Edge AI พื้นฐาน

รหัสทักษะ

ai.edge

หมวด

ระบบและการประยุกต์

กลุ่ม

ปัญญาประดิษฐ์บนอุปกรณ์

ความสำคัญตาม Roadmap

P · ทางเลือก

ที่มา

โหนดบนแผนภาพ Roadmap v1.2.3

โหนดใน Roadmap

Edge AI

สถานะในคลังบทเรียน

มีบทเรียนประเมิน

ดูในแผนที่ทักษะ

บทเรียนที่พัฒนาทักษะนี้

บทเรียน	หลักสูตร	พัฒนาถึงระดับ
Edge AI และ IoT ทำอะไรได้ และทำอะไรไม่ได้	Edge AI และ IoT สำหรับการตัดสินใจเชิงผลิตภัณฑ์	L1 รู้จัก
Edge, Cloud หรือ Hybrid	Edge AI และ IoT สำหรับการตัดสินใจเชิงผลิตภัณฑ์	L1 รู้จัก
สถาปัตยกรรม MCU หลายโดเมนและชั้นของ Firmware SDK	TESA Firmware SDK สำหรับ Edge AI	L1 รู้จัก
Edge AI คืออะไร: วงจรชีวิตของข้อมูลห้าขั้นและเป้าหมายที่โมเดลไปรันได้	Edge AI Developer: จากเซนเซอร์สู่โมเดลบนอุปกรณ์	L1 รู้จัก
โมดูล edge_ai: ถามทะเบียนโมเดล เลือก แล้วอ่านคำตอบ	Edge AI Developer: จากเซนเซอร์สู่โมเดลบนอุปกรณ์	L2 ทำตามแนวทาง
ลงมือทำ: เมนูโมเดลตัวแรกของเรา	Edge AI Developer: จากเซนเซอร์สู่โมเดลบนอุปกรณ์	L2 ทำตามแนวทาง
แกะแอป Edge AI: ทะเบียนโมเดล verdict และ action	Edge AI Developer: จากเซนเซอร์สู่โมเดลบนอุปกรณ์	L2 ทำตามแนวทาง
ลงมือทำ: จาก verdict สู่ action บนบอร์ด	Edge AI Developer: จากเซนเซอร์สู่โมเดลบนอุปกรณ์	L2 ทำตามแนวทาง
ค่าอนุพัทธ์และการจำแนกด้วยกฎ: dew point, heat index และบันไดกฎ	Edge AI Developer: จากเซนเซอร์สู่โมเดลบนอุปกรณ์	L1 รู้จัก
ลงมือทำ: ตัวจำแนกความสบายด้วยกฎ	Edge AI Developer: จากเซนเซอร์สู่โมเดลบนอุปกรณ์	L1 รู้จัก
รันโมเดลบนเว็บ: LiteRT.js, int8 I/O และ parity	Edge AI Developer: จากเซนเซอร์สู่โมเดลบนอุปกรณ์	L2 ทำตามแนวทาง
ลงมือทำ: verdict บนเว็บให้ตรงกับ PC และเรื่องราว Cortex-A	Edge AI Developer: จากเซนเซอร์สู่โมเดลบนอุปกรณ์	L2 ทำตามแนวทาง
หกโมเดลกับ edge_ai API: แอปที่โฟกัสโมเดลเดียว	Edge AI Developer: จากเซนเซอร์สู่โมเดลบนอุปกรณ์	L3 ทำได้เอง
ลงมือทำ: แอปโฟกัสของเราเอง	Edge AI Developer: จากเซนเซอร์สู่โมเดลบนอุปกรณ์	L3 ทำได้เอง
ท่อสั่งการ: CONF_FLOOR, debounce, cooldown และ on_result	Edge AI Developer: จากเซนเซอร์สู่โมเดลบนอุปกรณ์	L3 ทำได้เอง
ลงมือทำ: action pipeline ที่กัน false positive	Edge AI Developer: จากเซนเซอร์สู่โมเดลบนอุปกรณ์	L3 ทำได้เอง
sensor fusion: verdict ของโมเดลกับเซนเซอร์ดิบ	Edge AI Developer: จากเซนเซอร์สู่โมเดลบนอุปกรณ์	L3 ทำได้เอง
ลงมือทำ: ส่งเหตุการณ์ที่ fuse แล้วขึ้น MQTT	Edge AI Developer: จากเซนเซอร์สู่โมเดลบนอุปกรณ์	L3 ทำได้เอง
ออกแบบ capstone: Guardian สามเสาในไฟล์เดียว	Edge AI Developer: จากเซนเซอร์สู่โมเดลบนอุปกรณ์	L3 ทำได้เอง
ลงมือทำ: สร้างและส่งมอบแอป Edge AI	Edge AI Developer: จากเซนเซอร์สู่โมเดลบนอุปกรณ์	L3 ทำได้เอง

บทเรียนที่ประเมินทักษะนี้

บทเรียน	ระดับ	หลักฐาน
ลงมือทำ: เมนูโมเดลตัวแรกของเรา	L2 ทำตามแนวทาง	practice/s01_first_inference.py
ลงมือทำ: จาก verdict สู่ action บนบอร์ด	L2 ทำตามแนวทาง	practice/s03_anatomy_edgeai.py
ลงมือทำ: แอปโฟกัสของเราเอง	L2 ทำตามแนวทาง	practice/s15_apps.py
ลงมือทำ: action pipeline ที่กัน false positive	L3 ทำได้เอง	practice/s16_action_pipeline.py
ลงมือทำ: สร้างและส่งมอบแอป Edge AI	L3 ทำได้เอง	practice/s20_capstone.py

บทบาทที่ใช้ทักษะนี้

บทบาท	ระดับขั้นต่ำ	ในบทบาทนี้
วิศวกร Edge AI	L3 ทำได้เอง	จำเป็น (R) · ยกจาก P ในแผนที่
ผู้ประกอบการและเจ้าของผลิตภัณฑ์	L2 ทำตามแนวทาง	จำเป็น (R) · ยกจาก P ในแผนที่

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: 74f7982f-4654-5846-b42b-672096a96b37

{
  "type": [
    "Alignment"
  ],
  "targetName": "Edge AI",
  "targetUrl": "https://tesaiot.github.io/tesa-qualification-program/skills/ai.edge/",
  "targetCode": "ai.edge",
  "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