คู่มือจัดกิจกรรม: AI และโดรน: จากภาพสู่โมเดล

จัดบทอ่าน กิจกรรม ชิ้นงาน และการประเมินให้สอดคล้องกัน ใช้เป็นแผนเตรียมสอนและปรับเวลาหลังทดลองกับผู้เรียน

คู่มือผู้สอน · รอทดลองสอนจริง

กล้องบนขาตั้งบันทึกแผ่นลายตารางสำหรับปรับเทียบภาพ
ภาพประกอบแนวคิดสร้างด้วย AI

จัดบทอ่าน กิจกรรม ชิ้นงาน และการประเมินให้สอดคล้องกัน ใช้เป็นแผนเตรียมสอนและปรับเวลาหลังทดลองกับผู้เรียน

เตรียมก่อนเปิดอบรม

  1. ตรวจความรู้ก่อนเรียนและเครื่องของผู้เรียน ดาวน์โหลดชุดฝึกและทดลองคำสั่งใน environment เดียวกับห้องเรียน
  2. แยกบทอ่าน/PC จากกิจกรรมที่ต้องติดตั้ง framework หรือใช้สถานีอุปกรณ์จริง ระบุผู้รับผิดชอบก่อนกำหนดวันฝึก
  3. เตรียมตัวอย่างที่เปิดตรวจสิทธิ์ได้ เว้นเวลาพักนอกชั่วโมงเรียนสุทธิ และแจ้งเกณฑ์ชิ้นงานล่วงหน้า
  4. ใช้คะแนนร่างเป็นข้อมูลปรับการสอน ไม่ออกใบรับรองวิชาชีพจากการอ่านเว็บหรือส่ง CSV

AI และโดรน: จากภาพถึงการทดลองโมเดล

ก่อนเรียน: เปิด notebook รัน Python อ่านไฟล์ CSV และเข้าใจ train/test เบื้องต้น; มีบทปรับพื้นฐานให้ทบทวนก่อน

ชิ้นงานรวม: object detection หนึ่งกรณี: data card, split manifest, model bundle, evaluation และ benchmark PC

เรียนสุทธิ 40 ชั่วโมง เตรียมก่อนเรียน 240 นาทีแยกต่างหาก

G01 · กฎหมายและบทบาท · 60 นาที

เปิดบทและใบงาน →

อธิบาย 15 นาที · ลงมือฝึก 30 นาที · ตรวจงาน/สะท้อนผล 15 นาที

ใช้บทแกน 60 นาทีภายในเวลานี้ ไม่บวกเวลาซ้ำ

ถามก่อนเปิดแนวคำตอบ: ข้อมูลใดเป็นเงื่อนไขของภารกิจนี้ และข้อมูลใดยังใช้ตัดสินใจไม่ได้?

หลักฐานที่ต้องตรวจ: ครบทั้ง 4 ด้าน; ทุกข้อสรุปมี source ID หรือระบุรอยืนยัน

G03 · ธรรมาภิบาลและวงจรข้อมูล · 120 นาที

เปิดบทและใบงาน →

อธิบาย 30 นาที · ลงมือฝึก 75 นาที · ตรวจงาน/สะท้อนผล 15 นาที

ใช้บทแกน 60 นาทีภายในเวลานี้ และกิจกรรมเพิ่มเติม 60 นาที ไม่บวกเวลาซ้ำ

เพิ่ม data-flow สองแบบ: ส่งภายในทีมกับส่งให้ผู้รับภายนอก ให้กำหนดสิทธิ์เข้าถึง การปกปิด และเหตุที่ต้องทบทวนระยะเก็บ พร้อมทดสอบการตอบคำขอใช้ข้อมูลผิดวัตถุประสงค์

ถามก่อนเปิดแนวคำตอบ: ใครจำเป็นต้องเห็นต้นฉบับ และใครใช้ข้อมูลลดรายละเอียดได้?

