ONSITE WORKSHOP · HEALTH RESEARCH
งานวิจัยของคุณ
ไปได้ไกลขึ้นด้วย AI
ตั้งระบบ สร้าง Dashboard วิเคราะห์ข้อมูลด้วย
Machine Learning และ Deep Learning
จนถึงรายงานพร้อมนำเสนอ — ไม่ต้องเขียนโค้ดเอง
28–29 พฤศจิกายน 2569 (2026) · 09:00–16:30 น.ภายในเมืองขอนแก่น
เรียนในห้องอบรม 2 วัน · 12 ชั่วโมง · ตั้งเป้าไม่เกิน 24 คน
กำลังเตรียมเปิดรุ่น · ลงชื่อสนใจได้โดยยังไม่ต้องชำระเงิน
✦เรียนรู้ด้วยการลงมือทำSetup → Dashboard → ML/DL → Report
ภาพประกอบ AI และ Statistics สร้างด้วย AI
28WORKSHOP DATE28–29 พฤศจิกายน 2569 (2026) · 09:00–16:30 น.
↗KHON KAEN · ONSITEภายในเมืองขอนแก่นแจ้งสถานที่แน่นอนภายในวันที่ 21 พฤศจิกายน 2569 (ก่อนอบรม 1 สัปดาห์)
ออกแบบสำหรับนักศึกษาโท–เอกแพทย์พยาบาลอาจารย์และนักวิจัยสุขภาพ
BUILD YOUR RESEARCH ECOSYSTEM
เห็นผลงานตั้งแต่ช่วงแรก
แล้วค่อยเข้าใจเบื้องหลัง
เริ่มจากตั้งระบบ แล้วใช้ ChatGPT Work สร้าง Dashboard จากข้อมูลโรงพยาบาลจำลองทันที จากนั้นเรียนรู้การเตรียมข้อมูล ตรวจผล และต่อยอดสู่การหาปัจจัยสัมพันธ์กับการสร้างโมเดลทำนาย
ใช้เครื่องมือฟรีเป็นหลักและ Python เป็นเครื่องยนต์คำนวณ ผู้เรียนสั่งงานด้วยภาษาธรรมชาติ เก็บขั้นตอนเพื่อทำซ้ำ และตรวจว่าตัวเลขในรายงานมาจากไหน
HIS / NHSO e-ClaimSecondary research dataAssociation & Prediction
TWO DAYS. ONE COMPLETE WORKFLOW.
เรียนอะไรบ้าง
09:00–16:30 น. · วันละ 6 ชั่วโมงเรียน
ใช้กรณีศึกษาเดียวต่อเนื่องทั้งสองวัน
DAY 01
สร้างผลงานแรก แล้วเรียนรู้วิธีคิด
Setup + สร้าง Dashboard ด้วย AI
เปิดระบบ สั่ง AI สร้างกราฟและตัวกรองจากข้อมูลตัวอย่าง แล้วทดลองขอแก้หน้าตาด้วย prompt
จากข้อมูลบริการ สู่ข้อมูลวิจัย
HIS, e-Claim และข้อมูลโครงการเดิม: เชื่อมตาราง สร้าง cohort ตรวจคน/แถว วันที่ missing และ data leakage
Factors association & Machine Learning
แยกคำถามความสัมพันธ์กับการทำนาย เทียบ regression กับ gradient boosting และอ่าน feature importance
Deep Learning & Model validation
MLP สำหรับข้อมูลตาราง ฝึกเข้าใจ train/test, overfitting, AUC และ calibration ผ่านแม่แบบที่เตรียมไว้
DAY 02
ใช้ AI ทำงาน ตั้งแต่ข้อมูลถึงรายงาน
AI Workshop: Cohort & Association
สั่ง AI เตรียมข้อมูล สร้าง Table 1 และผล crude/adjusted พร้อมตรวจ N/event และนิยามตัวแปร
AI Workshop: ML & Deep Learning
เปรียบเทียบ logistic baseline, boosting และ MLP บนแผนแบ่งข้อมูลเดียวกัน ตรวจผลกับเฉลย
Mock manuscript, citation & Documents
ร่างบทความแบบ IMRaD ตรวจแหล่งอ้างอิง แล้วสร้าง Word, PDF และ PowerPoint จากผลกลางชุดเดียวกัน
ต่อยอด Dashboard & HTML report
เติมผลวิเคราะห์ใน Dashboard ของวันแรก สร้างเว็บรายงาน ตรวจตัวเลขข้ามชิ้นงาน และนำระบบกลับไปใช้ต่อ
พัก 10:30–10:45 และ 14:45–15:00 · พักกลางวัน 12:15–13:15 · DL ในคลาสใช้ neural network ขนาดเล็กสำหรับข้อมูลตาราง
ONE ANALYSIS. MULTIPLE OUTPUTS.
