Data Architecture for AI-Driven Business
- TTSA08
- Classroom
- Fundamental
- Thai | 0
ถ้าจะทำ #digitaltransformation ก็คงหนีไม่พ้นเรื่อง AI แล้วจะวาง #Architecture ยังไงให้ #AI ทำงานสนับสนุนธุรกิจได้อย่างเกิดประโยชน์เต็มที่ เนื้อหาคอร์สเน้นหลักการด้าน Data Architecture ที่จะสามารถสนับสนุนการใช้ AI เพื่อขับเคลื่อนธุรกิจขององค์กรได้อย่างมีประสิทธิภาพ
Course description
Time
Instructor
Venue
Data Architecture for AI-Driven Business
ไม่กี่ปีที่ผ่านมาและนับจากนี้ไป บริบททางเศรษฐกิจได้เปลี่ยนไปจากอดีตมากมาย ด้วยปัจจัยหลายประการ โดยเฉพาะปัจจัยด้าน 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
- การสื่อสารผ่านอินเทอร์เน็ตที่รวดเร็วมากขึ้นเรื่อยๆ
- การประมวลผลของฮาร์ดแวร์ที่มีประสิทธิภาพต่อราคาที่เพิ่มสูงขึ้นมหาศาล
- การผสมผสานการประมวลผลแบบดั้งเดิมและการประมวลผลบนคลาวด์
- การเผยแพร่ผลงานค้นคว้าวิจัย และสื่อการเรียน ผ่านสื่อสังคมออนไลน์ ทำให้ผู้คนทั้งโลกเข้าถึงแหล่งความรู้ได้มหาศาลและหลากหลาย เร่งให้เกิดการเรียนรู้ที่รวดเร็ว ง่าย สะดวก เกิดการแบ่งปันและต่อยอดความรู้จากคนทั่วโลก
- การค้นคว้าวิจัยด้าน AI และการนำมาใช้ มีความง่าย สะดวก และรวดเร็วกว่าในอดีตมาก การปรับตัวขององค์กรให้ทันและใช้ประโยชน์จากปัจจัยเหล่านี้ให้เกิดคุณค่าสูงสุดจึงเป็นสิ่งท้าทาย
การนำ AI มาใช้ในองค์กร ไม่ใช่แค่การค้นคว้าวิจัยและพัฒนาโมเดล AI ขึ้นมาก็จะสามารถนำไปใช้ได้ทันที แต่จำเป็นต้องมี ecosystem ที่เหมาะสมและมีประสิทธิภาพ เพื่อให้สามารถวัดผลการนำโมเดล AI ไปใช้ได้รวดเร็ว สามารถรันเพื่อสนับสนุนแอพพลิเคชั่นต่างๆ ขององค์กร เพื่อให้ไปสนับสนุนธุรกิจได้อย่างเกิดประโยชน์เต็มที่
การเข้าใจ ecosystem ที่จะสนับสนุนงาน AI ได้อย่างดี จึงเป็นปัจจัยสำคัญที่สามารถใช้เป็นเครื่องชี้วัด ชี้เป็นชี้ตายในการทำ 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 เพื่อให้ผู้เรียนเห็นภาพและเข้าใจ สามารถกลับไปศึกษาเพิ่มเติมต่อไปและนำไปประยุกต์ใช้งานจริงในองค์กรได้
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 ก็สามารถทำได้โดยผ่านเว็บไซต์สังคมออนไลน์ต่างๆ และการติดต่อผ่านทางช่องทางต่างๆ ตามตกลงกันระหว่างผู้สอนและผู้เรียนระหว่างอบรม
- การอบรมนี้ออกแบบมาสำหรับ data architect, data engineer, database manager/administrator, solution architect, system analyst, software architect, enterprise architect, IT architect, system engineer, IT manager, project manager, programmer, developer, DevOps, และผู้ที่สนใจทั่วไป
- ผู้เรียนควรมีความรู้และทักษะพื้นฐานด้านการบริหารจัดการและการใช้ข้อมูล, การพัฒนาซอฟต์แวร์, กระบวนการพัฒนาซอฟต์แวร์, Object-Orientation, การวิเคราะห์และออกแบบระบบ, การบริหารและวิเคราะห์ธุรกิจเบื้องต้น, software architecture
- เข้าใจพื้นฐานด้าน data architecture และ AI
- เข้าใจการวิเคราะห์ปั จจัยสำคัญต่างๆ ที่มีผลต่อการใช้ AI ในสถานการณ์ต่างๆ
- เข้าใจการออกแบบ data architecture blueprint และการจัดวาง building block ต่างๆ
- เข้าใจแนวทางในการอิมพลีเม้นต์ data architecture กับงานที่ต้องใช้ AI หนักๆ
- สามารถนำความรู้ที่ได้รับกลับไปประยุกต์กับงานได้จริง
- สามารถปรึกษากับผู้สอนภายหลังการอบรมได้อีกด้วย
- ทำความเข้าใจเบื้องต้นกับ data architecture, big data, enterprise data management
- ประวัติ data warehouse และความสัมพันธ์กับ data architecture
- ทำความเข้าใจเบื้องต้นกับ AI, machine learning, data analytics
- ทำความเข้าใจกับ enterprise architecture: business architecture, data architecture, application architecture, technology architecture
- แบ่งระดับข้อมูล (level of abstraction) เป็น business data, application data, technology data
- วิเคราะห์และทำความเข้าใจกับ business architecture ปัจจุบันและอนาคตขององค์กร เช่น business plan, business strategy, business direction, business model, business process, business unit, business constraint, business concern, business goal, business stakeholder ฯลฯ
