AI สำหรับผู้บริหารด้านแฟชั่น ระดับปริญญาโท

วันที่ 1 — ปัญญาประดิษฐ์ แฟชั่น และบริบทธุรกิจใหม่

02 2026 ตุลาคม

• ภาพรวมของอุตสาหกรรมแฟชั่นและสินค้าหรูหรา: รูปแบบธุรกิจ ห่วงโซ่คุณค่า ช่องทางการจำหน่าย และอื่นๆ digital transformation
• เหตุใด AI จึงมีความสำคัญในปัจจุบัน: เมกะเทรนด์ แรงกดดันด้านการแข่งขัน ประสิทธิภาพ การปรับแต่งเฉพาะบุคคล ความเร็ว และความคิดสร้างสรรค์
• ปัญญาประดิษฐ์ (AI) คืออะไร: ประวัติความเป็นมา คำจำกัดความ ความเชื่อผิดๆ และตัวอย่างในโลกแห่งความเป็นจริง
• AI เทียบกับ Machine Learning เทียบกับ Deep Learning เทียบกับ Generative AI เทียบกับ Automation เทียบกับ Agentic AI: กรอบแนวคิดแบบง่ายสำหรับผู้ใช้ที่ไม่เชี่ยวชาญด้านเทคนิค
• ปัญญาประดิษฐ์เชิงตัวแทนที่นำมาประยุกต์ใช้ในวงการแฟชั่น: ตัวแทนเหล่านั้นสามารถทำอะไรได้บ้างในปัจจุบัน และอะไรที่ยังคงเป็นไปไม่ได้
• ห่วงโซ่คุณค่า AI แบบครบวงจรในวงการแฟชั่น: ผลิตภัณฑ์ รูปภาพ ลูกค้า การทำธุรกรรม ร้านค้า ซัพพลายเออร์ และเทรนด์ทางสังคม
• การวิเคราะห์กรณีศึกษา: ความเชื่อมโยงระหว่างสินค้าหรูหรา แฟชั่นรวดเร็ว ชุดกีฬา และธุรกิจดิจิทัล brandกำลังทดลองใช้ AI
• ผลลัพธ์: แผนที่ความรู้ความเข้าใจด้าน AI สิ่งที่ผู้บริหารในวงการแฟชั่นทุกคนจำเป็นต้องเข้าใจก่อนตัดสินใจ

วันที่ 2 — การกระตุ้น การกำกับดูแล และปัญญาประดิษฐ์ที่รับผิดชอบ

09 2026 ตุลาคม

• กรอบการกำกับดูแล กฎหมาย และจริยธรรมที่กำหนดทิศทางของ AI ในวงการแฟชั่น
• กฎหมาย AI ของสหภาพยุโรป, ความเป็นส่วนตัว, ทรัพย์สินทางปัญญา, ลิขสิทธิ์ brand การปกป้องและความปลอดภัยของข้อมูล
• การพูดคุยกับ AI: ข้อความแจ้งเตือน, NLP, หน่วยความจำ, ข้อจำกัด และผู้ช่วยระดับองค์กร
• บทบาทของคุณภาพข้อมูล การเป็นเจ้าของ และการเข้าถึงข้อมูล
• อคติ ความเสี่ยงด้านชื่อเสียง และผลกระทบต่อความยั่งยืน
• กฎการควบคุม การตรวจสอบ และการยกระดับโดยมนุษย์
• วิธีการกำหนดขอบเขตการใช้งาน AI ที่ยอมรับได้และยอมรับไม่ได้ภายในบริษัทแฟชั่น การออกแบบนโยบาย AI ภายในสำหรับบริษัทแฟชั่น
• ห้องปฏิบัติการผู้ช่วย AI ระดับองค์กร: Microsoft Copilot, Claude และเวิร์กโฟลว์ AI สำหรับธุรกิจแฟชั่น
• ผลลัพธ์: รายการตรวจสอบการกำกับดูแล AI สำหรับบริษัทแฟชั่น

