Data Engineering Bootcamp by Skooldio

ในโลกที่ มีข้อมูลอยู่จำนวนมหาศาลกำลังเปลี่ยนแปลงธุรกิจอย่างรวดเร็วการมีที่มีโครงสร้างฐานข้อมูลอย่างมีระบบไม่ใช่แค่ สิ่งที่ควรมี แต่เป็นสิ่งที่ขาดไม่ได้ในทุกองค์กร เพื่อให้องค์กรของคุณสามารถหยิบข้อมูลมาใช้ได้อย่างมีประสิทธิภาพ และสร้างความได้เปรียบในการแข่งขัน

หลักสูตร Data Engineering Bootcamp นี้ จะสอนทักษะทั้งหมดที่จำเป็นเพื่อจัดการกับข้อมูล โดยหลักสูตรนี้เหมาะสำหรับงานที่เกี่ยวข้องกับการจัดการข้อมูล และวางระบบภายในองค์กรเพื่อเปลี่ยนข้อมูลดิบให้พร้อมใช้งานเช่น Software Engineer เพื่อนําทักษะกลับไปจัดการข้อมูลภายในองค์กรอย่างมีประสิทธิภาพ นำไปใช้ในการวิเคราะห์ หรือสร้าง โมเดล ในอนาคตไปจนถึงผู้ที่ต้องการเริ่มต้นในสาย งาน Data Engineering ให้มีพื้นฐานที่ถูกต้อง แม่นยํา เพื่อประสบความสำเร็จในสายงานนี้

เรียนรู้วิธีออกแบบระบบฐานข้อมูล และ การทํา Data Modeling
แนวคิด และวิธีการบริหารจัดการ Data Warehouse เพื่อปรับปรุงประสิทธิภาพ ในการคำนวณของคลังข้อมูล
ทำความเข้าใจในกระบวนการบริหารจัด การข้อมูล (Data Governance)
เรียนรู้วิธีการป้องกันข้อมูล และรักษา ความเป็นส่วนตัวเพื่อความมั่นคงใน องค์กร ผ่านการกำหนดมาตรการณ์ หรือนโนบายกำกับดูแลข้อมูล

เรียนรู้ทักษะการดึงข้อมูล ด้วยภาษา SQL ตั้งแต่พื้นฐานไปจนถึง Advanced Functions ต่าง ๆ
ปูพื้นฐาน Python และ Command Line เพื่อใช้ในงาน Data Engineering
บทบาทและความสำคัญของ Data Engineer ในการขับเคลื่อนองค์กร
พื้นฐานสำคัญอย่าง Data Lake, Data Warehouse, ETL, และ ELT

เข้าใจหน้าที่ และความสำคัญของงาน Data Engineering ไปจนถึงบทบาทของผู้มีส่วนได้เสีย (Stakeholder) ทั้งหมดที่ต้องใช้ข้อมูลเพื่อให้เห็นภาพของ Data Ecosystem และเห็นความสำคัญของการทำงาน Data Engineering ว่าจะส่งผลกระทบอะไรต่อองค์กรได้บ้าง

เรียนรู้การออกแบบและการสร้าง Data Lake บน Google Cloud Platform
ฝึกใช้ Apache Spark สำหรับการ ประมวลผลข้อมูลขนาดใหญ่
เข้าใจกระบวนการจัดการและประมวล ผลข้อมูลใน Data Lake
เรียนรู้การนําข้อมูลจาก Data Source เข้าสู่ Data Lake และนำเข้า Data Warehouse

เข้าใจบทบาท และความสำคัญของการ ทำ Data Pipeline
เรียนรู้การสร้าง Automated Data Pipelines โดยใช้ Apache Airflow ตั้งแต่การอ่านข้อมูล การทำความ สะอาดข้อมูล จนไปถึงการโหลดข้อมูล เข้าสู่ Data Lake/Data Warehouse
เข้าใจกระบวนการจัดการและประมวล ผลข้อมูลใน Data Lake

เปิดมุมมองวิธีคิดแบบ “Data Engineer” ที่ไม่ได้จำกัดอยู่เพียงในโลกเทคโนโลยี แต่ถูกนำมาใช้เพื่อแก้ปัญหาในชีวิตประจำวัน และเชื่อมโยงกับเป้าหมายทางธุรกิจ ผ่านประสบการณ์ และ Use Case จากโลกการทำงานจริง

ทำความเข้าใจแนวคิด Modern Data Stack และเครื่องมือต่าง ๆ ในการ จัดการข้อมูลในปัจจุบัน
เข้าใจการทำงานของ Analytics Engineering เพื่อปิดช่องว่างในการ ทำงานระหว่าง Data Analyst และ Data Engineer
เรียนรู้การทำ Data Transformation และ Model Layering ด้วย dbt
ฝึกการใช้งาน Features สำคัญต่าง ๆ ของ dbt เช่น Data Quality Scoring, Data Testing, Scheduling และ Documentation

