097-113-5975
admin@datalentteam.co

AI Risk Management

AI Risk Management

To be announced 

ลงทะเบียนเพื่อรับข้อมูลเพิ่มเติม

พิเศษลงทะเบียนก่อนเริ่มเรียน 14 วัน ได้รับส่วนลดค่าลงทะเบียนทันที !

  • สำหรับนักศึกษาปัจจุบัน ม.มหิดล เหลือเพียง 3,510 บาท (จาก 3,900 บาท)
  • นักศึกษาสถาบันอื่น เหลือเพียง 4,050 บาท (จาก 4,500 บาท)
  • บุคลากร/ ศิษย์เก่า ม.มหิดล/ ผู้ที่เคยอบรมกับ Datalent เหลือเพียง 4,410 บาท (จาก 4,900 บาท)
  • บุคคลทั่วไป เหลือเพียง 5,310 บาท (จาก 5,900 บาท)

หลักการและเหตุผล

การพัฒนาและการใช้งานระบบปัญญาประดิษฐ์ (AI) กำลังเติบโตอย่างรวดเร็วในหลายภาคส่วน ซึ่งนำมาทั้งโอกาสและความเสี่ยงใหม่ๆ การจัดการความเสี่ยงที่มีประสิทธิภาพจึงเป็นสิ่งสำคัญอย่างยิ่งสำหรับองค์กรที่นำ AI มาใช้งาน มาตรฐาน ISO/IEC 23894:2023 ได้กำหนดแนวทางในการจัดการความเสี่ยงสำหรับระบบ AI โดยเฉพาะ ซึ่งสอดคล้องกับหลักการของ ISO 31000 หลักสูตรนี้จึงถูกออกแบบมาเพื่อให้ผู้เรียนเข้าใจและสามารถประยุกต์ใช้แนวทางดังกล่าวได้อย่างมีประสิทธิภาพ

วัตถุประสงค์

    1. เข้าใจหลักการและกรอบการจัดการความเสี่ยงสำหรับระบบ AI ตามมาตรฐาน ISO/IEC 23894 และ ISO 31000
    2. ประยุกต์ใช้กระบวนการจัดการความเสี่ยงกับระบบ AI ในองค์กร
    3. วิเคราะห์และประเมินความเสี่ยงที่เกี่ยวข้องกับการใช้งาน AI
    4. เชื่อมโยงการจัดการความเสี่ยงกับวงจรชีวิตของระบบ AI
    5. พัฒนาแผนการจัดการความเสี่ยงสำหรับโครงการ AI ในองค์กร

หลักสูตรนี้เหมาะกับใครบ้าง

    • ผู้บริหารและผู้จัดการที่เกี่ยวข้องกับการนำ AI มาใช้ในองค์กร
    • นักพัฒนาระบบ AI และผู้ที่เกี่ยวข้องกับการออกแบบและพัฒนาระบบ AI
    • ผู้เชี่ยวชาญด้านการจัดการความเสี่ยงที่ต้องการเพิ่มพูนความรู้เฉพาะด้าน AI
    • ผู้ที่สนใจในการจัดการความเสี่ยงสำหรับระบบ AI

 

ความรู้พื้นฐาน

ไม่ต้องมีความรู้พื้นฐาน

 

กำหนดการ

==========================================
ผู้อบรมสามารถชำระเงินได้ทาง
โอนเงิน เข้าธนาคารไทยพาณิชย์
ชื่อบัญชี: เงินรายได้คณะวิศวกรรมศาสตร์ มหาวิทยาลัยมหิดล
เลขบัญชี: 333-279192-7

ส่งสลิปและข้อมูลออกใบเสร็จทางอีเมล Admin@datalentteam.co หรือที่เบอร์ 097-1135975
Read more

AI Course

มาแล้ว! 5 คอร์สเรียนการกำกับดูแล AI จากมหาวิทยาลัยมหิดล

🍽️ พร้อมเสริมความรู้เรื่อง AI Governance และการจัดการ AI ระดับมืออาชีพ

โดยวิทยากรผู้เชี่ยวชาญ : ผศ.ดร. โษฑศ์รัตต ธรรมบุษดี

1️⃣ AI Ecosystem in AI Management System and AI Governance
2️⃣ Trustworthiness in AI
3️⃣ AI Risk Management
4️⃣ Governance Implications of the Use of AI by Organizations
5️⃣ AI Management System

📅 พิเศษ ลงทะเบียนก่อนเริ่มเรียน 14 วัน ได้รับส่วนลดค่าลงทะเบียนทันที ! หากผู้เรียนต้องการเรียนวิชาด้าน AI ทั้งหมดราคาพิเศษเพียง 29,990 บาท (จาก 35,400บาท) เท่านั้น!!

