DRT 345 · 3(3-0-6) · ชั้นปี/ภาค 1/2

ปัญญาประดิษฐ์ การวิเคราะห์ข้อมูล และการมองเห็นด้วยคอมพิวเตอร์สำหรับ UAS

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

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

คำอธิบายรายวิชา

ปัญญาประดิษฐ์ การเรียนรู้ของเครื่อง และการวิเคราะห์ข้อมูลสำหรับระบบอากาศยานไร้คนขับ การเตรียมข้อมูล การจำแนกประเภท การพยากรณ์ การประเมินแบบจำลอง การประมวลผลภาพ การตรวจจับ การรู้จำและการติดตามวัตถุ ข้อมูลภาพเชิงแสง ความร้อน หลายช่วงคลื่น และไลดาร์ การหลอมรวมข้อมูลเซนเซอร์ การประมวลผลแบบเวลาจริง ปัญญาประดิษฐ์ ณ อุปกรณ์ปลายทาง การรับรู้สภาพแวดล้อม การนำร่อง การตรวจสอบ และการตัดสินใจอัตโนมัติของระบบอากาศยานไร้คนขับ

คำอธิบายภาษาอังกฤษ

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.

ที่มาคำอธิบาย: เล่มร่างหลักสูตร (25 ก.ย. 2569)

ผลลัพธ์การเรียนรู้ระดับรายวิชา (CLO)

CLOผลลัพธ์การเรียนรู้PLO
CLO1อธิบายหลัก AI การวิเคราะห์ข้อมูล และ computer visionPLO4
CLO2ออกแบบขั้นตอนประมวลผลข้อมูลจากโดรนPLO4
CLO3ประเมินผลลัพธ์ AI อย่างมีหลักฐานและจริยธรรมPLO4PLO6

โมดูลการเรียนรู้

1ข้อมูลและสถิติ
สัปดาห์ 1–3 · 27 ชม.
2 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.
1 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.
2 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.
2 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.
2 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