活動簡介
過去一年來，大語言模型以驚人的速度快速擴散，各種 GenAI 應用也如雨後春筍般遍地發芽。然而，這些 GenAI 應用也普遍面臨沒有好的資料可以使用的困境，間接導致如 AI Chatbot 這樣的產品的對話表現不如預期。事實上，資料的準備度和成熟度決定了 GenAI 應用能力的上限。因此，我們可以回頭思考怎麼更好地設計資料架構，從源頭解決資料準備度的問題。
為了探討這個議題，2026 年第一場數創小聚，我們邀請到現任 TSMC Data Platform Engineer 的 Sam Kao。Sam 是東京大學的 PhD，具備深厚的資料科學和機器學習背景，並擁有橫跨零售、能源與半導體製造的 End-to-end 數據實戰經驗，能夠從資料工程、語言模型整合的雙重視角，深入分享如何打造 GenAI 產品的資料基礎架構，確保 AI 應用能真正發揮最大效益。
在這次小聚中，他將從資料工程的視角，結合他在頂尖產業的落地經驗，帶你從「 Model Centric 走向 Data Centric」的架構思維出發。他會分享如何利用 Context Driven Prompting，系統性地打造可控、可信、並降低幻覺風險的 AI Agent 與 ChatBot，並示範如何透過資料治理與自動化的 Context Driven Pipeline，在 Multi-Agent 架構下生成與管理關鍵 Context，讓 AI 應用建立在穩固的數據地基上。除了硬技能， Sam 也將分享工程師在面對技術快速迭代時，該如何調整角色、重新打造職涯護城河，以及團隊又該如何在 AI 工具普及後，建立更有效的協作與溝通模式。
活動大綱
2026 年 GenAI 的企業技術發展
- 從 Model-Centric 到 Data-Centric，資料工程對大語言模型應用的重要性
- Context Driven Prompting：系統性地打造可信任及可控的 AI Agent
打造高可靠性 AI ChatBot 的核心架構
- 如何做好資料治理，建造好 AI 應用地基
- Context Driven Pipeline 架構實戰：如何自動化生成 Context & Multi-Agent 設計模型
AI 時代的工程師生存指南
- AI 時代工程師該如何轉型
- 面對 AI，團隊如何更好的協作與溝通
這場講座特別適合
- 苦於 AI 幻覺與落地困難的 AI/ML 工程師
- 想了解如何用資料驅動 AI 的 DE/DS/DA
- 負責企業 AI 架構與轉型的 Tech Lead
- 對資料工程、建構 AI Agent 有興趣的學習者
數創小聚有實體票、線上票兩種形式
線上票行程為 19:15 ~ 21:30 含講座 及 Q&A
而21:30 後為實體票的額外自由交流時間！歡迎大家報名一起聽講座分享互動、親臨現場與講者&其他Data / AI相關領域朋友們一起交流！
線上連結通常會於活動三天前寄出，若未收到可以與我們聯繫
聯絡信箱：contact@datainnolab.ai
會有專人與您聯繫! 謝謝