วันที่ 1 — การพยากรณ์แนวโน้มและความคิดสร้างสรรค์

16 2026 ตุลาคม

• ปัญญาประดิษฐ์สำหรับการพยากรณ์แนวโน้ม: แหล่งข้อมูล สัญญาณ และข้อจำกัด
• การรับฟังความคิดเห็นจากสื่อสังคมออนไลน์ แนวโน้มการค้นหา ข้อมูลทางวัฒนธรรม ข้อมูลการขาย และสัญญาณทางการตลาด
• จากการตรวจจับแนวโน้มไปจนถึงการตีความอย่างสร้างสรรค์
• ปัญญาประดิษฐ์เชิงสร้างสรรค์สำหรับสร้างมู้ดบอร์ด พื้นที่สร้างสรรค์ วัสดุ โทนสี และเรื่องราวของคอลเลกชัน
• บทบาทของ AI ในการกำกับดูแลงานสร้างสรรค์: สนับสนุน ไม่ใช่ทดแทน
• ความเสี่ยง: การทำให้รูปทรงดูแบนราบลง brand การเจือจาง การลอกเลียนแบบ และการกำหนดมาตรฐานที่สูงเกินไป
• เครื่องมือ/ตัวอย่าง: Midjourney, Stable Diffusion, Adobe Firefly หรือเครื่องมือที่เทียบเท่าสำหรับการสร้างมู้ดบอร์ดและการสำรวจภาพ
• แบบฝึกหัด: สร้างมู้ดบอร์ดโดยใช้ AI สำหรับคอนเซ็ปต์ตามฤดูกาล

วันที่ 2 — การพัฒนาผลิตภัณฑ์ ดิจิทัลทวิน และการสร้างต้นแบบเสมือนจริง

23 2026 ตุลาคม

• การออกแบบผลิตภัณฑ์โดยใช้ AI ช่วย: รูปทรง รายละเอียด รูปแบบต่างๆ และการเล่าเรื่องราวของผลิตภัณฑ์
• จากภาพร่างสู่ต้นแบบ: เครื่องมือสร้างสรรค์, 3 มิติ, การสุ่มตัวอย่างเสมือนจริง และดิจิทัลทวิน
• รากฐานข้อมูลผลิตภัณฑ์: PLM, PIM, DAM, การจัดหมวดหมู่, คุณลักษณะ และหนังสือเดินทางผลิตภัณฑ์ดิจิทัล
• AI สำหรับการวัดขนาด การจำลองวัสดุ และการพัฒนาผลิตภัณฑ์อย่างต่อเนื่อง
• การเชื่อมโยงการออกแบบ merchandising และห่วงโซ่อุปทานในช่วงต้นของกระบวนการ
• การควบคุมความคิดสร้างสรรค์โดยมนุษย์: AI มีประโยชน์ในด้านใดบ้าง และไม่ควรตัดสินใจในด้านใดบ้าง
• แบบฝึกหัด: สร้างแนวคิดผลิตภัณฑ์โดยใช้ AI ช่วยเหลือ พร้อมคำอธิบาย ทิศทางการออกแบบภาพ และคุณลักษณะของผลิตภัณฑ์
• ผลลัพธ์: เอกสารแนวคิดผลิตภัณฑ์ที่สร้างขึ้นโดยใช้ AI ช่วย

วันที่ 1 — การจัดหา การผลิต และข้อมูลเชิงลึกด้านห่วงโซ่อุปทาน

30 2026 ตุลาคม

• AI สำหรับการพยากรณ์ความต้องการและการวางแผนการผลิต
• การคัดเลือกซัพพลายเออร์ ข้อมูลเชิงลึกด้านการจัดหา และการตรวจสอบความเสี่ยง – หนังสือเดินทางผลิตภัณฑ์ดิจิทัล การตรวจสอบย้อนกลับ และการปฏิบัติตามกฎระเบียบ
• การควบคุมคุณภาพ การตรวจจับข้อบกพร่อง และการมองเห็นด้วยคอมพิวเตอร์ในกระบวนการผลิต
• การเพิ่มประสิทธิภาพสินค้าคงคลังและการจัดสรรสต็อก
• RFID, IoT และการมองเห็นห่วงโซ่อุปทานแบบเรียลไทม์

