คณิตศาสตร์และแคลคูลัสพื้นฐาน
บทเรียนที่พัฒนาทักษะนี้
หัวข้อที่มีชื่อว่า “บทเรียนที่พัฒนาทักษะนี้”| บทเรียน | หลักสูตร | พัฒนาถึงระดับ |
|---|---|---|
| กรองสัญญาณ: EMA กับ Median แล้วแกะโค้ดเกจ | AIoT in Action: จากหน้าจอสัมผัสสู่แพลตฟอร์ม IoT (MicroPython) | L1 รู้จัก |
| accelerometer กับมุมเอียง: roll และ pitch | AIoT in Action: จากหน้าจอสัมผัสสู่แพลตฟอร์ม IoT (MicroPython) | L2 ทำตามแนวทาง |
| WiFi และเครือข่าย: dBm DHCP IP และ DNS | AIoT in Action: จากหน้าจอสัมผัสสู่แพลตฟอร์ม IoT (MicroPython) | L1 รู้จัก |
| แรงดัน กระแส และความต้านทาน | อิเล็กทรอนิกส์และเครื่องมือวัดสำหรับนักพัฒนาระบบฝังตัว | L2 ทำตามแนวทาง |
| แกะแอปเซนเซอร์: โครงร่วมสี่จังหวะของทุกโปรแกรม | Edge AI Developer: จากเซนเซอร์สู่โมเดลบนอุปกรณ์ | L1 รู้จัก |
| แกะแอป Edge AI: ทะเบียนโมเดล verdict และ action | Edge AI Developer: จากเซนเซอร์สู่โมเดลบนอุปกรณ์ | L2 ทำตามแนวทาง |
| จากตัวเลขดิบสู่ปริมาณทางฟิสิกส์: มุมเอียง พลังงาน ความสูง และ dBFS | Edge AI Developer: จากเซนเซอร์สู่โมเดลบนอุปกรณ์ | L2 ทำตามแนวทาง |
| ฟิลเตอร์ DSP: EMA, Median, Kalman และ radar range profile | Edge AI Developer: จากเซนเซอร์สู่โมเดลบนอุปกรณ์ | L2 ทำตามแนวทาง |
| FFT และโดเมนความถี่: bin, Nyquist, DC, leakage และ Hann window | 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 | L2 ทำตามแนวทาง |
| ข้างในการฝึก: Keras, Conv1D, gradient descent, int8 และ confusion matrix | Edge AI Developer: จากเซนเซอร์สู่โมเดลบนอุปกรณ์ | L3 ทำได้เอง |
| รันโมเดลบนเว็บ: LiteRT.js, int8 I/O และ parity | Edge AI Developer: จากเซนเซอร์สู่โมเดลบนอุปกรณ์ | L2 ทำตามแนวทาง |
| sensor fusion: verdict ของโมเดลกับเซนเซอร์ดิบ | Edge AI Developer: จากเซนเซอร์สู่โมเดลบนอุปกรณ์ | L2 ทำตามแนวทาง |
บทเรียนที่ประเมินทักษะนี้
หัวข้อที่มีชื่อว่า “บทเรียนที่ประเมินทักษะนี้”ยังไม่มีบทเรียน
บทบาทที่ใช้ทักษะนี้
หัวข้อที่มีชื่อว่า “บทบาทที่ใช้ทักษะนี้”| บทบาท | ระดับขั้นต่ำ | ในบทบาทนี้ |
|---|---|---|
| วิศวกร Edge AI | L3 ทำได้เอง | จำเป็น (R) |
ระดับความสามารถ
หัวข้อที่มีชื่อว่า “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
หัวข้อที่มีชื่อว่า “ใช้อ้างอิงใน Open Badges 3.0 และ CASE”UUID: a60c54e9-25cd-5297-be63-3be8bfdcd03e
{ "type": [ "Alignment" ], "targetName": "Basic Math & Calculus", "targetUrl": "https://tesaiot.github.io/tesa-qualification-program/skills/hw.math/", "targetCode": "hw.math", "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
TESA Open Knowledge · © 2026 สมาคมสมองกลฝังตัวไทย (TESA) · CC BY-NC 4.0
เนื้อหาเผยแพร่ภายใต้ CC BY-NC 4.0 นำไปใช้ต่อในงานที่ไม่ใช่เพื่อการค้าได้ โปรดอ้างอิงสมาคมสมองกลฝังตัวไทย (TESA) ทุกครั้ง · วิธีอ้างอิง TESA