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
ຖານຂໍ້ມູນ · DBC-49

Data Agents and Text-to-SQL

หลักสูตร Data Agents and Text-to-SQL เป็นการอบรมการสร้าง AI ที่ตอบคำถามจากฐานข้อมูลเป็นภาษาคน ทั้ง Schema Context, Semantic Layer, Read-only Role, Guardrail ตรวจ SQL และการเชื่อมผ่าน MCP เหมาะกับ Data Analyst, Data Engineer และทีม AI ขององค์กร จบแล้วได้ Data Agent ต้นแบบที่วัดผลได้

ອັບເດດລ່າສຸດ
ລາຄາເລີ່ມຕົ້ນ 6,210 ບາດ / ທ່ານ 6,900 −10% ຍັງບໍ່ລວມ VAT 7% · ມີລາຄາໝູ່ຄະນະ
PDFດາວໂຫຼດ Course Outline
  • ໄລຍະເວລາ12 ຊົ່ວໂມງ · 2 ມື້
  • ຮູບແບບຢູ່ສະຖາບັນ / ອອນລາຍສົດ
  • ຮອບຕໍ່ໄປເປີດຕາມຄຳຂໍ
  • ໃບຢັ້ງຢືນມີໃບຢັ້ງຢືນ

ພາບລວມຫຼັກສູດ

หลายองค์กรอยากให้พนักงานถามข้อมูลในฐานข้อมูลเป็นภาษาคนได้เอง โดยไม่ต้องรอทีม Data เขียน SQL ให้ทุกครั้ง LLM ยุคนี้เขียน SQL ได้เก่งขึ้นมาก แต่เมื่อต่อเข้ากับฐานข้อมูลจริงกลับเจอปัญหาเดิมซ้ำ ๆ ทั้งเลือกตารางผิด นิยามยอดขายไม่ตรงกับที่ฝ่ายบัญชีใช้ ได้ตัวเลขที่ดูน่าเชื่อแต่ผิด หรือร้ายกว่านั้นคือรัน Query ที่แก้ไขข้อมูลหรือดึงข้อมูลส่วนบุคคลออกไปโดยไม่ตั้งใจ

หลักสูตรนี้พาสร้าง Data Agent ที่ตอบคำถามจากฐานข้อมูลได้แม่นยำและปลอดภัย เริ่มจาก Text-to-SQL ด้วย LLM API แล้วยกระดับด้วย Schema Context, คำอธิบายคอลัมน์ ตัวอย่าง Query และ Semantic Layer ที่นิยาม Metric ไว้ชัดเจน จากนั้นวางชั้นความปลอดภัยด้วย Read-only Role, การตรวจ SQL ก่อนรัน, Timeout และการปิดบังข้อมูลส่วนบุคคล วัดความแม่นยำด้วยชุดคำถามทดสอบ และเชื่อมฐานข้อมูลเข้ากับ AI Assistant ผ่าน MCP ก่อนปิดท้ายด้วยการสร้าง Data Agent สำหรับทีมธุรกิจตั้งแต่ต้นจนจบ (อบรม 2 วัน วันละ 6 ชั่วโมง รวม 12 ชั่วโมง ระดับ Intermediate)

ສິ່ງທີ່ທ່ານຈະໄດ້ຮັບ

  • อธิบายสถาปัตยกรรมของ Text-to-SQL และ Data Agent รวมถึงจุดที่มักผิดพลาด
  • สร้าง Text-to-SQL ด้วย LLM API และ Python ต่อกับฐานข้อมูล PostgreSQL ได้
  • เตรียม Schema Context คำอธิบายคอลัมน์ และตัวอย่าง Query ให้ AI ตอบได้แม่นขึ้น
  • นิยาม Metric และความสัมพันธ์ของตารางด้วย Semantic Layer
  • ป้องกัน Query ที่ผิดหรือไม่ปลอดภัยด้วย Read-only Role และ Guardrail หลายชั้น
  • วัดความแม่นยำของ Data Agent ด้วยชุดคำถามทดสอบและเกณฑ์ที่ชัดเจน
  • เชื่อมฐานข้อมูลเข้ากับ AI Assistant ผ่าน MCP อย่างปลอดภัย
  • ออกแบบ Data Agent ที่ตอบพร้อมแสดง SQL และคำอธิบายให้ผู้ใช้ตรวจสอบได้