——————————————————————————————————–
อีเมล: Admin@datalentteam.co
โทร: 09-7113-5975 (คุณบอย)
Read more

Python for Machine Learning and Data Mining รุ่นที่ 12

Python for Machine Learning and Data Mining รุ่นที่ 12

วันเสาร์ที่ 16 พฤศจิกายน 9.00 – 16.00 น.
วันเสาร์ที่ 23 พฤศจิกายน 9.00 – 16.00 น.
วันเสาร์ที่ 30 พฤศจิกายน 9.00 – 12.00 น.
วันอาทิตย์ที่ 1 ธันวาคม 9.00 – 12.00 น.

หลักการและเหตุผล

การใช้กระบวนการ Machine Learning และ Data Science ในกรณีศึกษาจริง มักจะมีรูปแบบของการวิเคราะห์และขั้นตอนที่ซับซ้อน หลักสูตรนี้จะทำให้ผู้อบรมได้รู้จักกับวิธีการเขียนโปรแกรมภาษา Python เพื่อสำรวจข้อมูลจากความหลากหลายของแหล่งที่มา โดยการสร้างแบบจำลองเชิงอนุมาน สร้างแผนภูมิกราฟ และการแสดงข้อมูลด้านอื่น เห็นรูปแบบปัญหาและกรณีศึกษาหลายๆแบบ ทั้งในภาคธุรกิจและงานวิจัยโดยจะมี ทั้งภาคทฤษฎี และ ภาคปฏิบัติ ซึ่งเครื่องมือที่ใช้คือ Google Colab ซึ่งผู้อบรมสามารถใช้งานได้ฟรีและไม่จำเป็นต้องยุ่งยากในการติดตั้งโปรแกรม ทั้งนี้ ผู้เข้ารับการอบรมต้องเตรียมคอมพิวเตอร์สำหรับฝึกปฏิบัติในวันอบรมด้วย

วัตถุประสงค์

    1. เพื่อให้บุคคลากรทั่วไปมีความรู้ความเข้าใจด้านกาวิทยาการข้อมูลกระบวนการทำเหมืองข้อมูล
    2. สร้างความเข้าใจในกระบวนการทำงานด้วยข้อมูล
    3. พัฒนาทักษะด้านการใช้ข้อมูลของบุคคลที่ต้องการเริ่มต้นการวิเคราะห์ด้วยข้อมูลในขั้นสูง

หลักสูตรนี้เหมาะกับใครบ้าง

  • คนที่กำลังเริ่มพื้นฐานด้านการวิเคราะห์ข้อมูล
  • บุคคลที่สนใจกระบวนการด้านการวิเคราะห์ธุรกิจและการทำเหมืองข้อมูล และ Machine Leanring
  • บุคคลที่มีพื้นฐานในขั้นปานกลางถึงขั้นสูงในเรื่องวิทยาการข้อมูล

กำหนดการ

วันที่ เวลา หัวข้อ
วันที่ 1

(16 พ.ย. 67)

 9.00 – 12.00 Module 1: Introduction to Data Science
Module 2: Introduction to Python
Module 3: CRISP-DM
Module 4: Python Packages
Module 5: Python Variables
Module 6: Data type and Data Importing
Module 7: Missing value and Outlier Handling
Module 8: Imbalance Data

  • Up sampling
  • Down sizing

Module 9: Feature selection and Dimensionality Reduction
13.00 – 16.00 Module 10: Introduction to Data Visualization
Module 11: Machine Learning Overview
Module 12: Association Rule
Module 13: Basic Classification Technique
Module 14: Classification Performance Measurement
Module 15: Machine Learning Overview
Association Rule (apyori library)
Module 16: Basic Classification Technique
Module 17: Classification Performance Measurement
วันที่ 2

(23 พ.ย. 67)

 9.00 – 12.00 Module 18: Additional Classification Techniques
Module 19: Regression Methods

  • หาค่า MAE
  • หาค่า MSE
  • หาค่า RMSE

Module 20: Clustering Methods
Module 21: Neural Networks
13.00 – 16.00 Module 22: Tuning techniques
Module 23: Deploy model (streamlit)
Module 24: Demonstration
วันที่ 3

(30 พ.ย. 67)

 9.00 – 12.00 Module 25: Introduction to Text mining
Module 26: Text mining ENG
Module 27: Text mining THAI
Module 28: Tokenize
วันที่ 4

(1 ธ.ค. 67)

 9.00 – 12.00 Module 29: Sentiment Analysis
Module 30: Text Clustering
Module 31: Text Classification

 

Read more

หลักสูตร No-Code Tools for Computer Vision Model

 หลักสูตร No-Code Tools for Computer Vision Model

วันที่ 22 – 23 กุมภาพันธ์ 2025

เวลา 9.00 – 16.00 น.

