
Data Analytics, Science and Engineering with AI Bootcamp
ไม่จำกัดวุฒิการศึกษา เปิดรับทุกระดับ
ก้าวสู่โลกแห่งข้อมูลด้วยหลักสูตร Data Analytics, Science and Engineering with AI Bootcamp ที่ออกแบบมาสำหรับผู้เริ่มต้นสายงานข้อมูลและผู้ที่ต้องการพัฒนาทักษะให้ก้าวไกลยิ่งขึ้น หลักสูตรนี้เน้นการเรียนรู้แบบลงมือปฏิบัติจริง ตั้งแต่การวิเคราะห์ข้อมูลพื้นฐานไปจนถึงเทคนิคขั้นสูง
คุณจะได้ฝึกใช้ Python, SQL และ Tableau พร้อมเรียนรู้ Machine Learning ผ่านโปรเจกต์จริง และได้รับคำแนะนำจากผู้เชี่ยวชาญตลอดหลักสูตร เมื่อเรียนจบ คุณจะมี Portfolio ที่สะท้อนความสามารถในการวิเคราะห์ข้อมูลและสร้างผลลัพธ์ที่นำไปต่อยอดในโลกธุรกิจได้จริง
.avif)


.svg.avif)





Supakrit Aungwarapitikorn
Supakrit เป็นอาจารย์พิเศษที่จุฬาลงกรณ์มหาวิทยาลัยและ Thammasat MBA สอนในด้านการคิดวิเคราะห์ การตัดสินใจ และการแก้ปัญหา พร้อมทั้งจัดอบรมในองค์กรเกี่ยวกับทักษะเหล่านี้
เขาเคยดำรงตำแหน่ง กรรมการผู้จัดการ ที่ Helm Thailand ดูแลกลยุทธ์และการพัฒนาธุรกิจในกลุ่มเคมีภัณฑ์ และเคยเป็น Consulting Director ที่ IHS Global นำโครงการด้านการลงทุนและ M&A ในอุตสาหกรรมพลังงานและปิโตรเคมี
ด้วยประสบการณ์ในองค์กรชั้นนำ เช่น PTT และ Siam Cement เขามีความเชี่ยวชาญด้านกลยุทธ์ธุรกิจ การวิจัยตลาด และการบริหารโครงการ

Kantapol Manaspon
Kantapol เป็นผู้ร่วมก่อตั้งและ COO ของ BotBuilder โดยดูแลการพัฒนาหลักสูตร การควบคุมคุณภาพ และให้คำปรึกษาด้านการตรวจสอบเทคโนโลยีและการวางแผนการเงิน
ก่อนหน้านี้ เขาทำงานใน Corporate Venture Capital (2018-2022) ค้นหาโอกาสลงทุนในธุรกิจดิจิทัลและพลังงาน พร้อมร่วมพัฒนากลยุทธ์ธุรกิจใหม่และให้คำปรึกษาในโครงการสตาร์ทอัพ นอกจากนี้ยังเคยนำโครงการ Venture Building ที่ PTT ExpresSo (2017-2018) และบริหารทรัพย์สินทางปัญญาใน Corporate Innovation (2013-2017)
ด้วยพื้นฐานด้าน System Engineer (2007-2013) เขามีความเชี่ยวชาญในระบบอัตโนมัติและการปรับปรุงกระบวนการโรงงาน

Nathakorn Nithinirutti
Nathakorn ปัจจุบันดำรงตำแหน่ง HR Client Services Director ที่ HR Tech Co., Ltd. โดยรับผิดชอบการบริหารความสัมพันธ์กับลูกค้า ดูแลโครงการให้สำเร็จตามเป้าหมาย และพัฒนากระบวนการบริหารทีมงานให้ตอบสนองต่อความต้องการทางธุรกิจ
ก่อนหน้านี้เคยดำรงตำแหน่ง Head of HR Business Partner ที่ Walgreens Boots Alliance และ Senior HR Manager ที่ CDG & G-ABLE Group โดยเป็นผู้นำในการวางกลยุทธ์ HR เช่น การจัดการความสามารถของพนักงาน การวางแผนสืบทอดตำแหน่ง และการพัฒนาความผูกพันของพนักงาน
ด้วยประสบการณ์กว่า 20 ปีในองค์กรชั้นนำ เช่น SCG Chemicals, Deloitte, และ Aker Solutions Nathakorn มีความเชี่ยวชาญในการบริหารทรัพยากรบุคคล การจัดการการเปลี่ยนแปลง และการส่งเสริมวัฒนธรรมการทำงานที่มีความสุขและสร้างสรรค์

