สรุปโปรแกรม: จากผู้ใช้ AI สู่ผู้สร้างงานที่ตรวจสอบได้
เลือกและประเมิน Capstone ด้วยความถูกต้อง ความปลอดภัย คุณค่า และการสื่อสาร
เป้าหมาย: ตรวจความพร้อมของผลงานก่อนนำเสนอหรือใช้จริง · ใช้เวลาประมาณ 22 นาที
ข้อ 1
Capstone เริ่มจากอะไร
- เครื่องมือ
- problem brief และ baseline
ดูคำตอบและคำอธิบาย
problem brief และ baseline หากไม่มีจุดเริ่มจะพิสูจน์คุณค่าหรือเปรียบเทียบไม่ได้
ข้อ 2
ข้อมูล portfolio ควรเป็นอย่างไร
- ข้อมูลลูกค้าจริงทั้งหมด
- synthetic หรือ redacted ที่มีสิทธิ์
ดูคำตอบและคำอธิบาย
synthetic หรือ redacted ที่มีสิทธิ์ หลักฐานไม่จำเป็นต้องแลกกับความลับหรือ PDPA
ข้อ 3
evaluation ต้องมีอะไร
- ตัวอย่างที่ผ่านเท่านั้น
- representative, edge cases, hard gates และ failures
ดูคำตอบและคำอธิบาย
representative, edge cases, hard gates และ failures ชุดที่หลากหลายแสดงความพร้อมและขอบเขตจริง
ข้อ 4
ควรรายงาน failure หรือไม่
- ไม่
- ควร พร้อมสาเหตุและ revision
ดูคำตอบและคำอธิบาย
ควร พร้อมสาเหตุและ revision failure แสดงความสามารถวินิจฉัยและเพิ่มความน่าเชื่อถือ
ข้อ 5
automation demo ต้องมีอะไร
- happy path
- retry, idempotency, approval, monitor และ rollback
ดูคำตอบและคำอธิบาย
retry, idempotency, approval, monitor และ rollback production readiness อยู่ที่ failure path และ control
ข้อ 6
บทสรุปโครงการควรจบด้วยอะไร
- คำว่าประสบความสำเร็จ
- go/revise/no-go พร้อมหลักฐานและข้อจำกัด
ดูคำตอบและคำอธิบาย
go/revise/no-go พร้อมหลักฐานและข้อจำกัด ผู้รับงานต้องตัดสินใจต่อได้จากข้อมูล
บันทึกช่วยจำ
- portfolio ไม่ใช่ใบรับรองว่าระบบพร้อม production
- ให้ผู้เชี่ยวชาญตรวจเมื่อเกี่ยวกับกฎหมาย การเงิน สุขภาพ หรือความปลอดภัย
สรุปบทเรียนนี้
- ผลงานมีหลักฐาน
- รายงานข้อจำกัด
- ตัดสินใจต่อได้