MicroPython บนไมโครคอนโทรลเลอร์
บทเรียนที่พัฒนาทักษะนี้
หัวข้อที่มีชื่อว่า “บทเรียนที่พัฒนาทักษะนี้”| บทเรียน | หลักสูตร | พัฒนาถึงระดับ |
|---|---|---|
| โปรแกรมแรก: เขียนบนจอและเปิดไฟ | Explorer: เปิดโลกระบบสมองกลฝังตัว | L1 รู้จัก |
| อ่านเซนเซอร์แล้วดูค่าเปลี่ยน | Explorer: เปิดโลกระบบสมองกลฝังตัว | L1 รู้จัก |
| ข้อความแรกขึ้นจอ: โมดูล lcd กับ ui | AIoT in Action: จากหน้าจอสัมผัสสู่แพลตฟอร์ม IoT (MicroPython) | L2 ทำตามแนวทาง |
| เปิดกล่อง: สองคอร์ งาน AIoT และป้ายของทีม | AIoT in Action: จากหน้าจอสัมผัสสู่แพลตฟอร์ม IoT (MicroPython) | L2 ทำตามแนวทาง |
| ui.Chart: กราฟหลาย series และคาบเวลาของลูปจริง | AIoT in Action: จากหน้าจอสัมผัสสู่แพลตฟอร์ม IoT (MicroPython) | L2 ทำตามแนวทาง |
| ลงมือทำ: กราฟความเร่งสามแกน | AIoT in Action: จากหน้าจอสัมผัสสู่แพลตฟอร์ม IoT (MicroPython) | L2 ทำตามแนวทาง |
| ประกอบแดชบอร์ด: สี่การ์ดในลูปเดียว | AIoT in Action: จากหน้าจอสัมผัสสู่แพลตฟอร์ม IoT (MicroPython) | L2 ทำตามแนวทาง |
| จอสถานะเครือข่าย: แกะโค้ดโมดูล wifi | AIoT in Action: จากหน้าจอสัมผัสสู่แพลตฟอร์ม IoT (MicroPython) | L2 ทำตามแนวทาง |
| โมดูล edge_ai: ถามทะเบียนโมเดล เลือก แล้วอ่านคำตอบ | Edge AI Developer: จากเซนเซอร์สู่โมเดลบนอุปกรณ์ | L2 ทำตามแนวทาง |
| ลงมือทำ: เมนูโมเดลตัวแรกของเรา | Edge AI Developer: จากเซนเซอร์สู่โมเดลบนอุปกรณ์ | L2 ทำตามแนวทาง |
| แกะแอปเซนเซอร์: โครงร่วมสี่จังหวะของทุกโปรแกรม | Edge AI Developer: จากเซนเซอร์สู่โมเดลบนอุปกรณ์ | L2 ทำตามแนวทาง |
| ลงมือทำ: remix เป็น Tilt Monitor ของเรา | 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 |
| ลงมือทำ: DAQ logger เก็บ dataset ลง CSV | Edge AI Developer: จากเซนเซอร์สู่โมเดลบนอุปกรณ์ | L2 ทำตามแนวทาง |
| ลงมือทำ: เก็บ IMU กับเสียงลงไฟล์เดียว | Edge AI Developer: จากเซนเซอร์สู่โมเดลบนอุปกรณ์ | L2 ทำตามแนวทาง |
| ลงมือทำ: เกจฟิสิกส์สี่ตัวบนจอ | Edge AI Developer: จากเซนเซอร์สู่โมเดลบนอุปกรณ์ | L2 ทำตามแนวทาง |
| ลงมือทำ: ตัวจำแนกความสบายด้วยกฎ | Edge AI Developer: จากเซนเซอร์สู่โมเดลบนอุปกรณ์ | L2 ทำตามแนวทาง |
| ลงมือทำ: ฟิลเตอร์ทำสัญญาณให้สะอาดสด ๆ | Edge AI Developer: จากเซนเซอร์สู่โมเดลบนอุปกรณ์ | L2 ทำตามแนวทาง |
| ลงมือทำ: สเปกตรัมสดจาก IMU | Edge AI Developer: จากเซนเซอร์สู่โมเดลบนอุปกรณ์ | L2 ทำตามแนวทาง |
| ลงมือทำ: feature vector จากหน้าต่างเลื่อน | Edge AI Developer: จากเซนเซอร์สู่โมเดลบนอุปกรณ์ | L2 ทำตามแนวทาง |
| ลงมือทำ: เก็บ dataset ที่สมดุลบนบอร์ดแล้วแบ่งบน PC | Edge AI Developer: จากเซนเซอร์สู่โมเดลบนอุปกรณ์ | L2 ทำตามแนวทาง |
| ลงมือทำ: เทียบสามเป้าหมาย MCU, Web และ PC | Edge AI Developer: จากเซนเซอร์สู่โมเดลบนอุปกรณ์ | L2 ทำตามแนวทาง |
| หกโมเดลกับ edge_ai API: แอปที่โฟกัสโมเดลเดียว | Edge AI Developer: จากเซนเซอร์สู่โมเดลบนอุปกรณ์ | L2 ทำตามแนวทาง |
| ลงมือทำ: แอปโฟกัสของเราเอง | Edge AI Developer: จากเซนเซอร์สู่โมเดลบนอุปกรณ์ | L2 ทำตามแนวทาง |
| ลงมือทำ: action pipeline ที่กัน false positive | Edge AI Developer: จากเซนเซอร์สู่โมเดลบนอุปกรณ์ | L2 ทำตามแนวทาง |
| ลงมือทำ: ส่องสแตกจาก MicroPython | Edge AI Developer: จากเซนเซอร์สู่โมเดลบนอุปกรณ์ | L2 ทำตามแนวทาง |
| ลงมือทำ: ให้โมเดลใหม่โผล่ใน edge_ai.models() | Edge AI Developer: จากเซนเซอร์สู่โมเดลบนอุปกรณ์ | L2 ทำตามแนวทาง |
บทเรียนที่ประเมินทักษะนี้
หัวข้อที่มีชื่อว่า “บทเรียนที่ประเมินทักษะนี้”| บทเรียน | ระดับ | หลักฐาน |
|---|---|---|
| เปิดกล่อง: สองคอร์ งาน AIoT และป้ายของทีม | L2 ทำตามแนวทาง | practice/s01_hello_lcd.py |
| ลงมือทำ: พาค่าจริงออกจากบอร์ด และสรุปโมดูล 1 | L2 ทำตามแนวทาง | practice/s02_ai_observer.py |
| ลงมือทำ: เมนูโมเดลตัวแรกของเรา | L2 ทำตามแนวทาง | practice/s01_first_inference.py |
| ลงมือทำ: remix เป็น Tilt Monitor ของเรา | L2 ทำตามแนวทาง | practice/s02_anatomy_sensor.py |
บทบาทที่ใช้ทักษะนี้
หัวข้อที่มีชื่อว่า “บทบาทที่ใช้ทักษะนี้”| บทบาท | ระดับขั้นต่ำ | ในบทบาทนี้ |
|---|---|---|
| นักพัฒนาอุปกรณ์ IoT | L2 ทำตามแนวทาง | 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: 0543525d-0f44-5ddf-8ebf-46eaf1dcb8a9
{ "type": [ "Alignment" ], "targetName": "MicroPython", "targetUrl": "https://tesaiot.github.io/tesa-qualification-program/skills/lang.micropython/", "targetCode": "lang.micropython", "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