ข้ามไปยังเนื้อหา

หลักสูตรทั้งหมด

ทุกหลักสูตรเรียนได้ฟรี เรียงจากพื้นฐานไปถึงงานเฉพาะทาง หลักสูตรที่ยังเป็นร่าง (pre-alpha, alpha) เปิดให้ดูโครงก่อน เนื้อหาจะทยอยเติม ถ้ายังไม่แน่ใจว่าจะเริ่มตรงไหน ดูเส้นทางการเรียนรู้

Explorer: เปิดโลกระบบสมองกลฝังตัว

  • L1 รู้จัก
  • 3 ชม.
  • 6 บทเรียน
  • Emulator · ไม่ต้องใช้บอร์ด · Eva Kit · Dev Kit

หลักสูตรสั้นสำหรับบุคคลทั่วไป หกบทเรียน บทละ 20–30 นาที ไม่ต้องมีบอร์ด เริ่มจากมองหาระบบสมองกลฝังตัวรอบตัว แล้วเขียน MicroPython บรรทัดแรกใน BENTO Emulator ให้ขึ้นจอ เปิดไฟ อ่านเซนเซอร์ และส่งค่าขึ้นแดชบอร์ด

ทดลองใช้ (alpha)

Edge AI และ IoT สำหรับการตัดสินใจเชิงผลิตภัณฑ์

  • L1 รู้จัก
  • 3 ชม.
  • 6 บทเรียน
  • ไม่ต้องใช้บอร์ด

หลักสูตรไม่ต้องเขียนโค้ดสำหรับผู้ประกอบการและเจ้าของผลิตภัณฑ์ หกบทเรียน บทละราว 30 นาที ตั้งแต่ Edge AI และ IoT ทำอะไรได้ ไปจนถึงต้นทุน ความเสี่ยง กฎหมาย และการเลือกทำเอง ซื้อ หรือหาพันธมิตร จบด้วย decision canvas หนึ่งหน้าที่ส่งให้ทีมพัฒนาได้

ทดลองใช้ (alpha)

AIoT in Action: จากหน้าจอสัมผัสสู่แพลตฟอร์ม IoT (MicroPython)

  • L2 ทำตามแนวทาง
  • 36 ชม.
  • 36 บทเรียน
  • Emulator · Eva Kit · Dev Kit

เรียน AIoT จากของจริงบนบอร์ด PSoC Edge (Eva Kit หรือ TESAIoT Dev Kit) ด้วย MicroPython ตั้งแต่เล่นแอปบนจอสัมผัส สั่งฮาร์ดแวร์ อ่านเซนเซอร์ขึ้นแดชบอร์ด ไปจนถึงส่งข้อมูลขึ้นแพลตฟอร์ม IoT ผ่าน MQTT และ TLS แล้วประกอบเป็น mini-product ของตัวเอง

ทดลองใช้ (alpha)

การออกแบบผลิตภัณฑ์เชิงอุตสาหกรรม (Blender และ Digital Twin)

  • L2 ทำตามแนวทาง
  • 18 ชม.
  • 12 บทเรียน
  • ไม่ต้องใช้บอร์ด

หลักสูตรเชิงปฏิบัติการออกแบบกล่องหุ้มผลิตภัณฑ์อัจฉริยะด้วย Blender ตั้งแต่แนวคิด block model วัสดุ PBR การเรนเดอร์ และแอนิเมชัน ไปจนถึงส่งออก GLB เข้า Digital Twin ตรวจสอบเชิงดิจิทัล และทำต้นแบบจริงพร้อม Design Report

ทดลองใช้ (alpha)

อิเล็กทรอนิกส์และเครื่องมือวัดสำหรับนักพัฒนาระบบฝังตัว

  • L2 ทำตามแนวทาง
  • 20 ชม.
  • 15 บทเรียน
  • Eva Kit · Dev Kit

หลักการวงจรและอิเล็กทรอนิกส์พื้นฐาน วงจรดิจิทัล การใช้มัลติมิเตอร์ logic analyzer และออสซิลโลสโคป การต่อวงจรบนเบรดบอร์ด การบัดกรี การอ่านวงจร และพื้นฐาน PCB กับ EMC สำหรับนักพัฒนาที่ต้องทำงานกับบอร์ดจริง

ทดลองใช้ (alpha)

พื้นฐานเฟิร์มแวร์ภาษา C บน PSoC Edge

  • L3 ทำได้เอง
  • 30 ชม.
  • 17 บทเรียน
  • Dev Kit

ภาษา C สำหรับไมโครคอนโทรลเลอร์และการจัดการหน่วยความจำ การ build ด้วย ModusToolbox และ Make, Git สำหรับเฟิร์มแวร์ การดีบักด้วย SWD/GDB, timer interrupt watchdog DMA และสัญญาณนาฬิกา, UART/I2C/SPI กับ logic analyzer ไปจนถึง unit test และ CI โดยอ้างอิงตัวอย่างจริงใน TESAIoT PSE84 Dev Kit SDK

