สาย AI Engineer

เรียนงาน LLM แบบวิศวกร: token/ต้นทุน, prompt และ structured output, embeddings + RAG, agents และการประเมินผล — ฝึกด้วยชิ้นส่วนที่รันในเบราว์เซอร์ได้ แล้วต่อ API จริงใน notebook

1. Module 1

   พื้นฐาน LLM และ API

   token และต้นทุน, โครง messages, พารามิเตอร์การสุ่ม (temperature/top-p) และการเรียก API ให้ทนทาน (retry, cache, rate limit)

2. Module 2

   Prompt และ structured output

   prompt template และ few-shot, การดึงและตรวจ JSON จากผลของโมเดล, guardrails และ retry ที่ส่ง error กลับให้โมเดลแก้

3. Module 3

   Embeddings และ RAG

   chunking, เวกเตอร์และ cosine similarity, ดึงข้อมูลมาประกอบ prompt พร้อมอ้างอิงแหล่งที่มา และประเมินคุณภาพ retrieval

4. Module 4

   Agents และ tool use

   tool schema และ dispatcher, agent loop พร้อมข้อจำกัดจำนวนรอบ, ความปลอดภัยของ tool และการประเมิน trajectory

5. Module 5

   AI Capstone

   โปรเจกต์ผู้ช่วยตอบคำถามจากฐานความรู้ (RAG) แบบ end-to-end พร้อม notebook ที่ต่อ API จริง