Step-back Prompting สำหรับโจทย์ที่ซับซ้อน
  • การเลือกเทคนิคให้เหมาะกับประเภทงานและต้นทุน Token

Section 4: Few-shot และ Example Engineering

  • ความแตกต่างของ Zero-shot, One-shot และ Few-shot และควรใช้เมื่อใด
  • หลักการเลือกตัวอย่างที่ทำให้ผลลัพธ์นิ่งและครอบคลุมกรณีขอบ (Edge Case)
  • การจัดรูปแบบตัวอย่างให้สม่ำเสมอ และผลของลำดับและจำนวนตัวอย่างต่อคุณภาพและอคติ (Bias)
  • Workshop: ปรับ Prompt งานจริงของผู้เรียนจาก Zero-shot เป็น Few-shot แล้วเทียบผลลัพธ์

Section 5: การควบคุมผลลัพธ์แบบ Structured Output

  • เหตุใดงานที่นำไปใช้ต่อในระบบจึงต้องการผลลัพธ์ที่มีโครงสร้าง
  • การบังคับผลลัพธ์เป็น JSON และการกำหนดด้วย JSON Schema
  • แนวคิด Tool / Function Calling และการให้โมเดลตอบตาม Schema ที่กำหนด และการทำ Validation / Retry
  • Workshop: ออกแบบ Prompt ให้ดึงข้อมูลจากเอกสารออกมาเป็น JSON ตาม Schema ที่กำหนดและตรวจสอบความถูกต้อง
Day 2 Context, การวัดผล และการวาง Prompt System ที่เชื่อถือได้

Section 6: Context Engineering และการลด Hallucination

  • Context Engineering คืออะไร และต่างจากการเขียน Prompt อย่างไร
  • การ Grounding ด้วยข้อมูลจริงและแนวคิด RAG-aware Prompting เบื้องต้น
  • เทคนิคบังคับให้ AI อ้างอิงแหล่งข้อมูลและตอบ ไม่ทราบ เมื่อข้อมูลไม่พอ และการจัดการเอกสารยาวเกิน Context ด้วย Chunking
  • กลยุทธ์ลด Hallucination เชิงปฏิบัติสำหรับงานที่ต้องการความถูกต้องสูง

Section 7: System Prompt, Template และ Prompt Library

  • การออกแบบ System Prompt ที่กำหนดพฤติกรรมของผู้ช่วย AI ให้คงที่
  • การสร้าง Prompt Template ที่มีตัวแปร (Variable) เพื่อใช้ซ้ำกับงานประเภทเดียวกัน และการทำ Versioning ของ Prompt
  • การวาง Prompt Library ขององค์กรและการแบ่งปันให้ทีมใช้ร่วมกัน และการฝัง Business Rule กับ Tone of Voice ขององค์กร

Section 8: หลักการ AI Evaluation และการสร้างชุดข้อมูลทดสอบ

  • เหตุใด ปรับ Prompt แล้วรู้สึกว่าดีขึ้น จึงไม่เพียงพอ และความสำคัญของการวัดผล
  • ประเภทของการวัด: Reference-based, Reference-free และ Human Preference
  • การสร้าง Evaluation Dataset และ Golden Set จากงานจริง
  • มิติคุณภาพที่วัดบ่อย: Accuracy, Faithfulness, Relevance, Completeness และ Format Compliance

Section 9: เทคนิคการวัดผลและ Regression Testing

  • Human Evaluation และการออกแบบ Rubric ที่ให้คะแนนได้สม่ำเสมอ
  • LLM-as-a-Judge ให้ AI ช่วยประเมินตาม Rubric พร้อมข้อควรระวังเรื่องอคติ
  • Pairwise Comparison สำหรับเทียบ Prompt สองเวอร์ชันว่าอันไหนดีกว่า และการทำ Regression Test เพื่อยืนยันว่าการแก้ Prompt ไม่ทำให้กรณีเดิมแย่ลง
  • Workshop: สร้าง Golden Set และวัดคุณภาพ Prompt สองเวอร์ชันด้วย Rubric และ LLM-as-a-Judge

