AI สำหรับนักพัฒนาซอฟต์แวร์: AI Concept

คำโปรยหนังสือ
AI ไม่ใช่เรื่องของนักวิจัยเท่านั้นอีกต่อไป — แต่มันคือทักษะใหม่ของนักพัฒนาซอฟต์แวร์ทุกคน
ในยุคที่ซอฟต์แวร์สามารถ "เข้าใจภาษา", "สรุปข้อมูล", "ค้นหาความหมาย", และ "สร้างเนื้อหาใหม่" ได้ด้วยโมเดลอัจฉริยะ นักพัฒนาที่เข้าใจ AI เชิงสถาปัตยกรรมจะได้เปรียบอย่างมหาศาล หนังสือเล่มนี้ถูกออกแบบมาเพื่อเปลี่ยนคุณจากผู้ใช้ AI ทั่วไป ให้กลายเป็นนักพัฒนาที่สามารถออกแบบ บูรณาการ และควบคุมระบบ AI ได้อย่างเป็นระบบในระดับ Production
"AI สำหรับนักพัฒนาซอฟต์แวร์: AI Concept" ไม่สอนคณิตศาสตร์หนัก ๆ แต่สอนให้คุณเข้าใจ AI แบบวิศวกรรมซอฟต์แวร์ เห็นภาพ Stack ทั้งระบบ เข้าใจ Workflow การทำงานจริงของโมเดล และสามารถเขียนโค้ดเชื่อมต่อ AI ได้ตั้งแต่ระดับพื้นฐานไปจนถึงขั้นสูง
________________________________________
สารบัญ
หน้า
บทที่ 1 AI สำหรับนักพัฒนา Software คืออะไร ............................................. 1
• AI Landscape ปัจจุบัน
• AI as a Service
• AI Product vs AI Feature
• ตัวอย่าง AI ใน Software จริง
• Diagram: AI Software Stack
• Code: เรียก LLM API ตัวอย่างแรก
เข้าใจภาพใหญ่ของ AI ในโลกซอฟต์แวร์สมัยใหม่ เห็นโครงสร้าง AI Software Stack ชัดเจน และเริ่มต้นเรียกใช้ LLM API ได้ทันที
________________________________________
บทที่ 2 AI System Workflow ........................................................................ 22
• Data Model Inference
• Training vs Inference
• Hosted Model vs Self-hosted
• Diagram: AI Pipeline
• Code: Basic Inference API Call
• ตัวอย่างบูรณาการ
มอง AI เป็นระบบ ไม่ใช่กล่องดำ เรียนรู้ Pipeline ตั้งแต่ข้อมูลจนถึงการใช้งานจริง พร้อมตัวอย่าง Integration เชิงสถาปัตยกรรม
________________________________________
บทที่ 3 Large Language Models (LLM) สำหรับ Dev ................................ 103
• LLM คืออะไร
• Token คืออะไร
• Context Window
• Temperature
• Diagram: LLM Interaction Flow
• Code: Prompt & Completion
• ตัวอย่างบูรณาการ
• ตัวอย่าง Ultimate
เข้าใจพฤติกรรมของ LLM อย่างลึกซึ้ง จัดการ Token และ Context ได้อย่างมีประสิทธิภาพ ออกแบบระบบที่ใช้ LLM ได้อย่างมั่นใจ
________________________________________
บทที่ 4 Embedding & Vector Concept ....................................................... 202
• Embedding คืออะไร
• Similarity Search
• Vector Database Concept
• Diagram: Embedding Workflow
• Code: Generate Embedding + Similarity Search
• ตัวอย่างบูรณาการ
ปลดล็อกแนวคิดเบื้องหลัง Semantic Search และ RAG เข้าใจ Vector Database และสร้างระบบค้นหาความหมายได้จริง
________________________________________
บทที่ 5 Prompt Engineering สำหรับ Developer ..................................... 269
• Prompt Structure
• System Prompt
• Few-shot
• Guardrail Prompt
• Diagram: Prompt Layer Design
• Code: Structured Prompt Example
• ตัวอย่างบูรณาการ
เรียนรู้การออกแบบ Prompt อย่างเป็นระบบในมุมมองนักพัฒนา สร้าง Layer ควบคุมโมเดล และยกระดับคุณภาพผลลัพธ์แบบมืออาชีพ
________________________________________
บรรณานุกรม ................................................................................................. 350
รวมแหล่งอ้างอิงสำคัญสำหรับการศึกษาต่อยอดด้าน AI Architecture, LLM และระบบอัจฉริยะระดับองค์กร
________________________________________
หนังสือเล่มนี้เหมาะสำหรับ
• Software Developer ที่ต้องการเข้าใจ AI อย่างเป็นระบบ
• Backend / Full-stack Developer ที่ต้องการ Integrate LLM
• Tech Lead และ Architect ที่ต้องออกแบบ AI Feature
• ผู้ที่ต้องการก้าวสู่ยุค Generative AI อย่างมั่นคง
หากคุณต้องการ "เข้าใจ AI แบบนักพัฒนา" ไม่ใช่แค่ใช้งานเป็น — หนังสือเล่มนี้คือจุดเริ่มต้นของคุณ