ราคา 6,990 บาท ลงทะเบียนก่อน 14 วันลด 10 % เหลือเพียง 6,290 บาท

ณ อาคาร KX Knowledge Xchange @BTS วงเวียนใหญ่

หลักการและเหตุผล

ในยุคที่เทคโนโลยีปัญญาประดิษฐ์ (AI) และการเรียนรู้เชิงลึก (Deep Learning) กำลังเติบโตอย่างรวดเร็ว การประยุกต์ใช้เทคโนโลยีเหล่านี้ในการประมวลผลภาพได้กลายเป็นทักษะที่สำคัญและเป็นที่ต้องการอย่างมากในอุตสาหกรรมต่างๆ หลักสูตรนี้ออกแบบมาเพื่อให้ผู้เรียนได้เรียนรู้และฝึกปฏิบัติการใช้เครื่องมือและเทคนิคล่าสุดในการสร้างโมเดล Deep Learning สำหรับการจำแนกภาพ (Image Classification) การตรวจจับวัตถุ (Object Detection) และการแบ่งส่วนภาพ (Instance Segmentation) ซึ่งเป็นพื้นฐานสำคัญในการพัฒนาระบบคอมพิวเตอร์วิทัศน์ (Computer Vision) ที่มีประสิทธิภาพ

วัตถุประสงค์

    1. เพื่อให้ผู้เรียนเข้าใจหลักการพื้นฐานของ Deep Learning และการประยุกต์ใช้ในงานด้านการประมวลผลภาพ
    2. เพื่อให้ผู้เรียนสามารถใช้เครื่องมือสมัยใหม่ เช่น Teachable Machine, Roboflow และ Ultralytics ในการสร้างโมเดล Deep Learning สำหรับการจำแนกภาพ การตรวจจับวัตถุ และการแบ่งส่วนภาพ
    3. เพื่อให้ผู้เรียนสามารถนำโมเดลที่สร้างขึ้นไปใช้งานจริง (Deploy) ได้อย่างมีประสิทธิภาพ
    4. เพื่อเสริมสร้างทักษะการแก้ปัญหาและการประยุกต์ใช้เทคโนโลยี AI ในงานด้านการประมวลผลภาพ

หลักสูตรนี้เหมาะกับใครบ้าง

  • นักพัฒนาซอฟต์แวร์ที่ต้องการเพิ่มทักษะด้าน AI และ Computer Vision
  • วิศวกรข้อมูลหรือนักวิทยาศาสตร์ข้อมูลที่สนใจในการประยุกต์ใช้ Deep Learning กับงานด้านภาพ
  • นักศึกษาหรือผู้ที่สนใจในเทคโนโลยี AI และต้องการเริ่มต้นเรียนรู้การสร้างโมเดล Deep Learning สำหรับการประมวลผลภาพ
  • ผู้ประกอบการหรือผู้จัดการโครงการที่ต้องการเข้าใจศักยภาพและการประยุกต์ใช้ AI ในงานด้านการวิเคราะห์ภาพ

ความรู้พื้นฐาน

  • พื้นฐานการเขียนโปรแกรมภาษา Python
  • ความเข้าใจพื้นฐานเกี่ยวกับการเรียนรู้ของเครื่อง (Machine Learning) จะเป็นประโยชน์ แต่ไม่จำเป็นต้องมีประสบการณ์โดยตรง
  • ความเข้าใจพื้นฐานเกี่ยวกับการประมวลผลภาพดิจิทัล
  • ทักษะการใช้คอมพิวเตอร์ทั่วไปและความคุ้นเคยกับการใช้งานบราวเซอร์อินเทอร์เน็ต

กำหนดการ

วันที่ เวลา หัวข้อ

วันที่ 1

9.00 – 12.00
  • Introduction to Deep Learning
  • Transfer Learning (Pretrained Model)
  • Introduction to Image Classification
  • Introduction to Teachable Machine for Image Classification
  • Building the Image Classification Models with Teachable Machine

13.00 – 16.00
  • Introduction to Roboflow for Image Classification
  • Building the Image Classification Models with Roboflow
  • Building the Image Classification Models with Ultralytics
  • Deploy the Image Classification Models
วันที่ เวลา หัวข้อ

วันที่ 2

9.00 – 12.00
  • Introduction to Object Detection
  • Introduction to Roboflow for Object Detection
  • Building the Object Detection Models with Roboflow
  • Building the Object Detection Models with Ultralytics
  • Deploy the Object Detection Models

13.00 – 16.00
  • Introduction to Instance Segmentation
  • Introduction to Roboflow for Instance Segmentation
  • Building the Instance Segmentation Models with Roboflow
  • Deploy the Instance Segmentation Models
Read more

AI Management System

AI Management System

To be announced 

ลงทะเบียนเพื่อรับข้อมูลเพิ่มเติม

พิเศษลงทะเบียนก่อนเริ่มเรียน 14 วัน ได้รับส่วนลดค่าลงทะเบียนทันที !

