การประมวลผลปัญญาประดิษฐ์ที่อุปกรณ์ปลายทาง
Edge AI Computing
คำอธิบายรายวิชา
สถาปัตยกรรมอุปกรณ์ประมวลผลปลายทาง การเร่งการประมวลผลแบบจำลอง การลดขนาดและควอนไทซ์แบบจำลอง การประมวลผลภาพและข้อมูลแบบเวลาจริง การจัดการพลังงาน การเชื่อมต่อเซนเซอร์ และการติดตั้งแบบจำลองปัญญาประดิษฐ์บนแพลตฟอร์มฝังตัว
คำอธิบายภาษาอังกฤษ
edge-computing architectures, model-acceleration methods, model compression and quantization, real-time image and data processing, power management, sensor interfacing, and deployment of AI models on embedded platforms
ผลลัพธ์การเรียนรู้ระดับรายวิชา (CLO)
| CLO | ผลลัพธ์การเรียนรู้ | PLO |
|---|---|---|
| CLO1 | อธิบายข้อจำกัดของการประมวลผล AI บนอุปกรณ์ปลายทาง | PLO4 |
| CLO2 | แปลงและปรับแต่งโมเดลสำหรับอุปกรณ์ปลายทาง | PLO4 |
| CLO3 | วัดและรายงานประสิทธิภาพบนฮาร์ดแวร์จริง | PLO4PLO5 |
โมดูลการเรียนรู้
1Edge AI กับโดรน
สัปดาห์ 1–3 · 27 ชม.2 KU
ออนไลน์ (ก่อนเข้าชั้น) · 12 ชม.
ศึกษาหน่วยความรู้ที่กำหนดล่วงหน้า ดูสื่อประกอบ และทำ quiz ประจำโมดูล
ในชั้นเรียน / ภาคสนาม · 15 ชม.
ปฏิบัติการในห้องแล็บหรือภาคสนามตามใบงาน พร้อม checklist ความปลอดภัย
2การแปลงโมเดลและ ONNX
สัปดาห์ 4–6 · 27 ชม.2 KU
ออนไลน์ (ก่อนเข้าชั้น) · 12 ชม.
ศึกษาหน่วยความรู้ที่กำหนดล่วงหน้า ดูสื่อประกอบ และทำ quiz ประจำโมดูล
- การนำโมเดล AI ขึ้นอุปกรณ์ปลายทางอยู่ระหว่างพัฒนา
- ONNX Runtime
ในชั้นเรียน / ภาคสนาม · 15 ชม.
ปฏิบัติการในห้องแล็บหรือภาคสนามตามใบงาน พร้อม checklist ความปลอดภัย
3Quantization
สัปดาห์ 7–9 · 27 ชม.2 KU
ออนไลน์ (ก่อนเข้าชั้น) · 12 ชม.
ศึกษาหน่วยความรู้ที่กำหนดล่วงหน้า ดูสื่อประกอบ และทำ quiz ประจำโมดูล
- การนำโมเดล AI ขึ้นอุปกรณ์ปลายทางอยู่ระหว่างพัฒนา
- Edge Impulse
ในชั้นเรียน / ภาคสนาม · 15 ชม.
ปฏิบัติการในห้องแล็บหรือภาคสนามตามใบงาน พร้อม checklist ความปลอดภัย
4ฮาร์ดแวร์ปลายทาง
สัปดาห์ 10–12 · 27 ชม.2 KU
ออนไลน์ (ก่อนเข้าชั้น) · 12 ชม.
ศึกษาหน่วยความรู้ที่กำหนดล่วงหน้า ดูสื่อประกอบ และทำ quiz ประจำโมดูล
ในชั้นเรียน / ภาคสนาม · 15 ชม.
ปฏิบัติการในห้องแล็บหรือภาคสนามตามใบงาน พร้อม checklist ความปลอดภัย
5Benchmark และแผนใช้งาน
สัปดาห์ 13–15 · 27 ชม.1 KU
ออนไลน์ (ก่อนเข้าชั้น) · 12 ชม.
ศึกษาหน่วยความรู้ที่กำหนดล่วงหน้า ดูสื่อประกอบ และทำ quiz ประจำโมดูล
ในชั้นเรียน / ภาคสนาม · 15 ชม.
ปฏิบัติการในห้องแล็บหรือภาคสนามตามใบงาน พร้อม checklist ความปลอดภัย
การวัดและประเมินผล (ร่าง)
| ปฏิบัติการและใบงาน | 35% |
| quiz ประจำโมดูล | 10% |
| สอบกลางภาค | 20% |
| โครงงานย่อยหรือสอบปฏิบัติ | 35% |
โดเมนความรู้
แหล่งอ้างอิงหลัก
- Warden, P., & Situnayake, D. (2020). TinyML: Machine learning with TensorFlow Lite on Arduino and ultra-low-power microcontrollers. O'Reilly Media.
- ONNX Runtime. Documentation. link