Pitcha Leelapornpisid
Pitcha ปัจจุบันดำรงตำแหน่ง Portfolio Manager and Investor Relations ที่ SeaX Ventures ดูแลพอร์ตการลงทุนของสตาร์ทอัพด้านเทคโนโลยีล้ำสมัยกว่า 30 แห่งในสหรัฐฯ ยุโรป และเอเชียแปซิฟิก ด้วยมูลค่าสินทรัพย์รวมกว่า $70M โดยมีบทบาทสนับสนุนการระดมทุน และวางกลยุทธ์ขยายตลาดในเอเชีย
ก่อนหน้านี้เคยดำรงตำแหน่ง Assistant Director ด้านนโยบายสินทรัพย์ดิจิทัลและนวัตกรรมการเงินที่สำนักงานคณะกรรมการกำกับหลักทรัพย์และตลาดหลักทรัพย์ (SEC) รับผิดชอบพัฒนานโยบายสำหรับการออกโทเค็นดิจิทัล เช่น Utility Token และ NFT รวมถึงวางแนวทางการกำกับดูแล DeFi และสนับสนุนการนำบล็อกเชนมาใช้ในการระดมทุน
Pitcha ยังมีประสบการณ์ในบทบาทที่หลากหลาย เช่น ที่ปรึกษาด้านกลยุทธ์ที่ IQVIA ซึ่งช่วยเพิ่มส่วนแบ่งตลาดยาใหม่ในไทย และเป็นผู้ตรวจสอบบัญชีที่ PwC ด้วยทักษะหลากหลายด้านการลงทุน การวิเคราะห์ตลาด และการจัดการเชิงกลยุทธ์ Pitcha มีความสามารถโดดเด่นในการสนับสนุนธุรกิจที่ใช้เทคโนโลยีในยุคดิจิทัล
.avif)
Ekkasit Tiamkaew
Ekkasit Tiamkaew เป็นอาจารย์ภาควิชาวิทยาการคอมพิวเตอร์ มหาวิทยาลัยนเรศวร และวิทยากรพิเศษที่มหาวิทยาลัยเชียงใหม่และมหาวิทยาลัยหอการค้าไทยในด้าน Data Analytics และ Digital Marketing Transformation
เขาเป็นผู้ร่วมก่อตั้ง DigiTide.co เว็บไซต์ด้าน SEO และการสร้างแบรนด์ พร้อมทำหน้าที่เป็นที่ปรึกษาด้านแบรนด์และการตลาดดิจิทัลให้ทั้งภาครัฐ เช่น การเคหะแห่งชาติ และภาคเอกชน เช่น Khonthailasor และ Good Idea Furniture
ด้วยประสบการณ์ทั้งด้านการสอนและการให้คำปรึกษา Ekkasit มุ่งเน้นผสานการตลาดและเทคโนโลยีเพื่อพัฒนาธุรกิจในยุคดิจิทัล
.avif)
Piriya Wijackanaphan
Piriya มีประสบการณ์กว่า 20 ปีในด้านการจัดการจัดซื้อและซัพพลายเชน โดยเคยดำรงตำแหน่งสำคัญ เช่น หัวหน้าฝ่ายจัดซื้อและซัพพลายเชนที่โรงพยาบาลบำรุงราษฎร์ และ Asset World Corporation ซึ่งเขามีบทบาทในการกำหนดกลยุทธ์การจัดซื้อ จัดการซัพพลายเชน และการบริหารความสัมพันธ์กับซัพพลายเออร์
เขาเคยดำรงตำแหน่งผู้อำนวยการฝ่ายจัดการวัสดุที่ Western Digital โดยมีความรับผิดชอบในระดับท้องถิ่นและระดับภูมิภาคในด้านการบริหารวัสดุ การลดต้นทุน และความยั่งยืนในซัพพลายเชน รวมถึงการนำระบบ EICC และโปรแกรม Global Conflict Minerals Compliance มาใช้
Piriya ยังเคยมีประสบการณ์เป็นผู้จัดการฝ่ายจัดซื้อที่ Johnson Controls, Inc. โดยดูแลการจัดหาชิ้นส่วนสำหรับระบบเบาะรถยนต์ และเจรจาต่อรองกับผู้จัดจำหน่ายทั้งในประเทศและต่างประเทศ ความเชี่ยวชาญและความเป็นผู้นำในด้านซัพพลายเชนทำให้เขาเป็นผู้ที่มีบทบาทสำคัญในองค์กรที่เขาเคยร่วมงาน

Supavich Pannara
Supavich เคยทำงานเป็น MBA Summer Intern - Investment Manager ที่ AddVentures ดูแลการลงทุนในสตาร์ทอัพด้าน Climate Tech และ AI ในเอเชียตะวันออกเฉียงใต้และออสเตรเลีย
ก่อนหน้านี้ เป็น Senior Consultant ที่ Bluebik Group โดยมีผลงานเด่นในการพัฒนาซูเปอร์แอปที่ดึงดูดผู้ใช้กว่า 2 ล้านคน และสร้างแพลตฟอร์มประกันออนไลน์ที่สร้างรายได้ $10 ล้านใน 3 เดือนแรก นอกจากนี้ยังมีประสบการณ์ด้านการพัฒนากลยุทธ์สินเชื่อดิจิทัลที่ Kasikorn Bank และให้คำปรึกษาโครงการใหญ่ที่ AEC Advisory และ PwC