ຫຼັກສູດນີ້ເໝາະສຳລັບ

  • Data Analyst และ BI Developer ที่ต้องตอบคำถามข้อมูลจากทีมธุรกิจจำนวนมาก
  • Data Engineer และ Backend Developer ที่ได้รับโจทย์ให้สร้างระบบถามข้อมูลด้วย AI
  • ทีม AI และ Innovation ที่กำลังทำ Proof of Concept ด้าน Data Agent
  • DBA และทีม Data Governance ที่ต้องกำหนดสิทธิ์และความปลอดภัยเมื่อ AI เข้าถึงฐานข้อมูล
  • ผู้ที่ใช้ AI ช่วยเขียน SQL อยู่แล้วและอยากยกระดับเป็นระบบที่ใช้งานได้จริงในองค์กร

ພື້ນຖານຂອງຜູ້ເຂົ້າຝຶກອົບຮົມ

  • เขียน SQL ได้ในระดับ SELECT, JOIN, GROUP BY และ Subquery
  • เขียน Python ขั้นพื้นฐานได้ เช่น ฟังก์ชัน List, Dictionary และการเรียกใช้ Library
  • มีบัญชี Google สำหรับใช้ Google Colab และ API Key ของ LLM อย่างน้อยหนึ่งราย เช่น Claude หรือ Gemini
  • โน้ตบุ๊กที่ติดตั้งโปรแกรมได้ สำหรับ Lab เชื่อมฐานข้อมูลผ่าน MCP

ຫົວຂໍ້ການຝຶກອົບຮົມ

รายละเอียดหลักสูตร

หลักสูตรนี้อบรม 2 วัน วันละ 6 ชั่วโมง รวม 12 ชั่วโมง (09:00-16:00 น.) รูปแบบบรรยายพร้อม Lab บน Google Colab กับฐานข้อมูลยอดขายของบริษัทสมมุติชุดเดียวตลอดหลักสูตร ระดับ Intermediate ต่อยอดจาก Claude AI for Data Analyst ที่เน้นให้นักวิเคราะห์ใช้ AI ช่วยงานของตนเอง

โดยหลักสูตรนี้เจาะไปที่การสร้างระบบถามข้อมูลให้คนอื่นในองค์กรใช้ได้อย่างแม่นยำและปลอดภัย และต่างจาก PostgreSQL for AI Apps with pgvector ที่เน้น Vector Search ผู้เรียนใช้บัญชี Google และ API Key ของ LLM ของตนเองหรือของบริษัท ซึ่งอาจมีค่าใช้จ่ายตามการใช้งานจริง ส่วน Lab เชื่อมฐานข้อมูลผ่าน MCP ทำบนโน้ตบุ๊กของผู้เรียน ผู้เรียนจะได้ Notebook ครบทุก Lab และ Template ของ Data Dictionary, Semantic Layer และชุดคำถามทดสอบกลับไปใช้กับข้อมูลขององค์กร

Day 1 จาก Text-to-SQL สู่ Data Agent ที่เข้าใจธุรกิจ

Section 1: ภาพรวม Data Agent และ Text-to-SQL

  • Text-to-SQL, Data Agent และ BI แบบเดิมต่างกันอย่างไร และเหมาะกับงานแบบไหน
  • ขั้นตอนการทำงาน: รับคำถาม เลือกตาราง เขียน SQL รัน ตรวจผล และอธิบาย
  • สาเหตุที่ AI ตอบผิดบ่อย: ชื่อคอลัมน์กำกวม นิยาม Metric ไม่ตรง และ Join ผิด
  • Lab: เตรียม Google Colab ติดตั้ง PostgreSQL และโหลดฐานข้อมูลยอดขายตัวอย่าง