  • สำหรับนักศึกษาปัจจุบัน ม.มหิดล เหลือเพียง 7,020 บาท (จาก 7,800 บาท)
  • นักศึกษาสถาบันอื่น เหลือเพียง 8,100 บาท (จาก 9,000 บาท)
  • บุคลากร/ ศิษย์เก่า ม.มหิดล/ ผู้ที่เคยอบรมกับ Datalent เหลือเพียง 8,820 บาท (จาก 9,800 บาท)
  • บุคคลทั่วไป เหลือเพียง 10,620 บาท (จาก 11,800 บาท)

หลักการและเหตุผล

การนำเทคโนโลยีปัญญาประดิษฐ์ (AI) มาใช้ในองค์กรกำลังเพิ่มขึ้นอย่างรวดเร็ว ซึ่งนำมาทั้งโอกาสและความท้าทายใหม่ๆ การมีระบบบริหารจัดการ AI ที่มีประสิทธิภาพจึงเป็นสิ่งสำคัญอย่างยิ่งเพื่อให้มั่นใจว่าการใช้งาน AI เป็นไปอย่างมีประสิทธิภาพ ปลอดภัย และสอดคล้องกับวัตถุประสงค์ขององค์กร มาตรฐาน ISO/IEC 42001:2023 ได้กำหนดแนวทางในการพัฒนาและดำเนินการระบบบริหารจัดการ AI หลักสูตรนี้จึงถูกออกแบบมาเพื่อให้ผู้เรียนเข้าใจและสามารถประยุกต์ใช้แนวทางดังกล่าวได้อย่างมีประสิทธิภาพ

วัตถุประสงค์

    1. เข้าใจองค์ประกอบสำคัญของระบบบริหารจัดการ AI ตามมาตรฐาน ISO/IEC 42001:2023
    2. วิเคราะห์บริบทขององค์กรและความต้องการของผู้มีส่วนได้ส่วนเสียที่เกี่ยวข้องกับ AI
    3. พัฒนานโยบายและวัตถุประสงค์ด้าน AI ที่สอดคล้องกับกลยุทธ์ขององค์กร
    4. ประเมินและจัดการความเสี่ยงและผลกระทบของ AI
    5. วางแผนและดำเนินการระบบบริหารจัดการ AI อย่างมีประสิทธิภาพ
    6. ประเมินผลการดำเนินงานและปรับปรุงระบบบริหารจัดการ AI อย่างต่อเนื่อง
    7. ประยุกต์ใช้แนวทางการควบคุม AI ตามมาตรฐานในองค์กร

หลักสูตรนี้เหมาะกับใครบ้าง

    • ผู้บริหารระดับสูงและผู้จัดการที่รับผิดชอบด้าน AI
    • ผู้เชี่ยวชาญด้านการบริหารจัดการระบบ IT และ AI
    • ผู้ที่มีส่วนเกี่ยวข้องกับการพัฒนาและดำเนินการระบบ AI ในองค์กร
    • ผู้ตรวจสอบและผู้ประเมินระบบบริหารจัดการ AI

ความรู้พื้นฐาน

ไม่ต้องมีความรู้พื้นฐาน

กำหนดการ

==========================================
ผู้อบรมสามารถชำระเงินได้ทาง
โอนเงิน เข้าธนาคารไทยพาณิชย์
ชื่อบัญชี: เงินรายได้คณะวิศวกรรมศาสตร์ มหาวิทยาลัยมหิดล
เลขบัญชี: 333-279192-7

ส่งสลิปและข้อมูลออกใบเสร็จทางอีเมล Admin@datalentteam.co หรือที่เบอร์ 097-1135975

 

Read more

Governance Implications of the Use of AI by Organizations

Governance Implications of the Use of AI by Organizations

To be announced 

ลงทะเบียนเพื่อรับข้อมูลเพิ่มเติม

พิเศษลงทะเบียนก่อนเริ่มเรียน 14 วัน ได้รับส่วนลดค่าลงทะเบียนทันที !