Traivith Chupkum
Traivith เป็นวิศวกรซอฟต์แวร์ที่มีประสบการณ์มากกว่า 4 ปีในด้านการพัฒนาระบบ Backend และการใช้งาน Cloud Solutions ปัจจุบันเขาทำงานที่ ABACUS Digital โดยมีบทบาทสำคัญในการพัฒนาแพลตฟอร์มสินเชื่อดิจิทัล "Money Thunder" โดยเน้นการออกแบบสถาปัตยกรรมระบบ พัฒนา API และการใช้ AWS เพื่อสร้างโซลูชันที่ปลอดภัยและสามารถขยายตัวได้
ก่อนหน้านี้ Traivith เคยทำงานที่ SCB และ AIS โดยมีส่วนร่วมในโครงการสำคัญ เช่น การพัฒนาแอป myAIS ที่รองรับผู้ใช้กว่า 10 ล้านคน และการสร้าง Wealth Management Platform (WPlan) ด้วยความชำนาญในเครื่องมืออย่าง Spring Boot, Redis, AWS และ Azure
Traivith มีความสามารถในการออกแบบระบบ พัฒนาโค้ดที่มีคุณภาพสูง และตรวจสอบปัญหาในระบบอย่างรวดเร็ว ทำให้เขาเป็นผู้เชี่ยวชาญด้านเทคโนโลยีที่ช่วยสร้างโซลูชันที่มีประสิทธิภาพและเสถียรภาพ
.avif)
Theerananda Thanaawathphuvaphan
Theerananda ปัจจุบันเป็นอาจารย์ประจำที่วิทยาลัยนานาชาตินวัตกรรมดิจิทัล มหาวิทยาลัยเชียงใหม่ โดยสอนวิชาที่เกี่ยวข้องกับ Human-Computer Interaction (HCI), Computer Supported Cooperative Work (CSCW), การออกแบบประสบการณ์ผู้ใช้ (UX Design) และการศึกษาพฤติกรรมผู้ใช้
นอกจากนี้ Theerananda ยังดำรงตำแหน่งอาจารย์ที่มหาวิทยาลัยเกษตรศาสตร์ ตั้งแต่ปี 2022 โดยมุ่งเน้นการบูรณาการความรู้ด้านเทคโนโลยีและพฤติกรรมศาสตร์ เพื่อสร้างการเรียนรู้ที่เหมาะสมสำหรับโลกดิจิทัล
ก่อนเข้าสู่วงการการศึกษา มีประสบการณ์ในตำแหน่ง Content Manager ที่ Robowealth และ Fintech (Thailand) รวมถึงการเขียนบทความในหัวข้อแฟชั่น ไลฟ์สไตล์ และการใช้ชีวิต ทำให้มีมุมมองที่หลากหลายในการสร้างเนื้อหาและการสื่อสารอย่างสร้างสรรค์
Job Guarantee - ได้งานหรือรับค่าเรียนคืน
เรามุ่งมั่นเพื่อเปลี่ยนการเรียนรู้ให้กลายเป็นอาชีพ และนั่นคือเหตุผลที่เราเสนอ Job Guarantee—ทำให้เส้นทางการเรียนรู้ของคุณปราศจากความเสี่ยง เพียงแค่ได้งานภายใน 7 เดือนหลังสำเร็จการศึกษา หากไม่สำเร็จ เราจะคืนค่าเรียนให้คุณเต็มจำนวน
ทีมส่วนตัวที่อยู่เบื้องหลังความสำเร็จของคุณ
เรียนรู้กับทีมส่วนตัวของคุณ
.avif)
อาจารย์ที่ปรึกษา
ที่ปรึกษาส่วนตัวดูแลทุกส่วนของการเรียนรู้ของคุณ

ที่ปรึกษาด้านอาชีพ
สนับสนุนทุกรายละเอียดของการค้นหางานของคุณตั้งแต่เรซูเม่ไปจนถึงการซ้อมสัมภาษณ์

Student Success Manager
ช่วยเป็นกําลังใจระหว่างเรียน และแก้ไขปัญหาอื่นๆ ที่คุณมี
การเรียนการสอน
เนื้อหา
.png)
15% Fundamental
30% Data Analytics
15% Data Science
15% Data Engineering
25% AI & Generative AI
รูปแบบการเรียน