กรณีศึกษาและห้องปฏิบัติการ

• กรณีศึกษา: การปรับปรุงความพร้อมของสินค้าและลดสินค้าคงคลังส่วนเกินผ่านการวางแผนเชิงคาดการณ์
• แบบฝึกหัด: จัดทำแผนผังกระบวนการจัดหาหรือการผลิต และระบุว่า AI สามารถลดต้นทุน ความล่าช้า หรือความเสี่ยงได้ที่ใดบ้าง

วันที่ 2 — โลจิสติกส์ การส่งคืนสินค้า เศรษฐกิจหมุนเวียน และความยั่งยืน

06 พฤศจิกายน 2026

• AI สำหรับงานโลจิสติกส์ การกระจายสินค้า และการเพิ่มประสิทธิภาพคลังสินค้า
• คลังสินค้าอัตโนมัติ ระบบบรรจุภัณฑ์ การคาดการณ์การขนส่งและการจัดส่ง
• การคาดการณ์การส่งคืนและโลจิสติกส์ย้อนกลับ
• AI เพื่อความยั่งยืน: การลดของเสีย นวัตกรรมวัสดุ การรีไซเคิล และโมเดลธุรกิจหมุนเวียน
• การรีไซเคิล การขายต่อ การซ่อมแซม และการปรับปรุงสิ่งทอecommerce ขับเคลื่อนด้วยข้อมูลและปัญญาประดิษฐ์
• การกล่าวอ้างด้านความยั่งยืนและความเสี่ยงด้านชื่อเสียง
• กรณีศึกษา: โลจิสติกส์เชิงคาดการณ์และการปรับปรุงระยะเวลาการจัดส่งใน ecommerce คลังสินค้า
• ห้องปฏิบัติการฝึกปฏิบัติ: ปรับปรุงกระบวนการโลจิสติกส์หรือการไหลเวียนของสินค้าคืนโดยใช้ระบบอัตโนมัติและปัญญาประดิษฐ์
• ผลลัพธ์: แผนที่แสดงโอกาสด้าน AI สำหรับห่วงโซ่อุปทานและ operations
• โมดูล 3 — ปัญญาประดิษฐ์สำหรับการจัดหา การผลิต ห่วงโซ่อุปทาน และความยั่งยืน — ยอดรวมย่อย

วันที่ 1 — Merchandisingการจัดซื้อและการวางแผนเชิงพาณิชย์

13 พฤศจิกายน 2026

• AI สำหรับการวางแผนการจัดกลุ่มสินค้าและ buying การตัดสินใจ
• Open-to-Buy (OTB): การวางแผนช่วงสินค้า การจัดทำงบประมาณตามฤดูกาล และการปรับสมดุลระหว่างฤดูกาลโดยใช้ AI ช่วย
• การคาดการณ์ความต้องการตามตลาด ร้านค้า ช่องทางการจำหน่าย และกลุ่มลูกค้า
• การกำหนดราคาอย่างชาญฉลาด การเพิ่มประสิทธิภาพส่วนลด การวางแผนโปรโมชั่น การวิเคราะห์ข้อมูลคู่แข่ง และการติดตามราคา
• การจัดสรร การเติมสินค้า และการปรับสมดุลสินค้าคงคลัง
• ตัวชี้วัดประสิทธิภาพธุรกิจแฟชั่น (KPIs): ยอดขาย, กำไร, ยอดขายในราคาเต็ม, การหมุนเวียนสต็อก และอัตราการลดราคา
• การขายส่ง: AI สำหรับการสั่งซื้อแบบ B2B managementพอร์ทัลสำหรับผู้ซื้อ การวิเคราะห์โชว์รูม และข้อมูลเชิงลึกเกี่ยวกับงานแสดงสินค้า

