ระบบติดตามและประเมินผลโครงการผลิตบัณฑิตพันธุ์ใหม่

การอบรมถูกแบ่งออกเป็น 2 วัน โดยเน้นการปูพื้นฐานทฤษฎีในช่วงเช้าและฝึกปฏิบัติเข้มข้นในช่วงบ่าย ดังนี้: วันแรก: การสร้างรากฐานและระบบอัตโนมัติ (Foundation & Automation)     - ช่วงเช้า (บรรยาย): ทำความเข้าใจแนวคิด Local LLM (เช่น LLaMA3), พื้นฐานเครื่องมือ n8n และการออกแบบ Workflow แบบ Low Code     - ช่วงสาย-บ่าย (ปฏิบัติ): การติดตั้งและใช้งาน Ollama เพื่อรันโมเดลภาษาในเครื่องตัวเอง การทดลองใช้งานโมเดล LLM เบื้องต้น การสร้าง Workflow อัตโนมัติขั้นต้นบน n8n

วันที่สอง: การจัดการความรู้และการประยุกต์ใช้ (Knowledge Integration & Deployment)     - ช่วงเช้า (บรรยาย): เรียนรู้เทคนิค RAG (Retrieval-Augmented Generation) และความสำคัญของ Vector Database     - ช่วงสาย (ปฏิบัติ): การแปลงเอกสารทั่วไปให้กลายเป็นฐานข้อมูลความรู้ที่ AI สามารถค้นหาและอ้างอิงได้     - ช่วงบ่าย (ปฏิบัติ): การทดสอบระบบตอบคำถามจากเอกสารเฉพาะทาง (เช่น คู่มือครู หรือระเบียบโรงเรียน) การเชื่อมต่อระบบทั้งหมดเข้ากับ Discord เพื่อสร้าง Chat Bot ที่ใช้งานได้จริง

ผลผลิตที่ได้จากการอบรม (Outputs) คือสิ่งที่ผู้เข้าอบรม "สร้างขึ้นมาได้จริง" หลังจบโครงการ:     - Local AI System: ระบบ LLM (Ollama) ที่ติดตั้งและทำงานบนเครื่องคอมพิวเตอร์ส่วนบุคคล     - Automation Workflows: ชุดคำสั่งอัตโนมัติบน n8n ที่เชื่อมโยงการทำงานระหว่างเครื่องมือต่างๆ     - Knowledge Base: ฐานข้อมูลความรู้แบบ Vector ที่แปลงมาจากเอกสาร PDF หรือคู่มือ (Document-to-Knowledge)     - Custom Chat Bot: แชทบอทบน Discord ที่สามารถตอบคำถามโดยอ้างอิงข้อมูลจากฐานความรู้เฉพาะด้านได้อย่างแม่นยำ

ผลลัพธ์ที่ได้ (Outcomes) คือ "ประโยชน์หรือทักษะ" ที่เกิดกับผู้เข้าอบรมและองค์กร:     - Data Privacy: ความสามารถในการใช้งาน AI ระดับสูงโดยไม่ต้องส่งข้อมูลออกนอกองค์กร (ผ่าน Local LLM)     - Operational Efficiency: ลดภาระงานรูทีนด้วยการใช้ Workflow Automation (n8n)     - Specialized AI Assistant: มีผู้ช่วยอัจฉริยะที่รอบรู้ในกฎระเบียบหรือข้อมูลเฉพาะของหน่วยงาน ช่วยลดเวลาในการค้นหาข้อมูลในเอกสารหนาๆ     - Technical Skill Upgrading: ผู้เข้าอบรมมีทักษะการเป็น AI Developer เบื้องต้นแบบ Low Code ซึ่งสามารถนำไปประยุกต์ต่อยอดในงานอื่นๆ ได้ทันที