20% การเรียนแบบตัวต่อตัว
15% Office Hours
30% Video Lectures
30% Projects
ไทม์ไลน์การเรียนรู้
พาร์ทไทม์
ระยะเวลาเรียนโดยประมาณ: 6-7 เดือน
ชั่วโมงเรียนต่อสัปดาห์: 15-25 ชั่วโมง
เริ่มต้นปรึกษากับโค้ชด้านอาชีพ: เดือนที่ 5
เต็มเวลา
ระยะเวลาเรียนโดยประมาณ: 3-4 เดือน
ชั่วโมงเรียนต่อสัปดาห์: 35-45 ชั่วโมง
เริ่มต้นปรึกษากับโค้ชด้านอาชีพ: เดือนที่ 2
โครงสร้างหลักสูตร
ดูรายละเอียดเกี่ยวกับรูปแบบการเรียนการสอนของหลักสูตรของคุณเพิ่มเติมได้ที่นี่
ทุกคนในโปรแกรมปริญญาคู่จะเรียน MBA และสามารถเลือกหนึ่งในสาขาต่อไปนี้ได้:
- Master's of Computer Science: Software Engineering
- Master's of Computer Science: Data Analytics and Science
Data Analytics
A. Resources for Learning
เรียนรู้เคล็ดลับและกลยุทธ์สำหรับการเรียนรู้ที่มีประสิทธิภาพกับ WeStride เรียนรู้การบริหารเวลา การใช้งานแพลตฟอร์ม และการใช้ประโยชน์จากชุมชนเพื่อสร้างแรงจูงใจและประสบความสำเร็จในโลกของการเรียนออนไลน์
F. Portfolio Project 1
หลักสูตรนี้แนะนำพื้นฐานการประมวลผลแบบคลาวด์สำหรับนักเรียนและมืออาชีพในสายงาน IT ธุรกิจ และสาขาที่เกี่ยวข้อง ครอบคลุมองค์ประกอบสำคัญ โมเดลการใช้งาน (IaaS, PaaS, SaaS) ประเภทการใช้งาน (Public, Private, Hybrid) ความปลอดภัยของคลาวด์ การจัดเก็บข้อมูล เครือข่าย และกลยุทธ์การย้ายระบบ ผู้เรียนจะได้พัฒนาทักษะในการออกแบบโซลูชันคลาวด์ที่ปรับขนาดได้ มีความน่าเชื่อถือ และคุ้มค่าต่อการใช้งาน
G. Data Visualization with Tableau and Power BI
เรียนรู้การสร้างภาพข้อมูลที่น่าสนใจโดยใช้ Tableau และ Power BI เชี่ยวชาญการนำเข้าข้อมูล การวิเคราะห์ขั้นสูงด้วย DAX และการคำนวณ รวมถึงการสร้างกราฟ แผนที่ และ KPIs เพื่อการนำเสนอข้อมูลอย่างมีประสิทธิภาพ
H. Portfolio Project 2
พัฒนาทักษะการวิเคราะห์ข้อมูลโดยใช้ Power BI หรือ Tableau กับชุดข้อมูลจาก NASA เรียนรู้การคำนวณด้วย DAX หรือ Tableau การสร้างโมเดลข้อมูล และเทคนิคการนำเสนออย่างมืออาชีพผ่านแพลตฟอร์ม เช่น Coda หรือ Notion
I. Python
เรียนรู้พื้นฐาน Python ตั้งแต่การตั้งค่าและการทำงานพื้นฐานไปจนถึงหัวข้อขั้นสูง เช่น Loops โครงสร้างข้อมูล และการเขียนโปรแกรมเชิงวัตถุ เชี่ยวชาญทักษะผ่านการปฏิบัติจริงสำหรับ IT การวิเคราะห์ข้อมูล และการพัฒนาซอฟต์แวร์
N. Final Portfolio Project
ประยุกต์ใช้ทักษะ Python และ SQL เพื่อวิเคราะห์ข้อมูลของ United Nations เรียนรู้การเตรียมชุดข้อมูล การวิเคราะห์ด้วย Pandas การสร้างภาพข้อมูล และการนำเสนอผลลัพธ์ในพอร์ตโฟลิโออย่างมืออาชีพเพื่อโอกาสในอนาคต
Data Science
E. Sampling Strategy and Model Evaluation
เรียนรู้เทคนิคการสุ่มตัวอย่างข้อมูล เช่น Stratified และ Cluster Sampling รวมถึงการจัดการชุดข้อมูลที่ไม่สมดุลด้วยวิธี SMOTE เชี่ยวชาญตัวชี้วัดการประเมินโมเดล เช่น Confusion Matrix, Precision, Recall, F1-Score, ROC, และ AUC
F. Introduction to Classification and KNN Algorithm