กรณีศึกษาและห้องปฏิบัติการ

• การวิเคราะห์กรณีศึกษา: สินค้าหรูหรา เทียบกับ แฟชั่นราคาประหยัด เทียบกับ สินค้ากีฬา — ลำดับความสำคัญของ AI ที่แตกต่างกันใน... merchandising
• แบบฝึกหัดปฏิบัติการ: สร้าง merchandising วางแผนโดยใช้การสนับสนุนจาก AI

วันที่ 2 — ธุรกิจค้าปลีก Ecommerce และประสิทธิภาพ Omnichannel

20 พฤศจิกายน 2026

• AI สำหรับร้านค้าจริง operations: visual merchandisingการวิเคราะห์การจราจร การเพิ่มประสิทธิภาพการจัดวาง และพฤติกรรมของผู้ซื้อภายในร้าน
• AI สำหรับระบบอัจฉริยะในร้านค้า การสร้างความสัมพันธ์กับลูกค้า และประสบการณ์สินค้าหรูแบบครบวงจร
• AI สำหรับ ecommerce การปรับแต่งเฉพาะบุคคลและคำแนะนำผลิตภัณฑ์
• การค้นหาด้วยภาพ การลองสวมเสมือนจริง และการช่วยเหลือในการค้นหาผลิตภัณฑ์
• การค้าผ่านการสนทนาและผู้ช่วยช้อปปิ้งที่ใช้ AI
• AI ที่ไม่ค่อยเป็นที่รู้จัก: การชำระเงิน การตรวจจับการฉ้อโกง ความปลอดภัย และการประมวลผลธุรกรรม
• ตลาดออนไลน์, การขายตรงถึงผู้บริโภค และการจัดจำหน่ายแบบขายส่ง: กรณีการใช้งาน AI ที่แตกต่างกัน

กรณีศึกษาและห้องปฏิบัติการ

• ห้องปฏิบัติการฝึกปฏิบัติ: ออกแบบกิจกรรม AI เพื่อเสริมสร้างประสบการณ์ในร้านค้า หรือ ecommerce — ทางเลือกของผู้เข้าร่วม
• ผลลัพธ์: แผนผังกรณีการใช้งาน AI เชิงพาณิชย์

วันที่ 1 — กลยุทธ์ข้อมูล ระบบ Business Intelligence และระบบทำนายผลอัจฉริยะ

27 พฤศจิกายน 2026

• วงจรชีวิตของข้อมูล: การรวบรวม การทำความสะอาด การบูรณาการ การวิเคราะห์ และการตัดสินใจ
• ข้อมูลที่มีโครงสร้างเทียบกับข้อมูลที่ไม่มีโครงสร้างในวงการแฟชั่น
• แบบจำลองข้อมูลสำหรับผลิตภัณฑ์ ลูกค้า ยอดขาย สินค้าคงคลัง และ marketing
• การวิเคราะห์และระบบธุรกิจอัจฉริยะ: แดชบอร์ด ตัวชี้วัด และระบบทำนายผลล่วงหน้า
• จากการรายงานเชิงพรรณนาไปจนถึงการตัดสินใจเชิงคาดการณ์และเชิงกำหนด
• การกำกับดูแลข้อมูล: ความเป็นเจ้าของ คุณภาพ การเข้าถึง และความรับผิดชอบ

ห้องปฏิบัติการฝึกปฏิบัติ:

• แบบฝึกหัดปฏิบัติการ: ออกแบบผังการไหลของข้อมูลสำหรับกระบวนการทางธุรกิจที่สำคัญหนึ่งกระบวนการในอุตสาหกรรมแฟชั่น