Section 2: Lab: Text-to-SQL ตัวแรกด้วย LLM API

  • เรียก Claude API หรือ Gemini API จาก Python และจัดการ API Key อย่างปลอดภัย
  • ออกแบบ Prompt ที่ส่ง Schema และคำถาม แล้วให้ตอบกลับเป็น SQL อย่างเดียว
  • รัน SQL ด้วย psycopg แสดงผลเป็น DataFrame และให้ LLM สรุปคำตอบ
  • Lab: ทดลองถาม 10 คำถามธุรกิจแล้วจดว่าข้อไหนผิดเพราะอะไร

Section 3: Schema Context ที่ AI ต้องรู้

  • ดึง Schema จาก information_schema พร้อม Primary Key และ Foreign Key
  • เขียนคำอธิบายตาราง คอลัมน์ หน่วย และค่าที่เป็นไปได้ของคอลัมน์สถานะ
  • ส่งตัวอย่างข้อมูลบางแถวอย่างระมัดระวัง โดยไม่เปิดเผยข้อมูลส่วนบุคคล
  • Lab: สร้าง Data Dictionary แล้ววัดผลก่อนและหลังเพิ่ม Context

Section 4: Semantic Layer และนิยาม Metric

  • ทำไมคำว่ายอดขาย ลูกค้าใหม่ หรือกำไร ต้องมีนิยามเดียวทั้งองค์กร
  • นิยาม Metric, Dimension และ Join Path ไว้ในไฟล์ YAML ที่ทีมดูแลร่วมกัน
  • แนวทางของเครื่องมือ Semantic Layer อย่าง dbt Semantic Layer หรือ Cube
  • ให้ AI เลือก Metric ที่นิยามไว้แทนการคิดสูตรเองทุกครั้ง
  • Lab: สร้าง Semantic Layer ขนาดเล็กให้ Agent ใช้ตอบคำถามยอดขาย

Section 5: Few-shot Example และ Query Library

  • รวบรวมคู่คำถามและ SQL ที่ทีม Data ตรวจแล้วเป็นตัวอย่างให้ AI
  • ค้นตัวอย่างที่ใกล้กับคำถามด้วย Embedding แทนการส่งทุกตัวอย่าง
  • จัดการคำถามกำกวม: ให้ Agent ถามกลับเมื่อข้อมูลไม่พอ
  • Lab: เพิ่ม Query Library แล้วเทียบความแม่นยำกับรอบก่อน

Section 6: Lab: Data Agent ที่ตอบคำถามหลายขั้นตอน

  • Tool Calling: ให้ Agent สำรวจ Schema รัน Query และตรวจผลเองเป็นขั้นตอน
  • ให้ Agent แก้ SQL เองเมื่อรันแล้วเกิด Error หรือได้ผลว่าง
  • แยกคำถามซับซ้อน เช่น เทียบยอดขายรายภูมิภาคกับปีก่อน เป็นหลาย Query
  • Lab: สร้าง Data Agent ที่ตอบพร้อมแสดง SQL ที่ใช้และสมมติฐานที่ตั้งไว้
Day 2 ปลอดภัย วัดผลได้ และใช้งานจริง

Section 7: ล็อกสิทธิ์ฐานข้อมูลสำหรับ AI

  • ความเสี่ยงเมื่อ AI รัน SQL: แก้ไขข้อมูล Query หนักจนระบบช้า และข้อมูลรั่ว
  • สร้าง Read-only Role และ Schema หรือ View เฉพาะที่ AI มองเห็นได้
  • ตั้ง statement_timeout, จำกัดจำนวนแถว และแยกไปใช้ Read Replica
  • Lab: ทดสอบว่า Agent ลบหรือแก้ไขข้อมูลไม่ได้ แม้ถูกสั่งผ่าน Prompt

Section 8: Lab: SQL Guardrail ก่อนรันจริง

  • Parse SQL ด้วย sqlglot เพื่อตรวจว่าเป็นคำสั่ง SELECT เท่านั้น
  • Allowlist ตารางและคอลัมน์ และบังคับใส่ LIMIT อัตโนมัติ
  • ปิดบังข้อมูลส่วนบุคคลในผลลัพธ์ และเก็บ Log คำถามกับ SQL ทุกครั้ง
  • รับมือ Prompt Injection ที่แฝงมาในข้อมูลหรือคำถามของผู้ใช้