กลับไปพร้อม 6 ชิ้นงาน
ใช้ข้อมูลและแม่แบบเดียวกัน
ปรับให้เหมาะกับผู้รับงานแต่ละกลุ่ม
DOCXWord report
ตาราง กราฟ และคำอธิบายผลที่แก้ไขต่อได้
PPTXPowerPoint
สไลด์สรุปโจทย์ วิธี ผล และข้อจำกัด
PDFPDF report
รายงานสำหรับส่งต่อและนำเสนอ
HTMLWeb report
เปิดอ่านรายงานผ่านเบราว์เซอร์
↗ DATADashboard
กรองกลุ่มข้อมูล ดูกราฟ และผลวิเคราะห์
IMRaDMock manuscript
บทความฉบับฝึก พร้อม citation ที่ตรวจสอบแล้ว
ชิ้นงานใช้ข้อมูลฝึกสังเคราะห์ ไม่ใช่บทความพร้อมส่งวารสารหรือโมเดลที่ผ่านการรับรองใช้ทางคลินิก
จากข้อมูลสุขภาพ สู่ผลวิเคราะห์และรายงานหลายรูปแบบ · ภาพประกอบสร้างด้วย AI
MEET YOUR INSTRUCTORS
อาจารย์ผู้สอนหลัก
เชื่อมประสบการณ์งานข้อมูลสุขภาพ
การวิเคราะห์ และการเขียนรายงานวิจัย
WT
Biostatistics & Clinical Research
Dr. Wilaiphorn Thinkhamrop
Doctor of Public Health · มหาวิทยาลัยขอนแก่น
มีประสบการณ์เป็นอาจารย์ด้านชีวสถิติ ระเบียบวิธีวิจัย และการจัดการข้อมูลระดับโท–เอก รวมถึงงานวิจัยทางคลินิกและการฝึกเขียนบทความ เชื่อมการวิเคราะห์กับการตีความและรายงานผลอย่างเหมาะสม
- ประสบการณ์นักชีวสถิติและนักวิทยาศาสตร์ข้อมูลที่ศูนย์ DAMASAC คณะสาธารณสุขศาสตร์ มหาวิทยาลัยขอนแก่น
- ร่วมงานวิจัย Thai Nurse Cohort, CASCAP, GeCiCCA และโครงการ CKD-PD
- ความเชี่ยวชาญด้าน advanced biostatistics, predictive modeling และ hands-on manuscript writing
BiostatisticsClinical researchManuscript writing
NC
Data Science & Health Research Systems
Dr. Nathaphop Chaichaya
Ph.D. in Epidemiology and Biostatistics · มหาวิทยาลัยขอนแก่น
ทำงานด้านการจัดการและวิเคราะห์ข้อมูลวิจัยสุขภาพ การพัฒนาระบบข้อมูล และการประยุกต์ Machine Learning / Deep Learning กับโจทย์ทางคลินิก เชื่อมประสบการณ์งานข้อมูลเข้ากับการสร้างระบบที่ใช้ทำงานต่อได้
- ประสบการณ์จัดการและวิเคราะห์ข้อมูลในโครงการ Thai Nurse Cohort, CASCAP และ CKD-PD
- พัฒนาระบบ KCPHAI (KKU-CKD Privacy Health AI System) เพื่อสนับสนุนการดูแลผู้ป่วยโรคไตเรื้อรังในบริการปฐมภูมิ
- ร่วมผลงานวิจัยด้านโมเดล Machine Learning เพื่อทำนายการเสียชีวิตระยะแรกในผู้ป่วย systemic sclerosis
