การเก็บและเตรียมข้อมูลจากเซนเซอร์

รหัสทักษะ

ai.data-collection

หมวด

ระบบและการประยุกต์

กลุ่ม

ปัญญาประดิษฐ์บนอุปกรณ์

ความสำคัญตาม Roadmap

ไม่มีสีใน Roadmap (TESA เพิ่ม)

ที่มา

TESA เพิ่ม

สถานะในคลังบทเรียน

มีบทเรียนประเมิน

ดูในแผนที่ทักษะ

บทเรียนที่พัฒนาทักษะนี้

บทเรียน	หลักสูตร	พัฒนาถึงระดับ
สตรีมเซ็นเซอร์ที่พร้อมสำหรับ Edge AI	TESA Firmware SDK สำหรับ Edge AI	L2 ทำตามแนวทาง
แล็บ: สตรีมเซ็นเซอร์และหน้าต่างข้อมูลพร้อม AI	TESA Firmware SDK สำหรับ Edge AI	L2 ทำตามแนวทาง
สุ่มสัญญาณให้ตรงกับโมเดล: อัตราสุ่ม Nyquist หน้าต่าง และ schema ของ CSV	Edge AI Developer: จากเซนเซอร์สู่โมเดลบนอุปกรณ์	L2 ทำตามแนวทาง
ลงมือทำ: DAQ logger เก็บ dataset ลง CSV	Edge AI Developer: จากเซนเซอร์สู่โมเดลบนอุปกรณ์	L2 ทำตามแนวทาง
เสียงและหลายเซนเซอร์บนเส้นเวลาเดียว: PDM 16 kHz ประทับเวลา และ jitter	Edge AI Developer: จากเซนเซอร์สู่โมเดลบนอุปกรณ์	L2 ทำตามแนวทาง
ลงมือทำ: เก็บ IMU กับเสียงลงไฟล์เดียว	Edge AI Developer: จากเซนเซอร์สู่โมเดลบนอุปกรณ์	L2 ทำตามแนวทาง
feature และหน้าต่าง: สิ่งที่โมเดลเห็นจริง	Edge AI Developer: จากเซนเซอร์สู่โมเดลบนอุปกรณ์	L2 ทำตามแนวทาง
วิศวกรรมชุดข้อมูล: สมดุลคลาส หน้าต่าง และการแบ่ง train/val/test	Edge AI Developer: จากเซนเซอร์สู่โมเดลบนอุปกรณ์	L3 ทำได้เอง
ลงมือทำ: เก็บ dataset ที่สมดุลบนบอร์ดแล้วแบ่งบน PC	Edge AI Developer: จากเซนเซอร์สู่โมเดลบนอุปกรณ์	L3 ทำได้เอง

บทเรียนที่ประเมินทักษะนี้

บทเรียน	ระดับ	หลักฐาน
แล็บ: สตรีมเซ็นเซอร์และหน้าต่างข้อมูลพร้อม AI	L2 ทำตามแนวทาง	README.md#submit-checklist
ลงมือทำ: DAQ logger เก็บ dataset ลง CSV	L2 ทำตามแนวทาง	practice/s04_daq_logger.py
ลงมือทำ: เก็บ IMU กับเสียงลงไฟล์เดียว	L2 ทำตามแนวทาง	practice/s05_multicapture.py
ลงมือทำ: เก็บ dataset ที่สมดุลบนบอร์ดแล้วแบ่งบน PC	L2 ทำตามแนวทาง	practice/s11_dataset.py

บทบาทที่ใช้ทักษะนี้

บทบาท	ระดับขั้นต่ำ	ในบทบาทนี้
วิศวกร Edge AI	L3 ทำได้เอง	จำเป็น (R)

ระดับความสามารถ

• L1 รู้จัก · Bloom: remember/understand
• L2 ทำตามแนวทาง · Bloom: apply (scaffolded)
• L3 ทำได้เอง · Bloom: apply/analyse
• L4 มืออาชีพ · Bloom: analyse/evaluate
• L5 ออกแบบและนำทีม · Bloom: evaluate/create

ใช้อ้างอิงใน Open Badges 3.0 และ CASE

UUID: 42004b28-2651-50e3-8e7e-f8931f608ec8

{
  "type": [
    "Alignment"
  ],
  "targetName": "Sensor Data Collection & Labelling",
  "targetUrl": "https://tesaiot.github.io/tesa-qualification-program/skills/ai.data-collection/",
  "targetCode": "ai.data-collection",
  "targetFramework": "TESA Embedded Systems Skill Map 0.1.0",
  "targetType": "CFItem"
}

ข้อมูลแผนที่ทักษะเผยแพร่ภายใต้ CC BY-SA 4.0 ดัดแปลงจาก Embedded Systems Engineering Roadmap ของ Meysam Parvizi