Section 10: Prompt Security, Robustness และ PDPA

  • ความเสี่ยงของ Prompt Injection และ Jailbreak พร้อมตัวอย่างการโจมตี
  • การป้องกันเบื้องต้น: การแยกข้อมูลผู้ใช้ออกจากคำสั่ง และการวาง Guardrail
  • ข้อมูลที่ห้ามใส่ลง AI และการปกป้องข้อมูลส่วนบุคคลตาม PDPA และการทดสอบความทนทานของ Prompt
  • แนวคิด Human-in-the-loop สำหรับงานที่มีความเสี่ยงสูง

Section 11: Capstone Project และการนำไปใช้จริง

  • โจทย์: สร้าง Prompt System ครบวงจรสำหรับงานจริงของผู้เรียนหนึ่งงาน ออกแบบ System Prompt และ Template พร้อมกำหนด Structured Output
  • สร้าง Golden Set และ Evaluation Harness เพื่อวัดคุณภาพก่อนและหลังปรับปรุง แล้วนำเสนอผลการวัดพร้อมหลักฐาน
  • แนวทางนำ Prompt System ไปใช้จริงและต่อยอดสู่ AI Agent, RAG และ Automation

ຮອບຝຶກອົບຮົມ ແລະ ຮູບແບບການຝຶກອົບຮົມ

ສຳລັບບຸກຄົນ — ຮອບຝຶກອົບຮົມທົ່ວໄປ

ຂະນະນີ້ຍັງບໍ່ມີຮອບຝຶກອົບຮົມເປີດຮັບສະໝັກ ລົງຊື່ຈອງໄວ້ໄດ້ເລີຍ ທີມງານຈະຕິດຕໍ່ກັບເປັນກຸ່ມທຳອິດເມື່ອເປີດຮອບຕໍ່ໄປ ຫຼື ສອບຖາມທາງ LINE ຫຼື ໂທ 02-570-8449 ຫຼື 088-807-9770

ລົງຊື່ຈອງໄວ້ ສອບຖາມຮອບຝຶກອົບຮົມ

ສຳລັບອົງກອນ — In-house / Private Training

  • ປັບເນື້ອໃນໃຫ້ກົງກັບເຄື່ອງມື ແລະ ວຽກຈິງຂອງທີມ
  • ເລືອກວັນເອງ ຝຶກອົບຮົມທີ່ບໍລິສັດ ຫຼື ອອນລາຍສົດ
  • ອອກໃບສະເໜີລາຄາໃນນາມນິຕິບຸກຄົນໃຫ້ຝ່າຍຈັດຊື້
ຂໍໃບສະເໜີລາຄາຝຶກອົບຮົມອົງກອນ

ວິທະຍາກອນຜູ້ສອນ

ຄຳຖາມທີ່ພົບເລື້ອຍ

หลักสูตร Advanced Prompt Engineering & AI Evaluation เหมาะกับใคร ต้องมีพื้นฐานอะไรมาก่อน

เหมาะกับ ผู้ที่ใช้งาน AI ในงานประจำและต้องการยกระดับคุณภาพและความคงที่ของผลลัพธ์ · Developer, Data Analyst และ AI Engineer ที่ต้องนำ LLM ไปใช้ในระบบงานจริง · Product Owner, Project Manager และทีมที่ออกแบบฟีเจอร์ที่ขับเคลื่อนด้วย AI พื้นฐานที่ผู้เรียนควรมี เคยใช้งาน Generative AI เบื้องต้น เช่น ChatGPT, Claude หรือ Gemini มาก่อน · ใช้งานคอมพิวเตอร์และอินเทอร์เน็ตในระดับทั่วไปได้ หากไม่แน่ใจว่าพื้นฐานพอหรือไม่ ปรึกษาทีมงานได้ฟรีทาง LINE @itgenius หรือโทร 02-570-8449

หลักสูตร Advanced Prompt Engineering & AI Evaluation ราคาเท่าไร ใช้เวลาเรียนกี่ชั่วโมง

ราคาปกติ 8,900 บาท (โปรโมชันปัจจุบันเหลือ 8,010 บาท) ใช้เวลาอบรม 12 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