งานนี้เป็นงานเปิดตัวเซิฟเวอร์/ศูนย์ข้อมูลของ Google ประจำประเทศไทย (พูดง่ายๆ คือ กูเกิลมีเซิฟเวอร์จริงๆ บนผืนแผ่นดินไทยแล้ว) และ hands-on lab คือเป็นงานมาฝึกเขียนโค้ดและลองใช้งานผลิตภัณฑ์ของ Google
งานนี้จัดขึ้นเมื่อวันอังคารที่ 10 กุมภาพันธ์ พ.ศ.2569 ที่โรงแรม
Hyatt Regency Bangkok Sukhumvit / BTS Nana (E3)
Event Link:
https://cloudonair.withgoogle.com/events/thailand-region-launch-hands-on-labs
รายละเอียด hands-on labs ภายในงาน ใครสนใจสามารถเข้าไปอ่านหรือลองทำตามได้ครับ
https://goo.gle/th-region-lab1
https://goo.gle/th-region-lab2
https://goo.gle/th-region-lab3
Lab 1 – App Mod Workshop
เป็นการจำลองสถานการณ์ว่า เจ้านายของคุณอยากให้คุณอยากให้ปรับปรุงแอพพลิเคชันเดิม แต่นักพัฒนาคนก่อนลาออกไปแล้ว แถมภาษาโปรแกรมที่ใช้ก็เลิกสนับสนุนไปกว่า 5 ปี แต่แอปพลิเคชันนี้ยังมีประโยชน์ทางธุรกิจและยังมีคนใช้งานอยู่ / แถมระบบเดิมก็ deploy แบบ manual ไม่มีใครจำได้ว่าทำอย่างไร
ถึงเวลาที่คุณต้องปรับปรุงแอพให้ทันสมัย คุณจะทำอย่างไร?
App Mod Workshop เป็นเวิร์กช็อปที่สอนการปรับปรุงแอป PHP เก่าให้ทันสมัยบน Google Cloud ปลอดภัยขึ้น และสามารถ scale ได้ง่าย ผ่านบริการ Cloud-native เช่น Cloud Run, Cloud SQL และ Cloud Build
ภาพรวมของ Workshop
เป้าหมายหลัก: นำแอป PHP 5.7 เก่าที่มีการจัดการรหัสผ่านแบบไม่ปลอดภัยและ deployment แบบ manual มาปรับปรุงให้ทันสมัยบน Google Cloud
แนวทาง: ใช้บริการ Cloud-native ของ Google เพื่อทำให้แอปสามารถ deploy ได้อัตโนมัติ, ปลอดภัย และรองรับการขยายตัว
ขั้นตอนสำคัญ
- 1) Containerize แอป PHP
- ใช้ Docker เพื่อบรรจุโค้ดและ dependencies
- ปรับ config ให้เชื่อมต่อกับ Cloud SQL
2) ย้ายฐานข้อมูลไป Cloud SQL - สร้าง instance MySQL บน Cloud SQL
- นำ schema และ seed data จากโค้ดเดิมเข้าไป
3) Deploy ไปที่ Cloud Run - ใช้ gcloud run deploy เพื่อรัน container แบบ serverless
- Cloud Run ช่วย scale อัตโนมัติและลดค่าใช้จ่ายเมื่อไม่มี traffic
4) จัดการ Secrets อย่างปลอดภัย - ย้ายรหัสผ่านและค่า config ออกจากโค้ด
- ใช้ Secret Manager และ IAM เพื่อควบคุมการเข้าถึง
5) ตั้งค่า CI/CD Pipeline ด้วย Cloud Build - เชื่อม GitHub repo เข้ากับ Cloud Build
- ทุกครั้งที่ push โค้ดใหม่ จะ trigger build และ deploy อัตโนมัติ
6) ใช้ Cloud Storage สำหรับไฟล์รูปภาพ - Mount storage โดยไม่ต้องแก้โค้ด
- รองรับการอัปโหลดและจัดเก็บรูปภาพอย่างปลอดภัย
7) เพิ่มฟีเจอร์ Gen AI ผ่าน Gemini และ Cloud Functions - ใช้ AI เพื่อประมวลผลหรือเพิ่มความสามารถใหม่ให้กับแอป
8) เรียนรู้การตั้งค่า SLO และการดูแลระบบ - ทำความเข้าใจการ monitor และการจัดการแอปใน production
Lab 2 – Welcome to the PetVerse!
