เซนเซอร์และแอคชูเอเตอร์
บทเรียนที่พัฒนาทักษะนี้
หัวข้อที่มีชื่อว่า “บทเรียนที่พัฒนาทักษะนี้”| บทเรียน | หลักสูตร | พัฒนาถึงระดับ |
|---|---|---|
| ระบบสมองกลฝังตัวซ่อนอยู่รอบตัวเรา | Explorer: เปิดโลกระบบสมองกลฝังตัว | L1 รู้จัก |
| อ่านเซนเซอร์แล้วดูค่าเปลี่ยน | Explorer: เปิดโลกระบบสมองกลฝังตัว | L1 รู้จัก |
| ทัวร์บอร์ด: เล่นของจริงก่อน | AIoT in Action: จากหน้าจอสัมผัสสู่แพลตฟอร์ม IoT (MicroPython) | L1 รู้จัก |
| อนาล็อกและสัมผัส: ADC ลูกบิด และ CapSense | AIoT in Action: จากหน้าจอสัมผัสสู่แพลตฟอร์ม IoT (MicroPython) | L2 ทำตามแนวทาง |
| กรองสัญญาณ: EMA กับ Median แล้วแกะโค้ดเกจ | AIoT in Action: จากหน้าจอสัมผัสสู่แพลตฟอร์ม IoT (MicroPython) | L2 ทำตามแนวทาง |
| ลงมือทำ: เกจลูกบิดกับแถบสัมผัส | AIoT in Action: จากหน้าจอสัมผัสสู่แพลตฟอร์ม IoT (MicroPython) | L2 ทำตามแนวทาง |
| accelerometer กับมุมเอียง: roll และ pitch | AIoT in Action: จากหน้าจอสัมผัสสู่แพลตฟอร์ม IoT (MicroPython) | L2 ทำตามแนวทาง |
| gyro ฟิลเตอร์ complementary และโค้ดเครื่องวัดระดับ | AIoT in Action: จากหน้าจอสัมผัสสู่แพลตฟอร์ม IoT (MicroPython) | L2 ทำตามแนวทาง |
| ลงมือทำ: เครื่องวัดระดับดิจิทัล | 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 |
| ลงมือทำ: Mini-HMI Dashboard และการทดสอบ 10 นาที | AIoT in Action: จากหน้าจอสัมผัสสู่แพลตฟอร์ม IoT (MicroPython) | L2 ทำตามแนวทาง |
| อ่านความดันและอุณหภูมิจาก DPS368 ผ่าน I2C | TESAIoT Firmware Stack: เฟิร์มแวร์ภาษา C บน TESAIoT Dev Kit | L2 ทำตามแนวทาง |
| ภาพการเคลื่อนไหว 6 แกนจาก BMI270 | TESAIoT Firmware Stack: เฟิร์มแวร์ภาษา C บน TESAIoT Dev Kit | L2 ทำตามแนวทาง |
| ตัวบ่งชี้ความชื้นและอุณหภูมิจาก SHT4x | TESAIoT Firmware Stack: เฟิร์มแวร์ภาษา C บน TESAIoT Dev Kit | L2 ทำตามแนวทาง |
| เข็มทิศดิจิทัลจาก BMM350 บน I3C พร้อม calibration | TESAIoT Firmware Stack: เฟิร์มแวร์ภาษา C บน TESAIoT Dev Kit | L3 ทำได้เอง |
| Motion radar: วาดทิศการเคลื่อนไหวแบบ polar | TESAIoT Firmware Stack: เฟิร์มแวร์ภาษา C บน TESAIoT Dev Kit | L2 ทำตามแนวทาง |
| ไมโครโฟน PDM สเตอริโอและ level meter | TESAIoT Firmware Stack: เฟิร์มแวร์ภาษา C บน TESAIoT Dev Kit | L2 ทำตามแนวทาง |
| SensorHub: แดชบอร์ดรวมเซนเซอร์ทุกตัว (งานปิดชุด) | TESAIoT Firmware Stack: เฟิร์มแวร์ภาษา C บน TESAIoT Dev Kit | L3 ทำได้เอง |
| ควบคุม RGB dot matrix ผ่าน I2C | TESAIoT Firmware Stack: เฟิร์มแวร์ภาษา C บน TESAIoT Dev Kit | L2 ทำตามแนวทาง |
| วงจรแบ่งแรงดันและเซนเซอร์แบบอนาล็อก | อิเล็กทรอนิกส์และเครื่องมือวัดสำหรับนักพัฒนาระบบฝังตัว | L2 ทำตามแนวทาง |