Section 9: Evaluation: วัดความแม่นยำของ Data Agent

  • สร้างชุดคำถามทดสอบพร้อมคำตอบที่ถูกต้องจากคำถามจริงของทีมธุรกิจ
  • Execution Accuracy: เทียบผลลัพธ์ของ Query แทนการเทียบตัวอักษรของ SQL
  • แยกประเภทข้อผิดพลาด เช่น เลือกตารางผิด กรองผิด หรือนิยาม Metric ผิด
  • Lab: สร้าง Evaluation Notebook และรายงานคะแนนก่อนและหลังปรับปรุง

Section 10: Lab: เชื่อมฐานข้อมูลผ่าน MCP

  • Model Context Protocol (MCP) คืออะไร และช่วยให้ AI Assistant เข้าถึงข้อมูลอย่างไร
  • เลือก Database MCP Server เช่น MCP Toolbox for Databases และตรวจว่าเป็นโหมดอ่านอย่างเดียว
  • เชื่อม PostgreSQL เข้ากับ Claude Desktop หรือ Client ที่รองรับ MCP ด้วย Read-only Role
  • เขียน MCP Tool ของตนเองที่รัน Metric จาก Semantic Layer แทน SQL อิสระ

Section 11: ส่งมอบคำตอบให้ผู้ใช้เชื่อถือได้

  • ตอบพร้อมตัวเลข กราฟ SQL ที่ใช้ และคำอธิบายสมมติฐานเป็นภาษาไทย
  • บอกผู้ใช้เมื่อคำถามอยู่นอกขอบเขตข้อมูล แทนการเดาคำตอบ
  • เก็บ Feedback ว่าคำตอบถูกหรือผิด เพื่อเพิ่มเข้า Query Library
  • Lab: สร้างหน้าแชตถามข้อมูลอย่างง่ายบน Colab ให้เพื่อนร่วมห้องทดลองใช้

Section 12: Workshop: Capstone Data Agent สำหรับทีมธุรกิจ

  • เลือกโจทย์ เช่น ทีมขาย ทีมการเงิน หรือทีมบริการลูกค้า และกำหนดขอบเขตคำถาม
  • ออกแบบ Context, Semantic Layer, สิทธิ์ และ Guardrail ให้ครบชุด
  • วัดผลด้วยชุดคำถามทดสอบและแก้จุดที่ยังผิด
  • นำเสนอผลงาน รีวิวร่วมกัน และสรุป Checklist ก่อนเปิดให้ผู้ใช้จริง

ຮອບຝຶກອົບຮົມ ແລະ ຮູບແບບການຝຶກອົບຮົມ

ສຳລັບບຸກຄົນ — ຮອບຝຶກອົບຮົມທົ່ວໄປ

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

ສຳລັບອົງກອນ — In-house / Private Training

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

ວິທະຍາກອນຜູ້ສອນ

ຄຳຖາມທີ່ພົບເລື້ອຍ

หลักสูตร Data Agents and Text-to-SQL เหมาะกับใคร ต้องมีพื้นฐานอะไรมาก่อน

เหมาะกับ Data Analyst และ BI Developer ที่ต้องตอบคำถามข้อมูลจากทีมธุรกิจจำนวนมาก · Data Engineer และ Backend Developer ที่ได้รับโจทย์ให้สร้างระบบถามข้อมูลด้วย AI · ทีม AI และ Innovation ที่กำลังทำ Proof of Concept ด้าน Data Agent พื้นฐานที่ผู้เรียนควรมี เขียน SQL ได้ในระดับ SELECT, JOIN, GROUP BY และ Subquery · เขียน Python ขั้นพื้นฐานได้ เช่น ฟังก์ชัน List, Dictionary และการเรียกใช้ Library หากไม่แน่ใจว่าพื้นฐานพอหรือไม่ ปรึกษาทีมงานได้ฟรีทาง LINE @itgenius หรือโทร 02-570-8449

หลักสูตร Data Agents and Text-to-SQL ราคาเท่าไร ใช้เวลาเรียนกี่ชั่วโมง

ราคาปกติ 6,900 บาท (โปรโมชันปัจจุบันเหลือ 6,210 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