ศึกษาพื้นฐานของการจัดหมวดหมู่และอัลกอริธึม K-Nearest Neighbors (KNN) เรียนรู้การใช้ KNN ใน Python ปรับแต่งพารามิเตอร์ และแก้ไขปัญหาการจัดหมวดหมู่ข้อมูลในโลกจริงด้วยความมั่นใจ
G. Decision Trees
เชี่ยวชาญการใช้งาน Decision Trees สำหรับการจัดหมวดหมู่และการถดถอย ผ่านแนวคิด เช่น Entropy, Information Gain, และ Pruning ใช้เทคนิคเหล่านี้กับกรณีศึกษาและฝึกปฏิบัติจริงเพื่อสร้างและประเมินโมเดลได้อย่างมั่นใจ
H. Data Science Portfolio Project I
พัฒนาความเชี่ยวชาญในการจัดการข้อมูลผ่านการวิเคราะห์ข้อมูลเชิงสำรวจ (EDA) กลยุทธ์การสุ่มตัวอย่าง และการใช้อัลกอริทึม KNN และ Decision Tree เรียนรู้การสร้างแบบจำลองเชิงพยากรณ์และประเมินผลด้วยค่าความแม่นยำ (Precision), การเรียกคืน (Recall) และคะแนน F1 (F1-score) สำหรับโครงการระดับมืออาชีพ
I. Random Forests and SVM
เรียนรู้การใช้ Random Forests และ Support Vector Machines (SVM) สำหรับการวิเคราะห์ข้อมูล เชี่ยวชาญการประเมินความสำคัญของฟีเจอร์ การปรับพารามิเตอร์ และการประเมินประสิทธิภาพผ่านไลบรารี Python และโปรเจกต์จริง
J. Linear and Logistic Regression
เชี่ยวชาญ Linear และ Logistic Regression สำหรับการสร้างโมเดลเชิงพยากรณ์และการวิเคราะห์ข้อมูล เรียนรู้การสร้าง ตีความ และปรับแต่งโมเดลสำหรับการใช้งานจริง รวมถึงการจัดการข้อมูลที่ไม่สมดุลและการเลือกฟีเจอร์
K. Naive Bayes
เรียนรู้หลักการและการประยุกต์ใช้ Naive Bayes Classifier รวมถึง Multinomial Naive Bayes และ Bayesian Networks เชี่ยวชาญการเลือกฟีเจอร์ การปรับพารามิเตอร์ และการจัดการข้อมูลที่ไม่สมดุลสำหรับการจัดหมวดหมู่ในโลกจริง
L. Computer Vision
พัฒนาทักษะพื้นฐานด้านการประมวลผลและวิเคราะห์ภาพดิจิทัลด้วยเครื่องมืออย่าง OpenCV และ TensorFlow เรียนรู้เทคนิคต่าง ๆ เช่น การตรวจจับขอบภาพ การตรวจจับวัตถุ และการเรียนรู้เชิงลึกด้วย CNN ผ่านโปรเจกต์ที่ลงมือทำจริงและการประยุกต์ใช้ในโลกความเป็นจริง
Data Engineering
A. Introduction to Azure Cloud Computing
เรียนรู้พื้นฐานของ Microsoft Azure รวมถึงการจัดการทรัพยากร การตั้งค่าฐานข้อมูล SQL และการปรับต้นทุนให้คุ้มค่าได้รับประสบการณ์ลงมือใช้งานจริงผ่าน Azure Portal และนำโซลูชันคลาวด์ไปประยุกต์ใช้กับสถานการณ์จริง พร้อมคำแนะนำจากผู้เชี่ยวชาญ
B. Azure SQL Database
เรียนรู้การจัดการฐานข้อมูล SQL บน Microsoft Azure อย่างลึกซึ้ง รวมถึง Elastic Pools ระดับบริการ และคุณสมบัติความปลอดภัย เช่น Dynamic Data Masking ฝึกทักษะจริงผ่านการฝึกฝนและทดสอบแบบสดเพื่อการจัดการฐานข้อมูลบนคลาวด์อย่างมีประสิทธิภาพ
C. Azure SQL Data Warehouse
เรียนรู้พื้นฐานการจัดการคลังข้อมูลบนคลาวด์โดยใช้ Azure Synapse Analytics เชี่ยวชาญการตั้งค่า Dedicated SQL Pools เทคนิคการโหลดข้อมูล และการปรับปรุงประสิทธิภาพผ่านการปฏิบัติจริงด้วย SQL Server Management Studio (SSMS)
D. Azure Data Lake
เชี่ยวชาญการจัดการข้อมูลด้วย Azure Data Lake โดยเน้นด้านสถาปัตยกรรม การควบคุมการเข้าถึง และการผสานรวมกับ Active Directory เรียนรู้การตั้งค่า เครื่องมือวิเคราะห์ข้อมูล และแนวทางปฏิบัติที่ดีที่สุดด้านความปลอดภัย ผ่านการสาธิตแบบละเอียดและตัวอย่างจากสถานการณ์จริง