  • สำหรับนักศึกษาปัจจุบัน ม.มหิดล เหลือเพียง 3,510 บาท (จาก 3,900 บาท)
  • นักศึกษาสถาบันอื่น เหลือเพียง 4,050 บาท (จาก 4,500 บาท)
  • บุคลากร/ ศิษย์เก่า ม.มหิดล/ ผู้ที่เคยอบรมกับ Datalent เหลือเพียง 4,410 บาท (จาก 4,900 บาท)
  • บุคคลทั่วไป เหลือเพียง 5,310 บาท (จาก 5,900 บาท)

หลักการและเหตุผล

การนำเทคโนโลยีปัญญาประดิษฐ์ (AI) มาใช้ในองค์กรกำลังเพิ่มขึ้นอย่างรวดเร็ว ซึ่งนำมาทั้งโอกาสและความท้าทายใหม่ๆ การกำกับดูแลที่มีประสิทธิภาพจึงเป็นสิ่งสำคัญอย่างยิ่งเพื่อให้มั่นใจว่าการใช้งาน AI เป็นไปอย่างมีความรับผิดชอบและสอดคล้องกับวัตถุประสงค์ขององค์กร มาตรฐาน ISO/IEC 38507:2022 ได้กำหนดแนวทางในการกำกับดูแลการใช้งาน AI ในองค์กร หลักสูตรนี้จึงถูกออกแบบมาเพื่อให้ผู้เรียนเข้าใจและสามารถประยุกต์ใช้แนวทางดังกล่าวได้อย่างมีประสิทธิภาพ

วัตถุประสงค์

    1. เข้าใจผลกระทบของ AI ต่อการกำกับดูแลองค์กร
    2. ระบุความแตกต่างระหว่างการกำกับดูแล AI และเทคโนโลยีสารสนเทศทั่วไป
    3. วิเคราะห์ประโยชน์และข้อจำกัดของการใช้ AI ในบริบทขององค์กร
    4. พัฒนานโยบายและแนวปฏิบัติสำหรับการกำกับดูแล AI ที่มีประสิทธิภาพ
    5. ประยุกต์ใช้หลักการของ ISO/IEC 38507:2022 ในการปรับปรุงกรอบการกำกับดูแล AI ขององค์กร
    6. เชื่อมโยงการกำกับดูแล AI กับกระบวนการตัดสินใจและกลยุทธ์ขององค์กร

หลักสูตรนี้เหมาะกับใครบ้าง

    • ผู้บริหารและคณะกรรมการบริษัท
    • ผู้จัดการด้านเทคโนโลยีสารสนเทศและ AI
    • ผู้เชี่ยวชาญด้านการกำกับดูแลและการปฏิบัติตามกฎระเบียบ
    • ผู้ที่มีส่วนเกี่ยวข้องกับการกำหนดนโยบายและกลยุทธ์ด้าน AI ในองค์กร

ความรู้พื้นฐาน

ไม่ต้องมีความรู้พื้นฐาน

กำหนดการ

==========================================
ผู้อบรมสามารถชำระเงินได้ทาง
โอนเงิน เข้าธนาคารไทยพาณิชย์
ชื่อบัญชี: เงินรายได้คณะวิศวกรรมศาสตร์ มหาวิทยาลัยมหิดล
เลขบัญชี: 333-279192-7

ส่งสลิปและข้อมูลออกใบเสร็จทางอีเมล Admin@datalentteam.co หรือที่เบอร์ 097-1135975

 

Read more

Trustworthiness in AI

Trustworthiness in AI

To be announced 

ลงทะเบียนเพื่อรับข้อมูลเพิ่มเติม

พิเศษลงทะเบียนก่อนเริ่มเรียน 14 วัน ได้รับส่วนลดค่าลงทะเบียนทันที !

  • สำหรับนักศึกษาปัจจุบัน ม.มหิดล เหลือเพียง 3,510 บาท (จาก 3,900 บาท)
  • นักศึกษาสถาบันอื่น เหลือเพียง 4,050 บาท (จาก 4,500 บาท)
  • บุคลากร/ ศิษย์เก่า ม.มหิดล/ ผู้ที่เคยอบรมกับ Datalent เหลือเพียง 4,410 บาท (จาก 4,900 บาท)
  • บุคคลทั่วไป เหลือเพียง 5,310 บาท (จาก 5,900 บาท)

หลักการและเหตุผล

ในยุคที่ AI มีบทบาทสำคัญในหลากหลายภาคส่วน ความน่าเชื่อถือของระบบ AI เป็นประเด็นที่ได้รับความสนใจอย่างมาก การสร้างความเชื่อมั่นในระบบ AI ไม่เพียงแต่เป็นความท้าทายทางเทคนิค แต่ยังเกี่ยวข้องกับประเด็นทางจริยธรรม สังคม และกฎหมาย หลักสูตรนี้จึงมุ่งเน้นให้ผู้เรียนเข้าใจองค์ประกอบของความน่าเชื่อถือใน AI ตามมาตรฐาน ISO 24028 เพื่อสามารถพัฒนาและจัดการระบบ AI ที่มีความน่าเชื่อถือและปลอดภัย

