การฝึกโมเดลสำหรับอุปกรณ์ขนาดเล็ก

รหัสทักษะ

ai.model-training

หมวด

ระบบและการประยุกต์

กลุ่ม

ปัญญาประดิษฐ์บนอุปกรณ์

ความสำคัญตาม Roadmap

ไม่มีสีใน Roadmap (TESA เพิ่ม)

ที่มา

หัวข้อใน README ของ Roadmap

สถานะในคลังบทเรียน

มีบทเรียนประเมิน

ดูในแผนที่ทักษะ

บทเรียนที่พัฒนาทักษะนี้

บทเรียน	หลักสูตร	พัฒนาถึงระดับ
วิศวกรรมชุดข้อมูล: สมดุลคลาส หน้าต่าง และการแบ่ง train/val/test	Edge AI Developer: จากเซนเซอร์สู่โมเดลบนอุปกรณ์	L1 รู้จัก
ฝึกโมเดลใน Docker: หนึ่งชิ้นงาน สี่เป้าหมาย	Edge AI Developer: จากเซนเซอร์สู่โมเดลบนอุปกรณ์	L2 ทำตามแนวทาง
ข้างในการฝึก: Keras, Conv1D, gradient descent, int8 และ confusion matrix	Edge AI Developer: จากเซนเซอร์สู่โมเดลบนอุปกรณ์	L3 ทำได้เอง
ลงมือทำ: เติมสคริปต์ฝึกแล้วรันใน Docker	Edge AI Developer: จากเซนเซอร์สู่โมเดลบนอุปกรณ์	L3 ทำได้เอง

บทเรียนที่ประเมินทักษะนี้

บทเรียน	ระดับ	หลักฐาน
ลงมือทำ: เติมสคริปต์ฝึกแล้วรันใน Docker	L2 ทำตามแนวทาง	practice/s12_train.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: e729c756-a37f-5710-a2fb-b4e5a8a60879

{
  "type": [
    "Alignment"
  ],
  "targetName": "Model Training for Tiny Devices",
  "targetUrl": "https://tesaiot.github.io/tesa-qualification-program/skills/ai.model-training/",
  "targetCode": "ai.model-training",
  "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