- วิเคราะห์และทำความเข้าใจกับมิติ architecture ระดับอื่นในปัจจุบันและอนาคตขององค์กร เช่น application architecture, technology architecture เช่น system interoperation, application service, API, technology trend, application component, enterprise system blueprint, IT strategy, non-functional attribute, DMZ, security policy ฯลฯ
- ทำความเข้าใจเบื้องต้นกับ Architecture Building Block (ABB) กับ Solution Building Block (SBB)
- ทำความเข้าใจกับ data model และ NoSQL database ชนิดต่างๆ เช่น document model, graph model, time-series model, wide-column model, key-value model เป็นต้น
- ทำความเข้าใจกับ ข้อจำกัดทางสถาปัตยกรรม (architectural constraint), ข้อกังวลทางสถาปัตยกรรม (architectural concern), เป้าหมายของสถาปัตยกรรม (architecture goal)
- วิเคราะห์และทำความเข้าใจกับ non-functional attribute เช่น reliability, stability, performance, security, interoperability, usability, scalability, availability, confidentiality
- ทำความเข้าใจกับ data architecture building block และประเด็นสำคัญต่างๆ เช่น
- Data lake, data pipeline, data joint, data flow
- Cache & pool
- Eventually consistency
- Resource acquisition
- AI (machine learning) model & dataset repository, ML model & dataset custodian, passive prediction, realtime prediction
- Parallel & distributed data processing (รวมถึงการประมวลผล AI/machine learning แบบ parallel & distributed)
- Interval & event-driven data processing
- Feature engineering, data preparation, data transformation
- Confidentiality level handling
- Shadow/background & asynchronous processing
- Hierarchical data storage & data stage & abstraction level of data
- Microservices/API & API gateway
- Message broker
- IoT data handling
- Logging & monitoring (log & metrics)
- วิเคราะห์และทำความเข้าใจกับประเด็นทางสถาปัตยกรรม: stakeholder, constraint, concern, goal
- จัดวาง data architecture blueprint (allocate building block) สำหรับอนาคต (ภาพในฝัน)
- วิเคราะห์, ประเมิน และจัดกลุ่ม architecture landscape และกำหนด data architecture policy ตามประเด็นต่างๆ เช่น รูปแบบการใช้งาน, ภาษาโปรแกรม, database, technology, business domain, application ฯลฯ
- วิเคราะห์ Gap, ประเมินโอกาสและอุปสรรค และสรุป data architecture solution
- Refactor & normalize & compromise data architecture blueprint (ภาพความจริง)
- วางแผนดำเนินการ, บริหารและติดตามการใช้งาน
- ปรับปรุง data architecture ให้ทันสมัยอยู่ตลอด รับมือกับการเปลี่ยนแปลงของเทคโนโลยีให้ได้
Payment can be made by:
-
Cash or Credit Card or Bank Cheque payable to "สำนักงานพัฒนาวิทยาศาสตร์และเทคโนโลยีแห่งชาติ" (a post-dated cheque is not accepted) on the first day of the service or within the last day of the service.
-
Account transfer and send the proof of the payment (the deposit slip) to email ttd@swpark.or.th
- Withholding tax (3%) is exempt.
- Should you need to withdraw, you must send the notice of the withdrawal in writing no later than 7 working days before the commencement date. The cancellation less than 7 days will be subject to a fine of 40% of the fee.
- Software Park Thailand reserves the rights to cancel courses due to unforeseen circumstances.
Contact Person
For more information, contact our course coordinator on:
The schedule is accessible at www.swpark.or.th for more information.
12,000 THB .
ระยะเวลาการฝึกอบรม: 3 วัน (18 ชั่วโมง) เวลา 10.00 - 17:00 น.
สถานที่อบรม : ห้องอบรม ชั้น 3 อาคารซอฟต์แวร์พาร์ค ถนนแจ้งวัฒนะ
สำคัญ!!! กรุณารอการยืนยันเปิดการอบรมจากเจ้าหน้าที่ก่อนการชำระค่าลงทะเบียน
Course Detail :
Instructor info
นายณรงค์ จันทร์สร้อย
-