E. Azure NoSQL & Cosmos & Databricks
เรียนรู้พื้นฐานการประมวลผลบนคลาวด์ด้วย Microsoft Azure รวมถึงการจัดการทรัพยากร การควบคุมการเข้าถึง และการตั้งค่าฐานข้อมูล SQL รับประสบการณ์จริงในด้านการจัดเก็บข้อมูล การจำลองทางภูมิศาสตร์ และการปรับต้นทุนด้วยคำแนะนำจากผู้เชี่ยวชาญ
F. Introduction to Google Certified Professional Data Engineer
เข้าใจบทบาทของ Data Engineer และเตรียมตัวสอบ Google Certified Professional Data Engineer เรียนรู้การจัดการข้อมูลแบบกลุ่มและสตรีม การใช้บริการ GCP และการสร้างระบบข้อมูลที่มีประสิทธิภาพและปลอดภัยผ่านการปฏิบัติจริง
G. Data Visualization with Tableau and Power BI
เรียนรู้การสร้างภาพข้อมูลที่น่าสนใจโดยใช้ Tableau และ Power BI เชี่ยวชาญการนำเข้าข้อมูล การวิเคราะห์ขั้นสูงด้วย DAX และการคำนวณ รวมถึงการสร้างกราฟ แผนที่ และ KPIs เพื่อการนำเสนอข้อมูลอย่างมีประสิทธิภาพ
I. AWS Data Engineering Fundamentals
เรียนรู้พื้นฐานการจัดการข้อมูลบน AWS ครอบคลุมคลังข้อมูล Data Lakes ETL pipelines และการปรับฐานข้อมูลให้เหมาะสม เชี่ยวชาญด้านความปลอดภัยของ Amazon S3 การจัดการเวอร์ชัน การจำลอง และการจัดการวงจรชีวิตสำหรับการจัดการข้อมูลขนาดใหญ่
AI & Generative AI
A. Introduction to Generative AI
ปูพื้นฐานความเข้าใจเกี่ยวกับ Generative AI ตั้งแต่ผลกระทบต่อวงการวิศวกรรม สถาปัตยกรรมระบบ ไปจนถึงการตั้งค่าสภาพแวดล้อมสำหรับการพัฒนาทั้งแบบ Local และ Cloud พร้อมศึกษากรณีความสำเร็จระดับองค์กร
B. Large Language Models
เจาะลึกกลไกการทำงานและองค์ประกอบหลักของ Large Language Models (LLM) เรียนรู้กรอบการเลือกใช้และเปรียบเทียบโมเดลระดับองค์กร พร้อมฝึกปฏิบัติการเชื่อมต่อและการตั้งค่า API อย่างเป็นระบบ
C. GenAI Use Cases
ศึกษากรณีการนำ GenAI ไปใช้งานจริงในองค์กร การออกแบบสถาปัตยกรรมเฉพาะอุตสาหกรรม การวัดผลตอบแทน (ROI) และลงมือออกแบบระบบ Support Assistant เพื่อให้เห็นภาพการนำไปประยุกต์ใช้แบบครบวงจร
D. Prompt Engineering Basics
เรียนรู้หลักการและองค์ประกอบโครงสร้างพื้นฐานของ Prompt Engineering ฝึกฝนกระบวนการโต้ตอบ (Interactive Workflow) และการใช้ Prompt Design Pattern Library เพื่อปรับแต่งผลลัพธ์อย่างเป็นระบบ
E. Advanced Prompt Engineering
ยกระดับทักษะด้วยเทคนิคขั้นสูง เช่น การออกแบบ Multi-Step Prompt Chain, การเพิ่มประสิทธิภาพ Context Window, การกำหนดกลยุทธ์จัดการข้อผิดพลาด (Error Handling) และวิธีการนำเสนอระบบต่อผู้มีส่วนได้ส่วนเสีย
F. Use Case Implementation
ลงมือปฏิบัติจริงในการออกแบบบทสนทนาสำหรับ Support Bot การสร้างสถาปัตยกรรม Response Template และกรอบการทดสอบคุณภาพ (QA) พร้อมทดสอบทักษะผ่านโปรเจกต์ GenAI Engineering System Design Challenge
G. Data Processing
ทำความเข้าใจการวิเคราะห์ความต้องการและออกแบบ Data Pipeline ระดับองค์กร เรียนรู้การตรวจสอบคุณภาพข้อมูล (Data Quality Validation) และการเตรียมข้อมูลที่ถูกต้องสำหรับการพัฒนา Machine Learning