PetVerse Multimodal เป็นเวิร์กช็อปที่สอนการสร้างแอปพลิเคชันที่รวบรวมข้อมูลสัตว์เลี้ยงเข้ากับสื่อมัลติมีเดีย (ภาพ, วิดีโอ, เสียง) โดยใช้ BigQuery, Cloud Storage และฟังก์ชัน AI ของ Google Cloud เพื่อทำการวิเคราะห์, สร้าง embeddings และ semantic search พร้อมทั้งสร้างเว็บแอปด้วย Gemini CLI และ deploy บน Cloud Run
เทคโนโลยีที่ใช้
- BigQuery สำหรับจัดการข้อมูลและ embeddings
- Cloud Storage สำหรับเก็บรูปภาพ/วิดีโอ/เสียง
- Vertex AI / Gemini สำหรับสร้าง embeddings และคำอธิบายจากสื่อ
- Cloud Run สำหรับ deploy แอปพลิเคชันเว็บ
- Secret Manager, IAM สำหรับการจัดการสิทธิ์และความปลอดภัย
ขั้นตอนสำคัญ
- ตั้งค่า Project และ Billing บน Google Cloud
- สร้าง Cloud Storage Bucket และอัปโหลดสื่อสัตว์เลี้ยง
- สร้างตาราง pets ใน BigQuery และโหลดข้อมูลจาก CSV
- เชื่อม BigQuery กับ Storage Bucket ผ่าน ObjectRef
- เพิ่มคอลัมน์ profile_picture และ additional_media ในตาราง
- ใช้ AI.GENERATE เพื่อสร้างคำอธิบายและเติมข้อมูลที่หายไป
- สร้าง embeddings สำหรับรูปภาพและข้อความ
- ทำ semantic search และ similarity search เพื่อหาสัตว์เลี้ยงที่คล้ายกัน
- สร้างเว็บแอปด้วย Gemini CLI และ deploy บน Cloud Run
- ทำความสะอาด (Clean up) โดยลบ resource ที่สร้างขึ้น
Lab 3 – Prepare data with AI agents in BigQuery codelab
BigQuery Data Preparation with AI Agents เป็นเวิร์กช็อปที่สอนการใช้ BigQuery ร่วมกับ AI Agents เพื่อเตรียมและปรับปรุงข้อมูลให้พร้อมสำหรับการวิเคราะห์และการใช้งานเชิงธุรกิจ โดยเน้นการใช้ฟังก์ชัน AI ใน BigQuery เพื่อทำความสะอาด, เติมเต็ม, และแปลงข้อมูลที่ไม่สมบูรณ์หรือไม่มีโครงสร้างให้เป็นข้อมูลที่ใช้ได้จริง
ภาพรวมของ Workshop
คือ การเตรียมข้อมูล (Data Preparation) ด้วย BigQuery และ AI Agents
เป้าหมาย ทำให้ข้อมูลที่กระจัดกระจายหรือไม่สมบูรณ์สามารถนำไปใช้วิเคราะห์ได้อย่างมีประสิทธิภาพ
เทคโนโลยีที่ใช้
- BigQuery สำหรับการจัดการและประมวลผลข้อมูล
- AI Agents / AI Functions เพื่อช่วยทำความสะอาดและแปลงข้อมูล
- Cloud Storage สำหรับเก็บไฟล์ข้อมูลต้นทาง
- SQL + AI.GENERATE / AI.CLEAN สำหรับการปรับปรุงข้อมูล
สิ่งที่คุณจะได้เรียนรู้
- โหลดข้อมูลเข้าสู่ BigQuery จากไฟล์ CSV หรือ JSON
- ใช้ AI Agents
– เติมข้อมูลที่หายไป (missing values)
– แปลงข้อมูลให้อยู่ในรูปแบบที่ต้องการ
– clean text/data เช่น การลบ noise หรือการ normalize - สร้างตารางใหม่ที่พร้อมใช้งาน สำหรับการวิเคราะห์หรือ machine learning
- ทดลองใช้ AI Functions เช่น AI.GENERATE_TEXT หรือ AI.CLEAN_TEXT เพื่อปรับปรุงคุณภาพข้อมูล