ทดลองใช้ (alpha)

TESA Firmware SDK สำหรับ Edge AI

  • L3 ทำได้เอง
  • 26 ชม.
  • 16 บทเรียน
  • Dev Kit · Eva Kit

หลักสูตรเชิงปฏิบัติการเฟิร์มแวร์ภาษา C บน PSOC™ Edge E84 ตั้งแต่สถาปัตยกรรมชิปและชั้น SDK เครื่องมือ ModusToolbox™ + VS Code อุปกรณ์ต่อพ่วง FreeRTOS การเตรียมข้อมูลเซ็นเซอร์สำหรับ Edge AI ไปจนถึง MQTT, BLE และ Capstone

ทดลองใช้ (alpha)

พัฒนาเฟิร์มแวร์ร่วมกับ TESA Digital Twin บน VS Code

  • L3 ทำได้เอง
  • 18 ชม.
  • 12 บทเรียน
  • Emulator · Dev Kit

หลักสูตรเชิงปฏิบัติการพัฒนา ตรวจสอบ และทดสอบเฟิร์มแวร์ Edge AI ร่วมกับ Digital Twin บน VS Code (Bitstream Studio): จำลองอุปกรณ์ เซ็นเซอร์ พฤติกรรม ท่อข้อมูล และการเชื่อมต่อคลาวด์ เพื่อลดการพึ่งฮาร์ดแวร์จริงในช่วงพัฒนา

ทดลองใช้ (alpha)

Secure IoT กับ OPTIGA™ Trust M

  • L3 ทำได้เอง
  • 20 ชม.
  • 11 บทเรียน
  • Dev Kit

การทำ threat model และพื้นฐานวิทยาการเข้ารหัส การใช้ชิปความปลอดภัย OPTIGA™ Trust M การเชื่อมต่อ mTLS กับ TESAIoT Platform secure boot และ Protected Update ไปจนถึงการลงทะเบียนอุปกรณ์ด้วย CSR โดยอ้างอิงตัวอย่างและเอกสารใน TESAIoT PSE84 Dev Kit SDK

ทดลองใช้ (alpha)

Edge AI Developer: จากเซนเซอร์สู่โมเดลบนอุปกรณ์

  • L3 ทำได้เอง
  • 60 ชม.
  • 42 บทเรียน
  • Emulator · Dev Kit

หลักสูตร Edge AI แบบครบวงจรด้วย MicroPython บนบอร์ด PSoC Edge (TESAIoT Dev Kit) เดินตามวงจรชีวิตของข้อมูลห้าเสา ตั้งแต่เก็บข้อมูลจากเซนเซอร์ ประมวลผล วิเคราะห์สัญญาณ ฝึกโมเดลของตัวเองแล้วนำไปรันบน MCU เว็บ และ PC จนถึงแอป Edge AI ที่เชื่อถือได้ แกะสแตกใต้ฝากระโปรง และ capstone ของตัวเอง

กำลังพัฒนาทดลองใช้ (alpha)

ชุดสำหรับผู้สอน (Educator Kit)

  • L3 ทำได้เอง
  • 6 ชม.
  • 7 บทเรียน
  • Emulator · ไม่ต้องใช้บอร์ด · Eva Kit · Dev Kit

ชุดสำหรับอาจารย์และผู้สอนที่จะนำหลักสูตรของ TESA Open Knowledge ไปใช้ ตั้งแต่เลือกรูปแบบการนำไปใช้ ทำตารางเทียบผลลัพธ์การเรียนรู้ กับมาตรฐานคุณวุฒิ 2565 TPQI และ Washington Accord อ้างอิง TESA ในรายวิชาให้ถูก เลือกวิธีสอนและการประเมิน วางแผนฮาร์ดแวร์ ไปจนถึงเส้นทางสู่ TQP Certified Trainer

ทดลองใช้ (alpha)

L2 ทำตามแนวทาง · พร้อมใช้ (stable)

ต้นฉบับ: https://github.com/Advance-Innovation-Centre-AIC/embedded-systems-for-game_console_developer @ 96bbf2b831fe

สัญญาอนุญาต: content CC-BY-4.0, code MIT

TESA Open Knowledge · © 2026 สมาคมสมองกลฝังตัวไทย (TESA) · CC BY-NC 4.0

เนื้อหาเผยแพร่ภายใต้ CC BY-NC 4.0 นำไปใช้ต่อในงานที่ไม่ใช่เพื่อการค้าได้ โปรดอ้างอิงสมาคมสมองกลฝังตัวไทย (TESA) ทุกครั้ง · วิธีอ้างอิง TESA