H. RAG Fundamentals
ปูพื้นฐานระบบ Retrieval-Augmented Generation (RAG) เรียนรู้การออกแบบสถาปัตยกรรมและหลักการผสานรวมองค์ประกอบต่างๆ เข้าด้วยกัน (Component Integration) ศึกษาแนวทางปฏิบัติที่ดีที่สุด และโปรโตคอลการทดสอบระบบ พร้อมลงมือปฏิบัติจริงเพื่อประยุกต์ใช้กับงานด้าน NLP ที่ต้องอาศัยฐานความรู้เชิงลึก
I. Advanced RAG
ศึกษาเทคนิคขั้นสูงของระบบ Retrieval-Augmented Generation (RAG) การวิเคราะห์รูปแบบ การเพิ่มประสิทธิภาพระบบ การพัฒนา RAG ที่ซับซ้อน และแนวทางปฏิบัติที่ดีที่สุดสำหรับการผสานรวมเข้ากับระบบระดับองค์กร
J. RAG for Customer Support
ประยุกต์ใช้ RAG สำหรับงาน Customer Support โดยเฉพาะ ตั้งแต่การประมวลผลเอกสาร การออกแบบ Knowledge Base และกลยุทธ์การยกระดับคุณภาพคำตอบ พร้อมท้าทายความสามารถด้วยโปรเจกต์ Enterprise RAG System Design Challenge
Capstone Project
Capstone Project
ในโครงงานสุดท้ายนี้ ผู้เรียนจะได้รวบรวมทักษะที่ได้เรียนรู้ตลอดโปรแกรมมาสร้างโครงการที่ครอบคลุมและน่าประทับใจเพื่อใช้ในพอร์ตโฟลิโอ โครงงานนี้ถูกออกแบบให้มีความยืดหยุ่น เปิดโอกาสให้ผู้เรียนได้สำรวจความสนใจเฉพาะตัวและแสดงศักยภาพในเชิงปฏิบัติ ไม่ว่าจะเป็นแอปพลิเคชันที่ล้ำสมัย เว็บไซต์ที่สวยงาม หรือโครงการวิเคราะห์ข้อมูลที่สร้างสรรค์ โครงงานปริญญานิพนธ์นี้ช่วยเสริมความสามารถเชิงสร้างสรรค์และทักษะทางเทคนิคของผู้เรียนให้โดดเด่น
ตารางเรียน
หลักสูตรส่วนใหญ่ของเรา (40 ECTS credits) เรียนแบบ Blocks ซึ่งคุณจะมุ่งเน้นเรียนวิชาเดียวในระยะเวลา 5 สัปดาห์ต่อครั้ง โดยตารางเรียนจะจัดไว้หลัง 19.00 น. ในวันธรรมดา และในช่วงวันหยุดสุดสัปดาห์ พร้อมคลาสสด 2-3 ครั้งต่อสัปดาห์ในแต่ละ Block
เพื่อเพิ่มความยืดหยุ่น วิชาพื้นฐานด้านเทคโนโลยีสองวิชา ได้แก่ Python for Business Analytics และ Data Analytics and Modelling จะจัดการเรียนแบบ asynchronous ที่ให้คุณสามารถเรียนตามจังหวะของตนเองได้
สำหรับหลักสูตร Digital Action Programme for Business Administration (30 ECTS) จะใช้เวลาเรียน 9 เดือน โดยคุณและทีมจะพบกับคณาจารย์แบบออนไลน์ทุกสองสัปดาห์
เราจะเริ่มต้นโปรแกรมด้วยงาน ต้อนรับอย่างเป็นทางการ และปิดท้ายด้วยงาน พิธีสำเร็จการศึกษา ทั้งนี้ในระหว่างโปรแกรมจะมีการจัด กิจกรรมสร้างเครือข่ายแบบพบปะด้วยตนเอง ทุกๆ 1-2 เดือน
ดูรายละเอียดเกี่ยวกับรูปแบบการเรียนการสอนของหลักสูตรของคุณเพิ่มเติมได้ที่นี่
ปรึกษาด้านอาชีพ
ค่าเล่าเรียน
ชำระครั้งเดียว
ผ่อนชำระด้วยบัตรเครดิต ดอกเบี้ย 0%
นาน 10 เดือน
ค่าใช้จ่ายเพิ่มเติม
การชำระเงินแบบผ่อนชำระ
กรุณาปรึกษากับที่ปรึกษาการรับสมัครของคุณเพื่อทราบข้อมูลเพิ่มเติมเกี่ยวกับแผนการผ่อนชำระผ่านบัตรเครดิตที่เหมาะสมกับความต้องการของคุณ
ช่องทางการชำระเงิน
ความแตกต่างระหว่างการเรียน 10 เดือน และ 12 เดือน
ไม่มีความแตกต่างในตัวโปรแกรมการเรียน ความแตกต่างนี้มีไว้เพื่อรองรับความต้องการส่วนบุคคล นักเรียนบางคนเลือกตัวเลือก 12 เดือนเพื่อให้มีเวลาศึกษาเพิ่มเติม ซึ่งมักเกิดจากภาระงาน การวางแผนวันหยุด หรือกำหนดการส่วนตัว