วันที่ 2 — AI สำหรับการเงิน การวางแผน และประสิทธิภาพการทำงานของบุคลากร

04 ธ.ค. 2026

• AI สำหรับการจัดทำงบประมาณ การพยากรณ์ และการวิเคราะห์ทางการเงิน
• โครงสร้างกำไรขาดทุนของธุรกิจแฟชั่น: ขายส่ง ขายปลีก ecommerce อัตรากำไร ต้นทุนสินค้าที่ขาย และงบประมาณส่วนลด management
• การวางแผนสถานการณ์และการจำลองอัตรากำไร
• AI สำหรับการควบคุมงบกำไรขาดทุน กระแสเงินสด การประเมินมูลค่าสินค้าคงคลัง และการวิเคราะห์ผลกำไร
• AI ในงานด้านทรัพยากรบุคคล: การสรรหาบุคลากร การประเมินทักษะ การสนับสนุนด้านผลการปฏิบัติงาน และการฝึกอบรม
• การวิเคราะห์ข้อมูลบุคลากร ความเสี่ยงขององค์กร และผลกระทบของ AI ต่อบทบาทงานในอุตสาหกรรมแฟชั่น
• ข้อจำกัด ความเป็นส่วนตัว และอคติในการประยุกต์ใช้ AI ในด้านทรัพยากรบุคคลและการเงิน

ห้องปฏิบัติการฝึกปฏิบัติ:

• การอภิปรายกรณีศึกษา: ปัญญาประดิษฐ์สำหรับ management การควบคุมในธุรกิจแฟชั่นแบบหลายช่องทาง
• ผลลัพธ์: สรุปแดชบอร์ด AI สำหรับด้านการเงิน, BI หรือ management ควบคุม

วันที่ 1 — Brandเนื้อหาและการสื่อสารในยุคปัญญาประดิษฐ์

11 ธ.ค. 2026

• AI สำหรับ brand กลยุทธ์ การวางแผนการสื่อสาร และเนื้อหา operations
• งานแสดงแฟชั่น อีเวนต์ ประชาสัมพันธ์ และความสัมพันธ์กับอินฟลูเอนเซอร์: AI สำหรับการวางแผน การวิเคราะห์ และการเผยแพร่ข่าวสาร
• สร้างและปรับแต่งแคมเปญให้เหมาะสมกับอัลกอริทึมและแพลตฟอร์มโซเชียล
• ข้อความที่สร้างโดย AI, คำอธิบายผลิตภัณฑ์, เนื้อหาบรรณาธิการ และการเล่าเรื่อง
• Brand คลังเสียง น้ำเสียง และข้อความแจ้งเตือน
• โรงงานผลิตคอนเทนต์ดิจิทัล: การถ่ายภาพ วิดีโอ รูปภาพ และการแปลภาษาในระดับขนาดใหญ่
• อินฟลูเอนเซอร์เสมือนจริงและคอนเทนต์สังเคราะห์: โอกาสหรือความเสี่ยง?
• ภูมิศาสตร์สำหรับ AI การเพิ่มประสิทธิภาพ LLM และการค้นหาในระบบค้นหาแบบสนทนา
• การกำกับดูแลเนื้อหา AI: ขั้นตอนการอนุมัติ brand ความสอดคล้อง การตรวจสอบทางกฎหมาย และการควบคุมการแปล

เวิร์คช็อปและห้องปฏิบัติการ

• การอบรมเชิงปฏิบัติการ: ปรับแต่งเนื้อหาเว็บไซต์ให้เหมาะสมสำหรับ LLM และแชทบอท — หน้าสินค้า หมวดหมู่ และหน้า Landing Page