วัตถุประสงค์

    1. เพื่อให้ผู้เรียนเข้าใจความสำคัญและองค์ประกอบของความน่าเชื่อถือใน AI
    2. เพื่อให้ผู้เรียนสามารถระบุและจัดการความเสี่ยงในระบบ AI
    3. เพื่อให้ผู้เรียนเข้าใจการประยุกต์ใช้มาตรฐานคุณภาพซอฟต์แวร์และข้อมูลกับ AI
    4. เพื่อให้ผู้เรียนตระหนักถึงบทบาทของผู้มีส่วนได้ส่วนเสียในการสร้างความน่าเชื่อถือ
    5. เพื่อให้ผู้เรียนเข้าใจประเด็นด้านความรับผิดชอบ ความปลอดภัย และการกำกับดูแล AI

หลักสูตรนี้เหมาะกับใครบ้าง

  • ผู้บริหารด้านเทคโนโลยี
  • นักพัฒนา AI
  • นักวิเคราะห์ข้อมูล
  • ผู้เชี่ยวชาญด้านความปลอดภัยทางไซเบอร์
  • ผู้ที่มีส่วนเกี่ยวข้องในการพัฒนาและกำกับดูแลระบบ AI

 

ความรู้พื้นฐาน

ไม่ต้องมีความรู้พื้นฐาน

กำหนดการ

==========================================
ผู้อบรมสามารถชำระเงินได้ทาง
โอนเงิน เข้าธนาคารไทยพาณิชย์
ชื่อบัญชี: เงินรายได้คณะวิศวกรรมศาสตร์ มหาวิทยาลัยมหิดล
เลขบัญชี: 333-279192-7

ส่งสลิปและข้อมูลออกใบเสร็จทางอีเมล Admin@datalentteam.co หรือที่เบอร์ 097-1135975

 

Read more

AI Ecosystem in AI Management System and AI Governance

AI Ecosystem in AI Management System and AI Governance

To be announced 

ลงทะเบียนเพื่อรับข้อมูลเพิ่มเติม

พิเศษลงทะเบียนก่อนเริ่มเรียน 14 วัน ได้รับส่วนลดค่าลงทะเบียนทันที !

  • สำหรับนักศึกษาปัจจุบัน ม.มหิดล เหลือเพียง 3,510 บาท (จาก 3,900 บาท)
  • นักศึกษาสถาบันอื่น เหลือเพียง 4,050 บาท (จาก 4,500 บาท)
  • บุคลากร/ ศิษย์เก่า ม.มหิดล/ ผู้ที่เคยอบรมกับ Datalent เหลือเพียง 4,410 บาท (จาก 4,900 บาท)
  • บุคคลทั่วไป เหลือเพียง 5,310 บาท (จาก 5,900 บาท)

หลักการและเหตุผล

ในยุคที่เทคโนโลยีปัญญาประดิษฐ์ (AI) กำลังมีบทบาทสำคัญในการขับเคลื่อนเศรษฐกิจและสังคมดิจิทัล การเข้าใจระบบนิเวศ AI ในบริบทของการบริหารจัดการและการกำกับดูแลเป็นสิ่งจำเป็นอย่างยิ่ง หลักสูตรนี้จึงถูกออกแบบมาเพื่อให้ความรู้พื้นฐานที่ครอบคลุมเกี่ยวกับ AI ตามมาตรฐาน ISO 22989 เพื่อเตรียมความพร้อมให้ผู้เรียนสามารถรับมือกับความท้าทายและโอกาสที่มาพร้อมกับการใช้งาน AI ในองค์กรและสังคม

วัตถุประสงค์

    1. เพื่อให้ผู้เรียนเข้าใจภาพรวมของระบบนิเวศน์ AI ในบริบทของการบริหารจัดการและการกำกับดูแล AI
    2. เพื่อให้ผู้เรียนเข้าใจแนวคิดพื้นฐานของ AI ประเภทต่างๆ ของ AI และการเรียนรู้ของเครื่อง
    3. เพื่อให้ผู้เรียนเข้าใจหลักการสำคัญเกี่ยวกับความน่าเชื่อถือของ AI
    4. เพื่อให้ผู้เรียนตระหนักถึงประเด็นทางกฎหมายและผลกระทบทางสังคมของ AI
    5. เพื่อให้ผู้เรียนเข้าใจบทบาทของผู้มีส่วนได้ส่วนเสียในระบบนิเวศ AI
    6. เพื่อให้ผู้เรียนเข้าใจภาพรวมการทำงานและวงจรชีวิตของระบบ AI
    7. เพื่อให้ผู้เรียนรู้จักสาขาและการประยุกต์ใช้ AI ในด้านต่างๆ
    8. เพื่อให้ผู้เรียนสามารถนำความรู้ไปประยุกต์ใช้ในการบริหารจัดการและกำกับดูแล AI ได้อย่างมีประสิทธิภาพ

หลักสูตรนี้เหมาะกับใครบ้าง

  • ผู้บริหาร
  • นักวิเคราะห์
  • นักพัฒนา
  • ผู้ที่สนใจในการบริหารจัดการและกำกับดูแล AI ในองค์กร