คำถามที่พบบ่อย
จบหลักสูตร Data Analytics, Science and Engineering with AI Bootcamp ทำอาชีพอะไรได้บ้าง?
การจบหลักสูตร Data Analytics, Science and Engineering with AI Bootcamp ช่วยเตรียมพร้อมคุณสำหรับอาชีพที่เป็นที่ต้องการในอุตสาหกรรมเทคโนโลยีที่ขับเคลื่อนด้วยข้อมูล ดังนี้:
- Data Scientist: วิเคราะห์ข้อมูลเชิงซับซ้อนเพื่อค้นหา insights สร้างโมเดลพยากรณ์ และแก้ปัญหาธุรกิจด้วยเทคนิคทางสถิติและ Machine Learning
- Data Analyst: แปลความหมายข้อมูลและให้คำแนะนำที่นำไปใช้ได้จริงผ่านการแสดงผลข้อมูลและรายงาน
- Machine Learning Engineer: ออกแบบ สร้าง และปรับใช้โมเดล Machine Learning สำหรับการใช้งานในชีวิตจริง
- Business Intelligence (BI) Analyst): ใช้เครื่องมือและเทคนิคข้อมูลเพื่อช่วยองค์กรในการตัดสินใจเชิงกลยุทธ์
- AI Specialist: มุ่งเน้นสร้างระบบอัจฉริยะด้วยวิธีการและอัลกอริธึม AI ขั้นสูง
- Quantitative Analyst: ใช้เทคนิคทางคณิตศาสตร์และสถิติแก้ปัญหาด้านการเงินหรือการดำเนินงาน
- Research Scientist: ทำงานวิจัยขั้นสูงในด้าน AI, Machine Learning และ Data Science เพื่อพัฒนานวัตกรรม
- Data Product Manager: กำกับดูแลผลิตภัณฑ์ที่เน้นข้อมูลและให้แน่ใจว่าการพัฒนาสอดคล้องกับเป้าหมายทางธุรกิจและความต้องการของผู้ใช้
ด้วยทักษะเหล่านี้ คุณจะมีโอกาสสร้างผลกระทบสำคัญในอุตสาหกรรม เช่น การเงิน การดูแลสุขภาพ อีคอมเมิร์ซ เทคโนโลยี และอื่น ๆ การเรียนจบจากบูตแคมป์นี้จะช่วยให้คุณเป็นผู้สมัครที่โดดเด่นในสายงาน Data Science, Analytics และ AI ที่กำลังเติบโตอย่างรวดเร็ว
หลักสูตรนี้สอนเป็นภาษาอะไร?
หลักสูตรนี้มีให้เลือกสองภาษา: ภาษาไทยและภาษาอังกฤษ ขึ้นอยู่กับความต้องการของคุณ
เมนเทอร์ส่วนตัวของฉันจะเป็นใคร?
เมนเทอร์ส่วนตัวของคุณจะเป็นผู้เชี่ยวชาญในอุตสาหกรรมที่ได้รับการคัดเลือกอย่างพิถีพิถันเพื่อสนับสนุนการเรียนรู้ของคุณ เราจับคู่คุณกับเมนเทอร์ตามความเชี่ยวชาญของพวกเขา เป้าหมายการเรียนรู้ของคุณ และปัจจัยเชิงปฏิบัติ เช่น ความเข้ากันได้ของเขตเวลา เพื่อให้แน่ใจว่าคุณได้รับคำแนะนำที่เหมาะสมกับแรงบันดาลใจและตารางเวลาของคุณ
ฉันสามารถสมัครเรียนขณะทำงานเต็มเวลาได้หรือไม่?
สามารถเรียนได้ โปรแกรมของเรามีความยืดหยุ่นสูง โดยเฉพาะหลักสูตร Bootcamps และปริญญาโท Computer Science ที่เปิดโอกาสให้คุณจัดตารางเรียนได้อย่างอิสระ เพื่อตอบโจทย์และอำนวยความสะดวกแก่ผู้ที่ทำงานประจำ
เปิดรับสมัครเรียนบ่อยแค่ไหน?
บูตแคมป์: หลักสูตรเหล่านี้เปิดรับสมัครแบบยืดหยุ่น คุณสามารถเริ่มเรียนได้ทุกเมื่อที่คุณพร้อม
.webp)
.avif)


.avif)



.avif)
-min.avif)











.webp)
.avif)





-p-500.avif)




.avif)
.avif)









.avif)














.avif)


.avif)







.avif)


.avif)





.svg.avif)





.avif)






.avif)
.avif)
.avif)
.avif)
.avif)

.avif)

%20(1).webp)
.webp)
%20(6).webp)
%20(4).webp)
%20(5).webp)
%20(2).webp)
%20(9).webp)
%20(3).webp)
%20(7).webp)
%20(10).webp)