วันที่ 2 — CRM, โปรแกรมสะสมแต้ม, ผลการดำเนินงาน และการปรับแต่งเฉพาะบุคคล

18 ธ.ค. 2026

• AI ในประสบการณ์ลูกค้า: ความภักดีของลูกค้า การดูแลลูกค้า และระบบ CRM ที่คาดการณ์ได้
• ความเสี่ยงเฉพาะของสินค้าหรูหรา: ความเป็นเอกลักษณ์ การบริการที่ใส่ใจรายละเอียด brand การควบคุมและความละเอียดอ่อนของข้อมูลลูกค้า
• การแบ่งกลุ่มลูกค้า การดำเนินการที่ดีที่สุดถัดไป และแคมเปญเฉพาะบุคคล
• AI สำหรับบริการลูกค้า: แชทบอท ผู้ช่วยเสมือน และระบบอัตโนมัติหลังการขายในอุตสาหกรรมแฟชั่น
• การวิเคราะห์การตลาด, การระบุแหล่งที่มา, marketing การผสมผสานการสร้างแบบจำลองและปัญญาประดิษฐ์
• การเพิ่มประสิทธิภาพสื่อโฆษณาแบบเสียค่าใช้จ่ายและการทำงานอัตโนมัติของแคมเปญ, Google Ads, Meta Ads และเวิร์กโฟลว์แคมเปญที่ขับเคลื่อนด้วย AI
• การสร้างสมดุลระหว่างระบบอัตโนมัติ ความคิดสร้างสรรค์ และ brand การป้องกัน

เวิร์คช็อปและห้องปฏิบัติการ

• กรณีศึกษา: แคมเปญโฆษณาดิจิทัลที่สร้างโดย AI และเส้นทางประสบการณ์ลูกค้าแบบเฉพาะบุคคล
• แบบฝึกหัด: สร้างแนวคิดแคมเปญโดยใช้ AI ตั้งแต่ภาพรวมไอเดียไปจนถึงการเปิดใช้งานช่องทางต่างๆ
• ผลลัพธ์: สรุปแผนงาน AI และการเปิดใช้งาน CRM

วันที่ 1 — ระบบ AI, แพลตฟอร์ม, ผู้จำหน่าย และการบูรณาการ

08 2027 ม.ค.

• แนวคิดพื้นฐานของระบบ AI: แพลตฟอร์ม, คลาวด์, API และการบูรณาการ
• สร้างเอง เทียบกับ ซื้อ เทียบกับ ร่วมมือ
• วิธีการเลือกผู้ให้บริการ AI และประเมินโซลูชัน การจัดซื้อ AI และการตรวจสอบสถานะผู้ให้บริการ
• การบูรณาการกับ ERP, PIM, DAM, CRM, CDP, ecommerce แพลตฟอร์มและเครื่องมือ BI
• ความพร้อมของข้อมูลและสถาปัตยกรรมระบบ
• ความปลอดภัยทางไซเบอร์ ปัญญาประดิษฐ์แฝง การควบคุมการเข้าถึง และนโยบายของบริษัท
• ผู้ขาย management: สัญญา, ข้อตกลงระดับบริการ (SLA), กรรมสิทธิ์ และความสามารถในการขยายขนาด

เวิร์คช็อปและห้องปฏิบัติการ

• แบบฝึกหัด: ประเมินผู้ให้บริการ AI โดยใช้แบบตรวจสอบรายการที่มีโครงสร้าง

วันที่ 2 — โครงการ AI Managementการศึกษาความเป็นไปได้ทางธุรกิจ และการสร้างต้นแบบ

15 2027 ม.ค.