ความรู้พื้นฐาน

ไม่ต้องมีความรู้พื้นฐาน

 

 

กำหนดการ

==========================================
ผู้อบรมสามารถชำระเงินได้ทาง
โอนเงิน เข้าธนาคารไทยพาณิชย์
ชื่อบัญชี: เงินรายได้คณะวิศวกรรมศาสตร์ มหาวิทยาลัยมหิดล
เลขบัญชี: 333-279192-7

ส่งสลิปและข้อมูลออกใบเสร็จทางอีเมล Admin@datalentteam.co หรือที่เบอร์ 097-1135975
Read more

Data Management Maturity Assessment รุ่นที่ 1

Data Management Maturity Assessment รุ่นที่ 1

วันอาทิตย์ที่ 10 และ 17 พฤศจิกายน 2567

เวลา 9.00 – 16.00 น.

ราคา 6,990 บาท ลงทะเบียนก่อน 14 วันลด 10 % เหลือเพียง 6,290 บาท

หลักการและเหตุผลหลักสูตร

การให้ความรู้และทักษะเกี่ยวกับการประเมินความสามารถในการจัดการข้อมูลขององค์กร หลักสูตรนี้มุ่งเน้นที่การสร้างความเข้าใจในเฟรมเวิร์กและเครื่องมือที่ใช้ในการประเมิน รวมถึงการพัฒนาความสามารถในการวิเคราะห์และปรับปรุงกระบวนการจัดการข้อมูลอย่างต่อเนื่อง โดยเนื้อหาจะเน้นถึงหลักการของการประเมินในภาพรวม นิยามระดับสถานะแต่ละระดับ ขั้นตอนการประเมิน และเจาะลึกในโมเดลการประเมินแบบต่างๆของต่างประเทศได้แก่ DAMA-DMBOK, CMMI, DCAM และการประเมินตามกรอบของประเทศไทยได้แก่ กรอบธรรมาภิบาลข้อมูลภาครัฐ และ กรอบแนวทางการประเมินผลการดำเนินงานรัฐวิสาหกิจ ตามระบบ State Enterprise Assessment Model (SE-AM)

  • Introduction to Data Management Maturity Assessment (DMMA)
  • Key Activites for Assessment
  • Communicating and Utilizing the assessment results
  • Continuous improvement and benchmarking data management maturity
  • Existing DMMA Model and their Comparison
  • DAMA-Data Management Body of Knowledge Model (DMBOK)
  • CMMI’s Data Management Maturity (DMM)
  • Data Management Capability Assessment Model (DCAM)
  • Thailand Data Governance Assessment Model (DGA)
  • State Enterprise Assessment Model (SE-AM)

วัตถุประสงค์

    1. เข้าใจหลักการ Data Quality Management และความสัมพันธ์กับ Data Governance
    2. เข้าใจกระบวนการบริหารจัดการคุณภาพข้อมูล
    3. เข้าใจการประเมินระดับสถานการณ์จัดการคุณภาพข้อมูลในองค์กร
    4. เข้าใจหลักการประเมินกระบวนการด้านคุณภาพข้อมูล
    5. เข้าใจหลักการทำโปรไฟล์ของข้อมูล
    6. เข้าใจบทบาทหน้าที่ที่เกี่ยวข้องกับการจัดการคุณภาพข้อมูล

หลักสูตรนี้เหมาะกับใครบ้าง

  • คนที่กำลังเริ่มพื้นฐานด้านการวิเคราะห์ข้อมูล
  • บุคคลที่สนใจกระบวนการด้านการวิเคราะห์ธุรกิจและการสร้างคุณภาพข้อมูล

ความรู้พื้นฐาน

  • ความรู้เบื้องต้นด้าน Data Management หรือเคยเรียนวิชา Data Management Foundations หรือ Data Governance for Business Leader

กำหนดการ

วันที่ เวลา หัวข้อ

วันที่ 1

9.00 – 12.00
  • Introduction to Data Management Maturity Assessment (DMMA)
    o Maturity Assessment : Business Drivers
    o Why is assessing data management maturity important
    o Assessment Levels and Characteristics
  • Key Activites for Assessment
  • Communicating and Utilizing the assessment results
  • Continuous improvement and benchmarking data management maturity
  • Case studies
  • Existing DMMA Model and their Comparison

13.00 – 16.00
  • DAMA-DMBOK2
    o Recap DAMA components and their metrics
     Data Governance
     Data Architecture and Enterprise Architecture
     Data Modeling
     Data Operation
     Data Integration– Documents and Contents
     Data Security and Privacy
     Master Data and Reference Data
     Metadata
     Data Quality
     Data Warehousing and Data Lake
    o Assessment methodology and required evidience
    o How to visualize, interpret, communicate, and benchmark results
  • CMMI Data Management Maturity (DMM)
    o DMM Components
     Data Management Strategy
     Data Governance
     Data Quality
     Data Operations
     Platform and Architecture
     Suporting Process
    o Assessment methodology and required evidience
    o How to visualize, interpret, communicate, and benchmark results

