Onboarding Agent (OA)

รายละเอียดหลักสูตรการอบรมเชิงปฏิบัติการพัฒนา "Onboarding Agent (OA)"

เพื่อการแปลงข้อมูลเรซูเม่สู่ฐานข้อมูลโครงสร้างด้วย AI และ NLP

1. หลักการและเหตุผล (Principles and Rationale)

ในปัจจุบัน กระบวนการรับนักศึกษาหรือบุคลากรเข้าสู่ระบบนิเวศนวัตกรรมมักประสบปัญหาจากรูปแบบข้อมูลเริ่มต้น (Student Profile) ที่มีความหลากหลายและไร้โครงสร้าง (Unstructured Data) เช่น ไฟล์ Resume รูปแบบ PDF หรือ Transcript ที่เป็นเอกสารสแกน ส่งผลให้เกิดความล่าช้าในการตรวจสอบคุณสมบัติและไม่สามารถนำข้อมูลดิบเหล่านี้ไปวิเคราะห์ต่อในเชิงลึกได้ทันที การขาดแคลนระบบอัตโนมัติในการจัดการข้อมูลเหล่านี้ทำให้เสียโอกาสในการคัดกรองบุคลากรที่มีศักยภาพอย่างรวดเร็วและแม่นยำ

โครงการนี้จึงมุ่งเน้นการแก้ปัญหาดังกล่าวด้วยการจัดอบรมเชิงปฏิบัติการแบบเข้มข้น (Intensive Workshop) เพื่อพัฒนาระบบต้นแบบ "Onboarding Agent (OA)" โดยผู้เข้าร่วมโครงการจะได้เรียนรู้การใช้เครื่องมือทางด้าน Data Engineering และ AI เช่น Python, LangChain และ PyPDF2 เพื่อสร้าง Agent ที่ทำหน้าที่เป็นด่านหน้าในการอ่าน จับใจความ และดึงข้อมูลสำคัญ (Entity Extraction) จากเอกสารดิบ เพื่อแปลงให้เป็นข้อมูลที่มีโครงสร้าง (Structured Data) ตามมาตรฐานสากล

การดำเนินงานนี้มีความสอดคล้องกับยุทธศาสตร์การจัดตั้ง "ห้องปฏิบัติการเสมือนสำหรับปัญญาประดิษฐ์เชิงตัวแทน (Agentic Living Lab)" โดย Onboarding Agent จะทำหน้าที่เป็นรากฐานสำคัญในการจัดเตรียมข้อมูล (Data Preprocessing) เพื่อส่งต่อให้กับ Agent ตัวอื่นๆ ในระบบนิเวศทำงานต่อไปได้ เป็นการเชื่อมโยงความรู้ทางทฤษฎีสู่การลงมือปฏิบัติจริงในการพัฒนาระบบฐานข้อมูลสมัยใหม่

2. วัตถุประสงค์ (Objectives)

• เพื่อให้นักศึกษามีทักษะปฏิบัติการขั้นสูงในการจัดการข้อมูลที่ไม่มีโครงสร้าง (Unstructured Data Modeling) และประยุกต์ใช้เทคโนโลยีการประมวลผลภาษาธรรมชาติ (NLP)

• เพื่อพัฒนาระบบต้นแบบ AI Agent ที่มีความสามารถในการอ่านวิเคราะห์และดึงข้อมูลเฉพาะ (Entity Extraction) เช่น ทักษะ เกรดเฉลี่ย และความสนใจ จากเอกสารสมัครเข้าร่วมโครงการได้โดยอัตโนมัติ

• เพื่อจัดเตรียมและออกแบบโครงสร้างฐานข้อมูลนักศึกษา (Student Database Schema) ที่มีประสิทธิภาพ รองรับการใช้งานจริงในแพลตฟอร์ม Agentic Living Lab

3. วิธีการดำเนินงาน (Methodology)

• ระยะที่ 1: การเรียนรู้พื้นฐานและการเตรียมเครื่องมือ (Foundation & Setup)

• บรรยายและติดตั้งระบบ (Lecture & Setup):

• User/Role: วิทยากรและทีมงานเทคนิค

• Action: ปูพื้นฐาน Unstructured Data, NLP และติดตั้ง Environment สำหรับพัฒนา (Python, Database)

• ระยะที่ 2: ปฏิบัติการพัฒนา (Development & Hackathon)

• Workshop เชิงปฏิบัติการ (Hands-on Workshop):

