Overview:

ค้นพบวิธีการที่ MATLAB ผสานรวม Generative AI, Agentic AI จาก Google, Anthropic, OpenAI และ Low-code workflows เพื่อเร่งความเร็วในการทำ Signal และ Image Analytics เรียนรู้วิธีที่วิศวกรและนักวิจัยสามารถใช้เครื่องมือ AI-assisted ในการประมวลผลข้อมูล, สร้างโค้ด (Generate code), วิเคราะห์แบบอัตโนมัติ, ตรวจสอบความถูกต้องของผลลัพธ์ (Validate results), และสร้าง End-to-end workflows จากข้อมูลเซ็นเซอร์ดิบไปสู่ Actionable Insights ผ่านตัวอย่างการใช้งานจริง ผู้เข้าร่วมจะได้เห็นว่า MATLAB ช่วยเพิ่ม Productivity ได้อย่างไร โดยที่ยังคงรักษาความแม่นยำทางวิศวกรรม (Engineering accuracy) และสามารถตรวจสอบย้อนกลับได้ (Traceability)

Objectives: เน้นการเรียนรู้เพื่อสร้างความเข้าใจในภาพรวม และสาธิตการใช้งานจริง (Practical & Applied)

Agenda:

1. บทนำเกี่ยวกับ GenAI สำหรับ Engineering Analytics

• ความท้าทายในการวิเคราะห์ข้อมูลสัญญาณและภาพ (Signal and image data analysis)
• บทบาทของ Generative AI และ Agentic AI ใน Engineering workflows
• ทำไมต้องใช้ MATLAB สำหรับงานวิศวกรรมที่ขับเคลื่อนด้วย AI

2. Low-Code Signal & Image Analytics ด้วย MATLAB

• การสำรวจข้อมูลและการทำ Preprocessing ด้วยผู้ช่วย AI-assisted
• Workflows สำหรับการวิเคราะห์สัญญาณและภาพ
• การสร้างโค้ด MATLAB โดยใช้ Natural language prompts

3. Agentic AI สำหรับการทำ Workflow Automation

• การทำ Automation สำหรับงานวิศวกรรมด้วย AI agents (Gemini, Claude code, Codex)
• Workflows สำหรับการประมวลผลข้อมูล การวิเคราะห์ และการทำ Report
• ตัวอย่าง: การทำ Automation สำหรับ Signal analytics แบบ End-to-end

4. การตรวจสอบความถูกต้อง (Validation) และความน่าเชื่อถือทางวิศวกรรม (Engineering Trustworthiness)

• การตรวจสอบยืนยันผลลัพธ์ที่สร้างจาก AI
• Automated testing และ Validation ใน MATLAB
• แนวทางปฏิบัติที่ดีที่สุด (Best practices) เพื่อการใช้ AI-assisted ทางวิศวกรรมที่เชื่อถือได้