วันที่ 2

9.00 – 12.00
  • Data Management Capability Assessment Model (DCAM)
    o DCAM Components
     Data Strategy and Busines Case
     Data Management Program and Funding
     Business and Data Architecture
     Data and Technology Architecture
     Data Quality Management
     Data Governance
     Data Control Environment
     Analytics Management
    o Assessment methodology and required evidience
    o How to visualize, interpret, communicate, and benchmark results
  • 13.00 – 16.00
  • Thailand’s Models
    o DGA Model
    o SE-AM Model
    o Assessment methodology and required evidience
    o How to visualize, interpret, communicate, and benchmark results

 

Read more

Data Governance for Business Leaders รุ่นที่ 12

Data Governance for Business Leaders รุ่นที่ 12

วันอาทิตย์ที่ 22 กันยายน 2024

เวลา 9.00 – 16.00 น.

ราคา 4,990 บาท ลงทะเบียนก่อน 14 วันลด 10 % เหลือเพียง 4,590 บาท

หลักการและเหตุผล

ในยุคที่องค์กรต่างๆจะก้าวเข้าสู่ยุคการเป็น Data-driven Organization การลงทุนกับเทคโนโลยีเพียงอย่างเดียวโดนขาดกรอบการกำกับดูแลอาจจะนำมาซึ่งความเสี่ยงและความสูญเสียได้หลักสูตรนี้มีวัตถุประสงค์เพื่อให้ผู้บริหารตั้งแต่ระดับกลางถึงระดับสูงได้เห็นภาพรวมของกรอบการทำงานและมาตรฐานในการจัดการข้อมูลไม่ว่าจะเป็นข้อมูลภายในหรือภายนอกองค์กร ภายใต้กรอบการกำกับดูแลข้อมูล (Data Governance)

วัตถุประสงค์

    1. เพื่อให้บุคคลากรทั่วไปมีความรู้ความเข้าใจด้านธรรมาภิบาลข้อมูล
    2. สร้างความเข้าใจในกระบวนการทำงานด้วยข้อมูล
    3. พัฒนาทักษะด้านการใช้ข้อมูลของบุคคลที่ต้องการเริ่มต้นการวิเคราะห์ด้วยข้อมูล และการจัดการกำกับดูแลข้อมูล

หลักสูตรนี้เหมาะกับใครบ้าง

  • คนที่กำลังเริ่มพื้นฐานด้านการวิเคราะห์ข้อมูล
  • บุคคลที่สนใจกระบวนการด้านการวิเคราะห์ธุรกิจและธรรมาภิบาลข้อมูล

 

ความรู้พื้นฐาน

ไม่ต้องมีความรู้พื้นฐาน

กำหนดการ

วันที่ เวลา หัวข้อ

วันที่ 1

 

9.00 – 12.00
  • Data Governance Fundamentals
    o Data Management Functions
    o The Data Lifecycle
    o Business Drivers
    o Related Standards
  • Data Governance Framework
    o Building Data Governance Framework
    o Components of Data Governance Framework
    o Data Management Maturity Model
  • Data Governance Organization
    o Operating Model
    o Core Data Governance Roles

13.00 – 16.00
  • Data Stewardship
    o Common stewardship activities
    o Models of Data Stewardship
  • DG Activities
    o Define Data Governance for the Organization
     Perform Readiness Assessment
     Perform Discovery and Business Alignment
     Develop Organizational Touch Points
     Develop Data Governance Strategy
    o Define the DG Operating Framework
     Develop Goals, Principles, and Policies
     Underwrite Data Management Projects
     Engage Change Management
     Engage in Issue Management
     Assess Regulatory Compliance Requirements
    o Implement Data Governance
     Sponsor Data Standards and Procedures
     Develop a Business Glossary
     Coordinate with Architecture Groups
     Sponsor Data Asset Valuation
    o Embed Data Governance
  • What to tell / NOT to tell management
  • Thailand Data Governance Framework
    o Data Governance Framework
    o Data Management Policy Guideline
    o Data Catalog and Metadata Standard
    o Open Data Standard
    o Data Integration Standard
    o Data Classification Standard
    o Data Quality Assessment Guideline
  • Case Studies

 

Read more

Datalent Team

 

สาขาการจัดการเทคโนโลยีสารสนเทศ
คณะวิศวกรรมศาสตร์ ม.มหิดล

999 ถ.พุทธมณฑลสาย 4 ต.ศาลายา
อ.พุทธมณฑล จ.นครปฐม 73170

Datalent Team 2024 All Rights Reserved