Data ecosystemPython / ML / DLHealth data systems
ประวัติย่อเรียบเรียงจาก CV ที่ผู้สอนให้ไว้ โดยแสดงเฉพาะการศึกษาและประสบการณ์ที่เกี่ยวข้องกับหลักสูตร
BEFORE YOU JOIN
เหมาะกับคุณ ถ้า…
- มีพื้นฐานสถิติวิจัย และเคยอ่านผล regression
- มีข้อมูลสุขภาพหรือข้อมูลวิจัยเดิมที่อยากนำมาต่อยอด
- อยากทำงานร่วมกับ AI และตรวจงานได้ด้วยตนเอง
เตรียมอะไรมาเรียน
Notebook, บัญชี AI ของตนเอง และความพร้อมใช้งานตามคู่มือก่อนเรียน ไม่จำเป็นต้องเขียนโปรแกรมเป็น
ใช้เครื่องมือฟรีเป็นหลัก ค่าแผน/เครดิต AI ของผู้เรียนแยกจากค่าอบรม การซื้อ hosting หรือโดเมนส่วนตัวไม่บังคับ
JOIN THE FIRST WORKSHOP
เตรียมพบกันในรุ่นแรก
28–29 พฤศจิกายน 2569 (2026) · 09:00–16:30 น.
ภายในเมืองขอนแก่น · แจ้งสถานที่แน่นอนภายในวันที่ 21 พฤศจิกายน 2569 (ก่อนอบรม 1 สัปดาห์)
ราคาด้านล่างเป็นราคาเสนอสำหรับรุ่นแรก ยังไม่เปิดรับชำระเงิน ผู้จัดจะยืนยันราคาและรายละเอียดก่อนเปิดสมัคร
สำหรับนักศึกษาโท–เอกStudent
4,900 บาท
เสนอไม่เกิน 6 ที่นั่ง
ต้องตรวจสถานะนักศึกษาก่อนยืนยันสิทธิ์
EARLY BIRDเริ่มต้นกับรุ่นแรก
5,900 บาท
อบรมในห้อง 2 วัน พร้อมข้อมูลฝึก
แม่แบบ และผู้ช่วยในคลาส
ลงชื่อสนใจ โดยยังไม่ชำระเงิน ↗ราคาที่เสนอสำหรับรอบปกติRegular
7,900 บาท
12 ชั่วโมงเรียน
พร้อมชุดแม่แบบและข้อมูลฝึก
วิทยากร Dr. Wilaiphorn Thinkhamrop และ Dr. Nathaphop Chaichaya · ดูประวัติผู้สอน
GOOD TO KNOW
คำถามก่อนสมัคร
ต้องซื้อโปรแกรมสถิติเพิ่มไหม?
แบบฝึกใช้ Python และเครื่องมือพื้นฐานฟรี ผู้เรียนสั่งงานผ่าน AI ไม่บังคับซื้อโปรแกรมสถิติสำเร็จรูป ค่าใช้บริการ AI แยกต่างหาก
ต้องนำข้อมูลผู้ป่วยจริงมาไหม?
ไม่ต้องค่ะ ในคลาสใช้ข้อมูลจำลองและแม่แบบที่เตรียมไว้ เพื่อฝึก workflow โดยไม่ต้องนำข้อมูลระบุตัวผู้ป่วยมาใช้
ชำระเงินและติดตามผลอย่างไร?
เมื่อเปิดรับชำระแล้ว ให้โอนเงิน/PromptPay ตามข้อมูลในหน้ารายการ แนบสลิปและระบุเวลาโอน ผู้จัดตรวจยอดเข้าบัญชีแล้วจึงยืนยัน ดูสถานะได้ด้วยรหัสติดตาม
ลงชื่อสนใจแล้วได้ที่นั่งเลยหรือไม่?
การลงชื่อสนใจยังไม่ใช่การจองหรือชำระเงิน เมื่อประกาศวันและสถานที่ ผู้จัดจะใช้ข้อมูลติดต่อเพื่อแจ้งรายละเอียด ไม่มีอีเมลอัตโนมัติจากระบบในขณะนี้