• โครงการ AI management: การพัฒนาแบบคล่องตัว, การสร้างต้นแบบ, ผลิตภัณฑ์ขั้นต่ำที่ใช้งานได้จริง (MVP) และโครงการนำร่อง
• วิธีการสร้างแผนธุรกิจ AI
• ผลตอบแทนจากการลงทุน (ROI), ตัวชี้วัดประสิทธิภาพหลัก (KPIs), ตัวชี้วัดความสำเร็จ และตัวชี้วัดการนำไปใช้
• จากโครงการนำร่องสู่การขยายผล: เมื่อใดควรหยุด ปรับปรุง หรือเปิดตัวอย่างเป็นทางการ
• เปลี่ยนแปลง management และการนำไปใช้ภายใน
• อคติ การกำกับดูแล และการตรวจสอบความถูกต้องในการนำไปปฏิบัติ
• การเขียนโค้ดแบบ Vibe และการสร้างต้นแบบ AI แบบไม่ต้องเขียนโค้ด/เขียนโค้ดน้อย: โอกาสและความเสี่ยง

เวิร์คช็อปและห้องปฏิบัติการ

• เวิร์คช็อป: สร้างแผนที่แสดงโอกาสด้าน AI สำหรับธุรกิจแฟชั่น
• กิจกรรมการเรียนรู้: สร้างต้นแบบกรณีการใช้งาน AI หรือกำหนดข้อกำหนดสำหรับโครงการนำร่อง
• ผลลัพธ์: เอกสารสรุปโครงการนำร่อง AI

วันที่ 1 — กลยุทธ์ AI, การจัดองค์กร และความสามารถในอนาคต

22 2027 ม.ค.

• การทำงานร่วมกันระหว่างมนุษย์และปัญญาประดิษฐ์: ทักษะแห่งอนาคตสำหรับผู้จัดการและนักสร้างสรรค์
• องค์กรเปลี่ยนแปลงไปอย่างไรเมื่อใช้ AI: บทบาท ความรับผิดชอบ และขีดความสามารถในองค์กรแบบตัวแทน (agentic enterprise)
• รูปแบบการกำกับดูแล AI: ใครเป็นเจ้าของอะไรบ้าง
• โครงสร้างองค์กรใหม่: คณะกรรมการ AI, เจ้าของธุรกิจ, เจ้าของข้อมูล, ฝ่ายกฎหมาย, ฝ่ายไอที และ brand ผู้ปกครอง
• แผนงานด้านความรู้ความเข้าใจและการยกระดับทักษะด้าน AI
• อนาคตของ AI ในวงการแฟชั่นและสินค้าหรูหรา: ตัวแทน ระบบอัตโนมัติ การปรับแต่งเฉพาะบุคคล ข้อมูลเชิงลึกเกี่ยวกับผลิตภัณฑ์ และโมเดลธุรกิจใหม่
• เวิร์คช็อป: ออกแบบโมเดลการทำงานของ AI สำหรับบริษัทแฟชั่น

เวิร์คช็อปและห้องปฏิบัติการ

• เวิร์คช็อป: ออกแบบโมเดลการทำงานของ AI สำหรับบริษัทแฟชั่น

วันที่ 2 — โครงงานสุดท้าย การนำเสนอ และการรับใบรับรอง

29 2027 ม.ค.

• เวิร์กช็อปโครงการสุดท้าย: แผนงานการนำ AI มาใช้
• การทบทวนแผนงานการนำ AI มาใช้
• จากใบอนุญาตใช้งาน Copilot สู่การนำไปใช้งานจริง: ผู้ช่วย AI ระดับองค์กรในแผนงาน AI
• ข้อเสนอแนะจากอาจารย์ผู้สอนและเพื่อนร่วมชั้น
• ข้อผิดพลาดทั่วไปในการวางแผนงานด้าน AI
• การจัดลำดับความสำคัญ: ผลลัพธ์ระยะสั้น การลงทุนเชิงกลยุทธ์ และความสามารถระยะยาว
• ข้อกำหนดและเกณฑ์การให้คะแนนของงานที่ส่งในวันสุดท้าย
• การนำเสนอ: การนำเสนอผลงานกลุ่มที่คัดเลือก + การสรุปผลโดยผู้สอน การบรรยาย และการรับรอง
• ผลลัพธ์: แผนงานการนำ AI มาใช้ฉบับสุดท้าย