เตรียมข้อมูลให้พร้อมสำหรับการสร้าง Custom AI ใช้ในองค์กรที่เชื่อถือได้ โดยเข้าใจบทบาทของ Data Engineer
ทดลองใช้โมเดลผ่าน API จริง เพื่อเข้าใจความแตกต่างระหว่าง LLM และ GenAI
ลงมือสร้างระบบ RAG เพื่อพัฒนา AI ผู้ช่วยเฉพาะทางจากข้อมูลขององค์กร ตั้งแต่ Embedding, Retrieval จนถึง Generation
เรียนรู้วิธีการวัดผล และปรับปรุง (tuning) ระบบ RAG เพื่อให้ตอบคำถามได้อย่างมีประสิทธิภาพ

เรียนรู้วิธีการสร้าง Data Source จากข้อมูลจากแหล่งต่าง ๆ บน Looker Studio
เตรียมข้อมูล (Data Preparation) แปลงข้อมูล (Data Transformation) เบื้องต้น เพื่อให้ข้อมูลพร้อมสำหรับ การนำไปสร้าง Dashboard
เรียนรู้การทำ Data Visualization แบบต่าง ๆ และสร้าง Interactive Dashboard ด้วย Looker Studio

ประยุกต์ใช้ความรู้ตลอด 6 สัปดาห์มาลงมือ ทำจริงแบบ End-to-end ตั้งแต่การดึง ข้อมูล การปะมวลลข้อมูล การแปลงข้อมูล จนไปการนำเสนอบน Dashboard พร้อม สร้าง Automated Data Pipelines เพื่อควบคุมการไหลของข้อมูลอย่างอัตโนมัติ

เรียนรู้วิธีออกแบบระบบฐานข้อมูล และ การทํา Data Modeling
แนวคิด และวิธีการบริหารจัดการ Data Warehouse เพื่อปรับปรุงประสิทธิภาพ ในการคำนวณของคลังข้อมูล
ทำความเข้าใจในกระบวนการบริหารจัด การข้อมูล (Data Governance)
เรียนรู้วิธีการป้องกันข้อมูล และรักษา ความเป็นส่วนตัวเพื่อความมั่นคงใน องค์กร ผ่านการกำหนดมาตรการณ์ หรือนโนบายกำกับดูแลข้อมูล

เรียนรู้ทักษะการดึงข้อมูล ด้วยภาษา SQL ตั้งแต่พื้นฐานไปจนถึง Advanced Functions ต่าง ๆ
ปูพื้นฐาน Python และ Command Line เพื่อใช้ในงาน Data Engineering
บทบาทและความสำคัญของ Data Engineer ในการขับเคลื่อนองค์กร
พื้นฐานสำคัญอย่าง Data Lake, Data Warehouse, ETL, และ ELT

เรียนรู้การออกแบบและการสร้าง Data Lake บน Google Cloud Platform
ฝึกใช้ Apache Spark สำหรับการ ประมวลผลข้อมูลขนาดใหญ่
เข้าใจกระบวนการจัดการและประมวล ผลข้อมูลใน Data Lake
เรียนรู้การนําข้อมูลจาก Data Source เข้าสู่ Data Lake และนำเข้า Data Warehouse

เข้าใจบทบาท และความสำคัญของการ ทำ Data Pipeline
เรียนรู้การสร้าง Automated Data Pipelines โดยใช้ Apache Airflow ตั้งแต่การอ่านข้อมูล การทำความ สะอาดข้อมูล จนไปถึงการโหลดข้อมูล เข้าสู่ Data Lake/Data Warehouse
เข้าใจกระบวนการจัดการและประมวล ผลข้อมูลใน Data Lake

ทำความเข้าใจแนวคิด Modern Data Stack และเครื่องมือต่าง ๆ ในการ จัดการข้อมูลในปัจจุบัน
เข้าใจการทำงานของ Analytics Engineering เพื่อปิดช่องว่างในการ ทำงานระหว่าง Data Analyst และ Data Engineer
เรียนรู้การทำ Data Transformation และ Model Layering ด้วย dbt
ฝึกการใช้งาน Features สำคัญต่าง ๆ ของ dbt เช่น Data Quality Scoring, Data Testing, Scheduling และ Documentation

ทำความเข้าใจแนวคิด Modern Data Stack และเครื่องมือต่าง ๆ ในการ จัดการข้อมูลในปัจจุบัน
เข้าใจการทำงานของ Analytics Engineering เพื่อปิดช่องว่างในการ ทำงานระหว่าง Data Analyst และ Data Engineer
เรียนรู้การทำ Data Transformation และ Model Layering ด้วย dbt
ฝึกการใช้งาน Features สำคัญต่าง ๆ ของ dbt เช่น Data Quality Scoring, Data Testing, Scheduling และ Documentation

เรียนรู้วิธีการสร้าง Data Source จากข้อมูลจากแหล่งต่าง ๆ บน Looker Studio
เตรียมข้อมูล (Data Preparation) แปลงข้อมูล (Data Transformation) เบื้องต้น เพื่อให้ข้อมูลพร้อมสำหรับ การนำไปสร้าง Dashboard
เรียนรู้การทำ Data Visualization แบบต่าง ๆ และสร้าง Interactive Dashboard ด้วย Looker Studio

