ปัจจุบันการพัฒนาแอปพลิเคชันที่ใช้ปัญญาประดิษฐ์ หรือ Artificial Intelligence: AI โดยเฉพาะระบบที่ประยุกต์ใช้ Large Language Models: LLMs ไม่ได้สิ้นสุดเพียงการเขียนโปรแกรมหรือการเชื่อมต่อกับโมเดล AI เท่านั้น แต่ยังต้องอาศัยกระบวนการจัดการซอร์สโค้ด การทำงานร่วมกันระหว่างสมาชิกในทีม การควบคุมเวอร์ชัน การจัดเตรียมสภาพแวดล้อมสำหรับพัฒนาและทดสอบ ตลอดจนการนำระบบขึ้นใช้งานอย่างเป็นมาตรฐานและสามารถตรวจสอบย้อนกลับได้
แอปพลิเคชัน AI ในปัจจุบันมักประกอบด้วยองค์ประกอบหลายส่วน เช่น Backend API, AI Model, Database, Cache, Web Interface และบริการสนับสนุนอื่น ๆ หากแต่ละองค์ประกอบได้รับการติดตั้งและกำหนดค่าด้วยวิธีที่แตกต่างกัน อาจทำให้เกิดปัญหาสภาพแวดล้อมไม่ตรงกันระหว่างเครื่องของนักพัฒนา เครื่องทดสอบ และระบบที่นำขึ้นใช้งานจริง ส่งผลให้การพัฒนา การแก้ไขปัญหา และการส่งมอบระบบมีความซับซ้อนและใช้เวลามากขึ้น
Git เป็นเครื่องมือสำคัญในการบริหารจัดการซอร์สโค้ด ติดตามการเปลี่ยนแปลง ทำงานร่วมกันเป็นทีม และจัดการเวอร์ชั่น ของซอฟต์แวร์ ขณะที่ Docker ช่วยบรรจุแอปพลิเคชันและส่วนประกอบที่จำเป็นให้อยู่ในรูปแบบ Container ซึ่งสามารถนำไปใช้งานในสภาพแวดล้อมต่าง ๆ ได้อย่างสอดคล้องกัน ส่วน Docker Compose ช่วยให้สามารถกำหนดและบริหารระบบที่ประกอบด้วยหลาย Container ได้อย่างเป็นระบบ
หลักสูตรนี้จึงได้รับการออกแบบเพื่อให้ผู้เข้าอบรมสามารถนำแนวคิดและเครื่องมือด้าน DevOps มาประยุกต์ใช้กับการพัฒนา AI Application ได้อย่างเป็นรูปธรรม โดยเน้นการลงมือปฏิบัติจริงตั้งแต่การจัดการโครงการด้วย Git การสร้าง Docker Image การ Containerize แอปพลิเคชัน FastAPI การเชื่อมต่อกับ Ollama ตลอดจนการประกอบและ Deploy AI Stack ด้วย Docker Compose
ผู้เข้าอบรมจะได้เรียนรู้ Workflow ที่สามารถนำไปประยุกต์ใช้ในการทำงานจริง เพื่อช่วยให้การพัฒนา ทดสอบ ส่งมอบ และบริหารเวอร์ชันของ AI Application มีประสิทธิภาพมากขึ้น พร้อมเป็นพื้นฐานสำหรับการต่อยอดสู่ CI/CD, MLOps และการนำระบบขึ้นใช้งานในระดับ Production ต่อไป
อบรม 2 วัน | 9.00 น. - 16.00 น.
ระดับความรู้ขั้นปานกลาง
11,900 บาท