• User/Role: ผู้เข้าร่วมโครงการ

• Action: ฝึกปฏิบัติการใช้ Libraries (PyPDF2, LangChain) เพื่อดึงข้อมูลจากเอกสารจริง

• การพัฒนาและเชื่อมต่อ (Integration):

• User/Role: ผู้เข้าร่วมโครงการ

• Action: พัฒนา Agent และออกแบบ Schema ฐานข้อมูล พร้อมเชื่อมต่อข้อมูลเข้าสู่ระบบ

• ระยะที่ 3: การประเมินผล (Evaluation)

• นำเสนอผลงาน (Pitching & Demo):

• User/Role: ผู้เข้าร่วมโครงการและคณะกรรมการ

• Action: นำเสนอระบบต้นแบบและทดสอบความถูกต้องของข้อมูล (Accuracy Test)

4. สถานที่และระยะเวลาดำเนินการ (Location and Duration)

• ระยะเวลา: 2 วัน (เดือนกุมภาพันธ์ 2569)

• สถานที่: สาขาวิชา อาคาร SC3

5. ผลที่คาดว่าจะได้รับ (Expected Results)

• ได้โมดูลต้นแบบ "Student Profile Generator" ที่สามารถแปลงไฟล์ Resume เป็นข้อมูลในฐานข้อมูลได้จริง

• ได้ผังฐานข้อมูลนักศึกษา (Student Database Schema) ที่ถูกต้องตามหลักการและพร้อมใช้งานในระบบ Living Lab

• ผู้เข้าร่วมโครงการมีความเชี่ยวชาญในการใช้เครื่องมือ Python Libraries ชั้นนำ (PyPDF2, LangChain) สำหรับงาน Data Pipeline

6. ผลลัพธ์การเรียนรู้ (Course Learning Outcomes: CLO)

1. ผู้เรียนสามารถอธิบายและประยุกต์ใช้หลักการ Unstructured Data Modeling เพื่อแปลงข้อมูลเอกสารเป็นฐานข้อมูลได้

2. ผู้เรียนสามารถพัฒนาโปรแกรมโดยใช้เครื่องมือ NLP (เช่น Spacy, NLTK) เพื่อสกัดข้อมูลสำคัญ (Entities) จากเอกสารภาษาอังกฤษและภาษาไทยได้

3. ผู้เรียนสามารถออกแบบ SQL Schema และเชื่อมต่อระบบ AI Agent เข้ากับ Cloud Database Infrastructure ได้อย่างถูกต้อง

7. หัวข้อการอบรมและบรรยาย (Workshop and Lecture Topics)

• วันที่ 1: NLP Foundation & Data Extraction

• Introduction to Unstructured Data & AI Agents

• Python for Text Processing (Regular Expression, PyPDF2)

• Introduction to NLP Libraries (Spacy, LangChain)

• Workshop: Building a Resume Parser (Extracting Contact Info, Education)

• วันที่ 2: Advanced Integration & Mini-Hackathon

• Database Schema Design for Student Profiles

• Connecting Python Agent to SQL Database

• Mini-Hackathon: Developing "Onboarding Agent" prototype

• Final Presentation & Code Review

8. กำหนดการ (Schedule)

วันที่ 1: NLP & Extraction Foundations | สถานที่: สาขาวิชา อาคาร SC3

• 09:00 - 10:30 น. | Lecture: AI Agents & Data

  • รายละเอียด: ปูพื้นฐานแนวคิด Agent และข้อมูลไร้โครงสร้าง

• 10:30 - 12:00 น. | Lab: Python Text Processing

  • รายละเอียด: การใช้ RegEx และ PyPDF2 จัดการไฟล์เอกสาร

• 13:00 - 16:30 น. | Workshop: NLP with LangChain

  • รายละเอียด: การใช้ LangChain ดึงข้อมูล (Entities Extraction)

วันที่ 2: Integration & Hackathon | สถานที่: สาขาวิชา อาคาร SC3

• 09:00 - 10:30 น. | Lecture: Database Design

  • รายละเอียด: ออกแบบ Schema เพื่อรองรับข้อมูล Resume

• 10:30 - 12:00 น. | Lab: Agent-Database Integration

  • รายละเอียด: เชื่อมต่อ Agent ส่งข้อมูลเข้า Database

• 13:00 - 15:30 น. | Mini-Hackathon

  • รายละเอียด: แข่งขันพัฒนา Onboarding Agent ให้สมบูรณ์

• 15:30 - 16:30 น. | Demo & Closing

  • รายละเอียด: นำเสนอผลงานและมอบประกาศนียบัตร