รายละเอียดของการอบรม ( Course Description )

      ไม่กี่ปีที่ผ่านมาและนั บจากนี้ไป บริบททางเศรษฐกิจได้เปลี่ยนไปจากอดีตมากมาย ด้วยปัจจัยหลายประการ โดยเฉพาะ
ปัจจัยด้าน Disruptive Technology จำนวนมากมายที่ส่งผลกระทบต่อแทบทุกธุรกิจ เช่น 4G/5G, social media, VR(Virtual Reality), AR(Augmented Reality), blockchain, cloud computing, online shopping, e-payment, IoT, mobile application, electronics vehicle, drone, robotics, algorithmic trading robot, RPA (robotic process automation), eKYC (electronics know your customer), 3D printing, smart farming ฯลฯ ซึ่งเทคโนโลยีเหล่านี้ล้วนมีส่วนเกี่ยวข้องกับ AI (Artifitial Intelligence) ทั้งสิ้น

       กอปรกับปัจจัยด้านเทคโนโลยีอื่นๆ ต่อไปนี้ ที่ช่วยเร่งให้การวิจัยและพัฒนาเหล่าเทคโนโลยีข้างต้น แล้วนำไปใช้กับธุรกิจจริง เกิดขึ้นอย่างรวดเร็วยิ่งขึ้นๆๆ
         - การสื่อสารผ่านอินเทอร์เน็ตที่รวดเร็วมากขึ้นเรื่อยๆ
         - การประมวลผลของฮาร์ดแวร์ที่มีประสิทธิภาพต่อราคาที่เพิ่มสูงขึ้นมหาศาล
         - การผสมผสานการประมวลผลแบบดั้งเดิมและการประมวลผลบนคลาวด์
         - การเผยแพร่ผลงานค้นคว้าวิจัย และสื่อการเรียน ผ่านสื่อสังคมออนไลน์ ทำให้ผู้คนทั้งโลกเข้าถึงแหล่งความรู้ได้มหาศาลและหลากหลาย เร่งให้เกิดการเรียนรู้ที่รวดเร็ว ง่าย สะดวก เกิดการแบ่งปันและต่อยอดความรู้จากคนทั่วโลก
         - การค้นคว้าวิจัยด้าน AI และการนำมาใช้ มีความง่าย สะดวก และรวดเร็วกว่าในอดีตมาก การปรับตัวขององค์กรให้ทันและใช้ประโยชน์จากปัจจัยเหล่านี้ให้เกิดคุณค่าสูงสุดจึงเป็นสิ่งท้าทาย

      การนำ AI มาใช้ในองค์กร ไม่ใช่แค่การค้นคว้าวิจัยและพัฒนาโมเดล AI ขึ้นมาก็จะสามารถนำไปใช้ได้ทันที แต่จำเป็น
ต้องมี ecosystem ที่เหมาะสมและมีประสิทธิภาพ เพื่อให้สามารถวัดผลการนำโมเดล AI ไปใช้ได้รวดเร็ว สามารถรันเพื่อสนับสนุนแอพพลิเคชั่นต่างๆ ขององค์กร เพื่อให้ไปสนับสนุนธุรกิจได้อย่างเกิดประโยชน์เต็มที่

       การเข้าใจ ecosystem ที่จะสนับสนุนงาน AI ได้อย่างดี จึงเป็นปัจจัยสำคัญที่สามารถใช้เป็นเครื่องชี้วัด ชี้เป็นชี้ตาย
ในการทำ digital transformation และการนำ AI มาใช้ในองค์กรได้เลยทีเดียว เพราะไม่ใช่แค่มีเงินแล้วทำเรื่องจัดซื้อ/จัดจ้าง
แล้วจะได้ ecosystem ที่ดีเสมอไป

      วิชานี้จึงเน้นสอนด้าน ecosystem โดยมุ่งเน้นในส่วน data architecture เพราะการประมวลผลข้อมูลถือเป็นหัวใจสำคัญของงาน AI เพื่อให้ผู้เรียนเข้าใจถึงองค์ประกอบและประเด็นสำคัญต่างๆ ในการสร้างและดูแล data architecture เพื่อให้สนับสนุนการใช้ AI ขับเคลื่อนธุรกิจขององค์กรได้อย่างประสิทธิภาพ โดยมุ่งเน้นการอธิบายความหมายกับข้อดี/ข้อเสีย และการจัดวางองค์ประกอบสำคัญ (data architecture building block) ต่างๆ เพื่อให้ผู้เรียนเข้าใจการสร้าง data architecture blueprint ต่อไป

      วิชานี้อธิบายแนวทางการอิมพลีเม้นต์คร่าวๆ โดยจะไม่เจาะจงเทคโนโลยีใดเทคโนโลยีหนึ่งหรือยี่ห้อใดยี่ห้อหนึ่งเพื่อตีกรอบผู้เรียนโดยไม่จำเป็น และไม่มีเวิร์กช็อปเขียนโปรแกรม แต่จะมีเวิร์กช็อปฝึกจัดวาง data architecture เพื่อให้ผู้เรียน
เห็นภาพและเข้าใจ สามารถกลับไปศึกษาเพิ่มเติมต่อไปและนำไปประยุกต์ใช้งานจริงในองค์กรได้

วัตถุประสงค์ของการอบรม (Objective)
      วิชานี้มุ่งเน้นให้ผู้เรียนได้เข้าใจในหลักการด้าน data architecture ที่จะสามารถสนับสนุนการใช้ AI เพื่อขับเคลื่อนธุรกิจขององค์กรได้อย่างมีประสิทธิภาพ ซึ่งจะได้เข้าใจทั้งพื้นฐานและหลักการวิเคราะห์ ออกแบบ และการจัดวาง data architecture building block เช่น data lake, data pipeline, NoSQL database, relational database, message broker, legacy system, new system, AI model, cache เป็นต้น

       วิชานี้ยังมุ่งหวังให้ผู้เรียนสามารถนำความรู้ที่ได้กลับไปประยุกต์กับงานได้ ไม่ว่าผู้เรียนจะออกแบบและพัฒนาระบบประเภทใดหรือใช้เทคโนโลยีใดอยู่ และหากมีข้อสงสัยต้องการปรึกษากับผู้สอนภายหลังการอบรม อันเนื่องจากจำนวนวันอบรมที่จำกัด  ก็สามารถทำได้โดยผ่านเว็บไซต์สังคมออนไลน์ต่าง ๆ และการติดต่อผ่านทางช่องทางต่าง ๆ ตามตกลงกันระหว่างผู้สอนและผู้เรียนระหว่างอบรม