| สตรีมเซ็นเซอร์ที่พร้อมสำหรับ Edge AI | TESA Firmware SDK สำหรับ Edge AI | L2 ทำตามแนวทาง |
| แล็บ: สตรีมเซ็นเซอร์และหน้าต่างข้อมูลพร้อม AI | TESA Firmware SDK สำหรับ Edge AI | L2 ทำตามแนวทาง |
| แกะแอปเซนเซอร์: โครงร่วมสี่จังหวะของทุกโปรแกรม | Edge AI Developer: จากเซนเซอร์สู่โมเดลบนอุปกรณ์ | L2 ทำตามแนวทาง |
| ลงมือทำ: remix เป็น Tilt Monitor ของเรา | Edge AI Developer: จากเซนเซอร์สู่โมเดลบนอุปกรณ์ | L2 ทำตามแนวทาง |
| สุ่มสัญญาณให้ตรงกับโมเดล: อัตราสุ่ม Nyquist หน้าต่าง และ schema ของ 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 |
| จากตัวเลขดิบสู่ปริมาณทางฟิสิกส์: มุมเอียง พลังงาน ความสูง และ dBFS | Edge AI Developer: จากเซนเซอร์สู่โมเดลบนอุปกรณ์ | L2 ทำตามแนวทาง |
| ค่าอนุพัทธ์และการจำแนกด้วยกฎ: dew point, heat index และบันไดกฎ | Edge AI Developer: จากเซนเซอร์สู่โมเดลบนอุปกรณ์ | L2 ทำตามแนวทาง |
| ฟิลเตอร์ DSP: EMA, Median, Kalman และ radar range profile | Edge AI Developer: จากเซนเซอร์สู่โมเดลบนอุปกรณ์ | L2 ทำตามแนวทาง |
| ลงมือทำ: ฟิลเตอร์ทำสัญญาณให้สะอาดสด ๆ | Edge AI Developer: จากเซนเซอร์สู่โมเดลบนอุปกรณ์ | L2 ทำตามแนวทาง |
| sensor fusion: verdict ของโมเดลกับเซนเซอร์ดิบ | Edge AI Developer: จากเซนเซอร์สู่โมเดลบนอุปกรณ์ | L3 ทำได้เอง |
บทเรียนที่ประเมินทักษะนี้
หัวข้อที่มีชื่อว่า “บทเรียนที่ประเมินทักษะนี้”| บทเรียน | ระดับ | หลักฐาน |
|---|---|---|
| อ่านเซนเซอร์แล้วดูค่าเปลี่ยน | L1 รู้จัก | practice/tilt_alarm.py |
| ลงมือทำ: เกจลูกบิดกับแถบสัมผัส | L2 ทำตามแนวทาง | practice/s05_pot_capsense.py |
| ลงมือทำ: เครื่องวัดระดับดิจิทัล | L2 ทำตามแนวทาง | practice/s06_digital_level.py |
| ลงมือทำ: กราฟความเร่งสามแกน | L2 ทำตามแนวทาง | practice/s07_accel_chart.py |
| ลงมือทำ: Mini-HMI Dashboard และการทดสอบ 10 นาที | L2 ทำตามแนวทาง | practice/s08_dashboard.py |
| ลงมือทำ: remix เป็น Tilt Monitor ของเรา | L2 ทำตามแนวทาง | practice/s02_anatomy_sensor.py |
บทบาทที่ใช้ทักษะนี้
หัวข้อที่มีชื่อว่า “บทบาทที่ใช้ทักษะนี้”| บทบาท | ระดับขั้นต่ำ | ในบทบาทนี้ |
|---|---|---|
| วิศวกร Edge AI | L3 ทำได้เอง | จำเป็น (R) · ยกจาก P ในแผนที่ |
| นักพัฒนาอุปกรณ์ IoT | L3 ทำได้เอง | จำเป็น (R) · ยกจาก P ในแผนที่ |
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: ac016082-53c7-5e8d-a263-c7376f8c1074
{ "type": [ "Alignment" ], "targetName": "Sensors & Actuators", "targetUrl": "https://tesaiot.github.io/tesa-qualification-program/skills/sys.sensors-actuators/", "targetCode": "sys.sensors-actuators", "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