UAT 315 · 3(3-0-6) · ชั้นปี/ภาค 1/2

ปัญญาประดิษฐ์ การวิเคราะห์ข้อมูล และการมองเห็นด้วยคอมพิวเตอร์สำหรับระบบอากาศยานไร้คนขับ

Artificial Intelligence, Data Analytics and Computer Vision for Unmanned Aircraft Systems

ความคืบหน้า
ชั่วโมงตามการออกแบบ: 135 ชม. (ออนไลน์/ศึกษาด้วยตนเอง 90 · ในชั้นเรียน/ปฏิบัติ 45)

คำอธิบายรายวิชา

กระบวนการข้อมูลสำหรับระบบอากาศยานไร้คนขับ การเตรียมและวิเคราะห์ข้อมูล การเรียนรู้ของเครื่อง การเรียนรู้เชิงลึก การตรวจจับ จำแนก แบ่งส่วน และติดตามวัตถุ การวิเคราะห์ข้อมูลจากเซนเซอร์หลายชนิด การประเมินแบบจำลอง การประมวลผลแบบเวลาจริง และข้อพิจารณาด้านความน่าเชื่อถือและจริยธรรมของปัญญาประดิษฐ์

คำอธิบายภาษาอังกฤษ

UAS data pipelines, data preparation and analytics, machine learning, deep learning, object detection, classification, segmentation, and tracking, analysis of multisensor data, model evaluation, real-time processing, and reliability and ethical considerations for AI

ที่มาคำอธิบาย: ร่างเล่มหลักสูตร (แก้ไข 28 ก.ย. 2569)รหัสเดิมในเว็บ: DRT 345

ผลลัพธ์การเรียนรู้ระดับรายวิชา (CLO)

CLOผลลัพธ์การเรียนรู้PLO
CLO1อธิบายหลัก AI การวิเคราะห์ข้อมูล และ computer visionPLO4
CLO2ออกแบบขั้นตอนประมวลผลข้อมูลจากโดรนPLO4
CLO3ประเมินผลลัพธ์ AI อย่างมีหลักฐานและจริยธรรมPLO4PLO6

โมดูลการเรียนรู้

1ข้อมูลและสถิติ
สัปดาห์ 1–3 · 27 ชม.
บทเรียน 90 นาทีquiz3 KU

ออนไลน์ (ก่อนเข้าชั้น) · 18 ชม.

ศึกษาหน่วยความรู้ที่กำหนดล่วงหน้า ดูสื่อประกอบ และทำ quiz ประจำโมดูล

ในชั้นเรียน / ภาคสนาม · 9 ชม.

บรรยาย อภิปรายกรณีศึกษา และแก้โจทย์ในชั้นเรียน

หลักฐานการเรียนรู้: ผล quiz และแบบฝึกหัดที่ส่ง

2พื้นฐาน ML
สัปดาห์ 4–6 · 27 ชม.
บทเรียน 90 นาทีquiz1 KU

ออนไลน์ (ก่อนเข้าชั้น) · 18 ชม.

ศึกษาหน่วยความรู้ที่กำหนดล่วงหน้า ดูสื่อประกอบ และทำ quiz ประจำโมดูล

ในชั้นเรียน / ภาคสนาม · 9 ชม.

บรรยาย อภิปรายกรณีศึกษา และแก้โจทย์ในชั้นเรียน

หลักฐานการเรียนรู้: ผล quiz และแบบฝึกหัดที่ส่ง

3Computer vision
สัปดาห์ 7–9 · 27 ชม.
บทเรียน 90 นาทีquiz4 KU

ออนไลน์ (ก่อนเข้าชั้น) · 18 ชม.

ศึกษาหน่วยความรู้ที่กำหนดล่วงหน้า ดูสื่อประกอบ และทำ quiz ประจำโมดูล

ในชั้นเรียน / ภาคสนาม · 9 ชม.

บรรยาย อภิปรายกรณีศึกษา และแก้โจทย์ในชั้นเรียน

หลักฐานการเรียนรู้: ผล quiz และแบบฝึกหัดที่ส่ง

4ชุดข้อมูลและการประเมิน
สัปดาห์ 10–12 · 27 ชม.
บทเรียน 90 นาทีquiz4 KU

ออนไลน์ (ก่อนเข้าชั้น) · 18 ชม.

ศึกษาหน่วยความรู้ที่กำหนดล่วงหน้า ดูสื่อประกอบ และทำ quiz ประจำโมดูล

ในชั้นเรียน / ภาคสนาม · 9 ชม.

บรรยาย อภิปรายกรณีศึกษา และแก้โจทย์ในชั้นเรียน

หลักฐานการเรียนรู้: ผล quiz และแบบฝึกหัดที่ส่ง

5AI ในงานจริงและจริยธรรม
สัปดาห์ 13–15 · 27 ชม.
บทเรียน 90 นาทีquiz3 KU

ออนไลน์ (ก่อนเข้าชั้น) · 18 ชม.

ศึกษาหน่วยความรู้ที่กำหนดล่วงหน้า ดูสื่อประกอบ และทำ quiz ประจำโมดูล

ในชั้นเรียน / ภาคสนาม · 9 ชม.

บรรยาย อภิปรายกรณีศึกษา และแก้โจทย์ในชั้นเรียน

หลักฐานการเรียนรู้: ผล quiz และแบบฝึกหัดที่ส่ง

การวัดและประเมินผล (ร่าง)

งาน quiz และแบบฝึกหัด20%
สอบกลางภาค30%
สอบปลายภาค40%
การมีส่วนร่วมและการอภิปราย10%

โดเมนความรู้

แหล่งอ้างอิงหลัก

  1. Géron, A. (2022). Hands-on machine learning with Scikit-Learn, Keras, and TensorFlow (3rd ed.). O'Reilly.
  2. Szeliski, R. (2022). Computer vision: Algorithms and applications (2nd ed.). Springer. link
  3. UNESCO. (2021). Recommendation on the ethics of artificial intelligence. link