Artificial Intelligence, Data Analytics and Computer Vision for Unmanned Aircraft Systems
ปัญญาประดิษฐ์ การวิเคราะห์ข้อมูล และการมองเห็นด้วยคอมพิวเตอร์สำหรับ UAS
Course description
Artificial intelligence, machine learning and data analytics; data preparation; classification, prediction and model evaluation; image processing; object detection, recognition and tracking; optical, thermal, multispectral, LiDAR and sensor data; sensor fusion; real-time and edge AI; and autonomous applications.
Thai description
ปัญญาประดิษฐ์ การเรียนรู้ของเครื่อง และการวิเคราะห์ข้อมูลสำหรับระบบอากาศยานไร้คนขับ การเตรียมข้อมูล การจำแนกประเภท การพยากรณ์ การประเมินแบบจำลอง การประมวลผลภาพ การตรวจจับ การรู้จำและการติดตามวัตถุ ข้อมูลภาพเชิงแสง ความร้อน หลายช่วงคลื่น และไลดาร์ การหลอมรวมข้อมูลเซนเซอร์ การประมวลผลแบบเวลาจริง ปัญญาประดิษฐ์ ณ อุปกรณ์ปลายทาง การรับรู้สภาพแวดล้อม การนำร่อง การตรวจสอบ และการตัดสินใจอัตโนมัติของระบบอากาศยานไร้คนขับ
Course learning outcomes (CLO)
| CLO | Outcome | PLO |
|---|---|---|
| CLO1 | Explain AI, data analytics and computer vision | PLO4 |
| CLO2 | Design drone data-processing pipelines | PLO4 |
| CLO3 | Evaluate AI results with evidence and ethics | PLO4PLO6 |
Learning modules
1Data and statistics
Weeks 1–3 · 27 h2 KU
Online (before class) · 18 h
Study the assigned knowledge units in advance, review media and take the module quiz
- Descriptive statistics and probability distributionsIn development
- Data handling and visualisation with PythonIn development
In class / field · 9 h
Lecture, case discussion and in-class problem solving
2ML fundamentals
Weeks 4–6 · 27 h1 KU
Online (before class) · 18 h
Study the assigned knowledge units in advance, review media and take the module quiz
- Machine learning fundamentalsIn development
In class / field · 9 h
Lecture, case discussion and in-class problem solving
3Computer vision
Weeks 7–9 · 27 h2 KU
Online (before class) · 18 h
Study the assigned knowledge units in advance, review media and take the module quiz
- Computer vision and the path to edge AITH
- Deep learning and CNNsIn development
In class / field · 9 h
Lecture, case discussion and in-class problem solving
4Datasets and evaluation
Weeks 10–12 · 27 h2 KU
Online (before class) · 18 h
Study the assigned knowledge units in advance, review media and take the module quiz
In class / field · 9 h
Lecture, case discussion and in-class problem solving
5AI in practice and ethics
Weeks 13–15 · 27 h2 KU
Online (before class) · 18 h
Study the assigned knowledge units in advance, review media and take the module quiz
In class / field · 9 h
Lecture, case discussion and in-class problem solving
Assessment (draft)
| Quizzes and exercises | 20% |
| Midterm examination | 30% |
| Final examination | 40% |
| Participation and discussion | 10% |