Agile AI Full-stack Developer | หลักสูตรการพัฒนาแอปพลิเคชันอัจฉริยะแบบครบวงจรด้วยเทคนิค RAG และ Flutter ภายใต้การบริหารโครงการแบบ Agile
Future Skills Set
- Artificial Intelligence
- Digital Platform Developing
- Application Development
รูปแบบการฝึกอบรม
- Module 1: Agile Transformation & AI-Assisted Development (6 ชั่วโมง)
○ หลักการบริหารโครงการแบบ Agile และ Scrum Framework
○ การใช้ AI Coding Assistant (Copilot/Cursor) เพื่อเพิ่มประสิทธิภาพการเขียนโค้ด - Module 2: Advanced Flutter for Chat Interfaces (15 ชั่วโมง)
○ สถาปัตยกรรม Modern Flutter (Clean Architecture, MVVM)
○ การจัดการ State Management ขั้นสูง (Riverpod/Bloc)
○ Workshop: การสร้าง Chat UI ที่รองรับ Markdown, Voice และ Multimedia - Module 3: Cloud Generative AI Integration (14 ชั่วโมง)
○ หลักการ Prompt Engineering ขั้นสูงสำหรับนักพัฒนา
○ การเชื่อมต่อ OpenAI/Gemini API และการทำ Function Calling - Module 4: RAG Specialist (Retrieval-Augmented Generation) (16 ชั่วโมง)
○ สถาปัตยกรรม RAG: Ingestion, Chunking, Embedding และ Retrieval
○ การใช้งาน Vector Database (ChromaDB/PGVector)
○ Workshop: การสร้างระบบ “Chat with Corporate Documents” เพื่อลด Hallucination - Module 5: On-Premise AI & Privacy (9 ชั่วโมง)
○ การติดตั้งและปรับจูน Local LLMs (Llama 3, Mistral) บนเซิร์ฟเวอร์องค์กร
○ การออกแบบระบบ Hybrid AI เพื่อความปลอดภัยของข้อมูล (Data Privacy) - Module 6: Capstone Project (60 ชั่วโมง)
○ การดำเนินโครงการตามกระบวนการ Agile Sprint (Planning, Daily, Review, Retro)
ผลลัพธ์การเรียนรู้
เมื่อสิ้นสุดหลักสูตร ผู้เรียนจะมีความสามารถดังนี้ (จำแนกตาม Bloom’s Taxonomy)
- Apply (ประยุกต์ใช้): สามารถประยุกต์ใช้กระบวนการ Agile Scrum ในการบริหารจัดการโครงการซอฟต์แวร์และทำงานร่วมกับทีมได้อย่างมีประสิทธิภาพ
- Create (สร้างสรรค์): สามารถพัฒนาแอปพลิเคชันข้ามแพลตฟอร์มด้วย Flutter ที่มีประสิทธิภาพสูง รองรับการขยายตัว และมี UX/UI ที่ทันสมัย
- Integrate (บูรณาการ): สามารถเชื่อมต่อเทคโนโลยี Generative AI (ทั้ง Cloud และ Local) เข้ากับแอปพลิเคชันเพื่อแก้ปัญหาทางธุรกิจได้
- Develop (พัฒนา): สามารถพัฒนาระบบ RAG (Retrieval-Augmented Generation) เพื่อจัดการองค์ความรู้ขององค์กรและสืบค้นข้อมูลได้อย่างแม่นยำ
- Evaluate (ประเมิน): สามารถประเมินความเสี่ยงและเลือกใช้สถาปัตยกรรม AI ที่เหมาะสมกับนโยบายความปลอดภัยข้อมูล (Data Privacy) ขององค์กร
- วิธีการประเมินผล (Assessment Methods)
เพื่อให้มั่นใจว่าผู้เรียนบรรลุผลลัพธ์การเรียนรู้ตามที่กำหนด จะมีการวัดและประเมินผลดังนี้
การประเมินระหว่างเรียน (Formative Assessment – 30%)
○ การทำ Lab Exercise ในแต่ละ Module
○ การมีส่วนร่วมในกิจกรรม Agile Ceremony (Daily Standup, Retro)
การประเมินจากโครงงาน (Capstone Project – 50%)
○ ประเมินโดยคณะกรรมการผู้ทรงคุณวุฒิ ตามเกณฑ์ Rubric Score
ครอบคลุมด้าน:
■ ความสมบูรณ์ของฟังก์ชันงาน (Functionality & RAG Accuracy)
■ คุณภาพของโค้ดและสถาปัตยกรรม (Code Quality)
■ ความคิดสร้างสรรค์และการแก้ปัญหา (Innovation)
การทดสอบความรู้ (Post-Test – 20%):
○ ข้อสอบวัดความรู้เชิงทฤษฎีและหลักการสำคัญ
เกณฑ์การจบหลักสูตร
○ มีเวลาเรียนไม่น้อยกว่าร้อยละ 80 ของเวลาเรียนทั้งหมด
○ ผ่านเกณฑ์การประเมินรวมไม่น้อยกว่าร้อยละ 70
Tag:กิจกรรม