Testimonials

แก้ว - โสภา DEB1 Technology Engineer, TISCOIT

ที่นี่สอนไม่เหมือนกับที่อื่น ที่นี่เน้นสอนให้เราคิด ว่าเราต้องตัดสินใจอะไรยังไงบ้าง

คอร์สนี้ถ้าใครอยากได้เนื้อหาที่สามารถเอาไปช่วยในการทำงาน ในการตัดสินใจ หรือเลือกของที่จะใช้ในงาน Data Engineer ก็อยากแนะนำคอร์สนี้ ถึงไม่ได้ลงลึกในเครื่องมือแต่ละอย่าง แต่เนื้อหาการเลือก หรือตัดสินใจมันไม่มีที่ไหนสอน

อ่านเพิ่มเติม

ก้อง - นลธวัช DEB1 Data Engineer, BANPU Pcl.

Content อาจจะมีหลาย ๆ ที่ หรือหลาย ๆ เจ้า แต่ที่นี่มี Workshop ที่ได้เรียนรู้ตั้งแต่ 0 ไปจนถึง 100

แขกรับเชิญหลาย ๆ ท่านทำให้เรามองภาพกว้างกว่าแค่งาน Data Engineer เพราะจริง ๆ แล้วมันไม่ได้ทำแค่ในงานสโคปนี้ แต่ต้องไปร่วมงานกับ Stack ของ Data ในแต่ละส่วน พี่กานต์คือช่วยได้มาก บางช่วงที่เราอาจจะติด ๆ ขัด ๆ ทั้งเรื่องเครื่องมือ หรือการโค้ดดิ่งก็คือสามารถปรึกษาที่กานต์ได้ตลอดเวลา ในมุมของผมคิดว่าคอร์สนี้คุ้มค่าในระดับนึง มันเพียงพอในระดับพื้นฐานแล้ว

อ่านเพิ่มเติม

พีท - วีระกิตติ์ DEB1 นักศึกษาปี 4, มหาวิทยาลัยมหิดล

สำหรับเด็กจบใหม่ก็ได้โอกาสลองทำหลาย ๆ อย่างเพื่อให้เราไปต่อยอดได้ในงาน Data Engineering

ค่อนข้างสนุกเลย ได้ทดลองใช้ Tools และรายละเอียด Concept ในงาน Data Engineering แบบลงลึก เป็น 6 สัปดาห์ที่เข้มข้น อัดแน่นไปด้วยความรู้ทั้ง Concept, Technical, และ Best Practice ต่าง ๆ

อ่านเพิ่มเติม

เต๋า - อิสมันต์ DEB1 Software Engineer, ODDS

เนื้อหาโดยรวมของคอร์สครอบคลุมตั้งแต่ต้นน้ำ จนถึงปลายน้ำเลย

ถ้าเราเรียน Bootcamp นี้ รับรองได้เลยว่าสามารถรับ Requirement แล้วก็สร้าง Data Pipeline และ Dashboard ให้ตอบโจทย์กับธุรกิจได้อย่างแน่นอน พี่กานต์เป็นคนที่สอนเก่ง และสอนเข้าใจ มีบางคลาสที่ตามไม่ทันก็จะมีหนังสือ และ Course Instruction เอาไว้ครบครัน

อ่านเพิ่มเติม

ฝ้าย - นริศรา DEB1 นักศึกษาปี 4, มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าธนบุรี

ได้เรียนรู้ Case Study ไม่ใช่แค่ทฤษฏี แต่ได้ลงมือทำจริง

แตกต่างจากการไปศึกษาเอง ตอนเราเรียนเองไปไม่รอด มาเรียน Bootcamp ครั้งนี้ช่วยอะไรได้มากกว่า โดยเฉพาะเรื่อง Airflow และ dbt เรียนจบแล้วพร้อมเป็น Data Engineer อย่างเต็มตัว ใครที่พอมีสกิลพื้นฐานมาบ้างแล้วน่าจะเหมาะกับหลักสูตรนี้

อ่านเพิ่มเติม

ราคารวมภาษีมูลค่าเพิ่ม ค่าอุปกรณ์การเรียนรู้ อาหารพักเบรก และอาหารกลางวันเรียบร้อยแล้วสามารถออกใบกำกับภาษีในนามองค์กร และลดหย่อนภาษีนิติบุคคลเป็นค่าใช้จ่ายได้ 2.5 เท่า

หากแจ้งยกเลิกก่อนวันอบรมน้อยกว่า 7 วัน บริษัทขอสงวนสิทธิ์ในการคืนเงิน

ไม่มีความรู้พื้นฐานมาก่อนสามารถเรียนได้ไหม?

เรียนจบแล้ว สามารถสมัครงานหรือได้งานทันทีหรือไม่?

ต้องการสมัครเรียนในนามบริษัททำยังไง?

ชำระเงินอย่างไรได้บ้างสามารถผ่อนชำระได้ไหม?