หลักฐานที่ต้องตรวจ: ระบุเจ้าของงานและการเก็บ/ลบทุกชุดข้อมูล; ข้อยกเว้นกฎหมายที่ยังไม่ยืนยันแสดงชัด

G04 · ระบบและหลักฐานการทำงาน · 120 นาที

เปิดบทและใบงาน →

อธิบาย 30 นาที · ลงมือฝึก 75 นาที · ตรวจงาน/สะท้อนผล 15 นาที

ใช้บทแกน 30 นาทีภายในเวลานี้ และกิจกรรมเพิ่มเติม 90 นาที ไม่บวกเวลาซ้ำ

เพิ่มข้อกำหนดระบบตามสายนี้ 5 ข้อ ให้เพื่อนแยก verification จาก validation เชื่อมวิธีตรวจและหลักฐานกับรุ่นระบบ แล้วแก้ข้อกำหนดที่วัดไม่ได้ก่อนทดลอง

ถามก่อนเปิดแนวคำตอบ: ผล simulator ใดบ้างที่ยังใช้ยืนยันฮาร์ดแวร์จริงไม่ได้?

หลักฐานที่ต้องตรวจ: อย่างน้อย 5 requirement ที่วัดได้; ระบุหน่วย รุ่น และข้อจำกัด

G05 · คุณภาพภาพและการประเมิน AI · 180 นาที

เปิดบทและใบงาน →

อธิบาย 45 นาที · ลงมือฝึก 105 นาที · ตรวจงาน/สะท้อนผล 30 นาที

ใช้บทแกน 60 นาทีภายในเวลานี้ และกิจกรรมเพิ่มเติม 120 นาที ไม่บวกเวลาซ้ำ

เพิ่มการตรวจคุณภาพภาพที่มีสิทธิ์ใช้และอภิปราย false positive/false negative ตามภารกิจ เปรียบเทียบ threshold บน validation แล้วเก็บเหตุผลก่อนเปิด test

ถามก่อนเปิดแนวคำตอบ: กรณีนี้การพลาดเป้าหมายหรือการแจ้งเตือนผิดมีผลเสียมากกว่า เพราะอะไร?

หลักฐานที่ต้องตรวจ: ยกตัวอย่าง false positive/negative ถูกต้อง; ระบุหน่วยวัดและข้อจำกัด

A01 · เตรียมและแบ่งชุดข้อมูล · 420 นาที

เปิดบทและใบงาน →

อธิบาย 105 นาที · ลงมือฝึก 240 นาที · ตรวจงาน/สะท้อนผล 75 นาที

ใช้เวลานอก lab 90 นาทีตรวจสิทธิ์และคุณภาพ กำกับภาพจริงที่มีสิทธิ์ และ peer review data card ก่อนเริ่มฝึกโมเดล

ถามก่อนเปิดแนวคำตอบ: ภาพคนละไฟล์จากเที่ยวบินเดียวกันนับเป็นข้อมูลอิสระหรือไม่?

หลักฐานที่ต้องตรวจ: ไม่พบ group ID ซ้ำข้าม split; ทุกแหล่งมีสิทธิ์ใช้ที่ตรวจได้; test ถูกพักไว้

A02 · ฝึกและประเมิน object detection · 900 นาที

เปิดบทและใบงาน →

อธิบาย 225 นาที · ลงมือฝึก 495 นาที · ตรวจงาน/สะท้อนผล 180 นาที

ให้ผู้เรียนส่ง model bundle และสาธิต inference บนเครื่องอีกเครื่องโดยอ้าง environment ที่ใช้จริง ผู้สอนตรวจว่าทดสอบหลัง lock และไม่ใช้ภาพ test ปรับค่า

ถามก่อนเปิดแนวคำตอบ: คะแนนดีขึ้นเพราะโมเดลดีขึ้นหรือข้อมูลทดสอบรั่ว?

หลักฐานที่ต้องตรวจ: ประเมิน test หลังล็อกค่าตัดสินใจ; เก็บ config/รุ่น/ผลผิดพลาด; รัน inference จาก bundle ได้

A03 · benchmark และแผนใช้งาน Edge · 600 นาที

เปิดบทและใบงาน →

อธิบาย 150 นาที · ลงมือฝึก 330 นาที · ตรวจงาน/สะท้อนผล 120 นาที

ให้ผู้เรียนจับเวลาสองขนาดภาพ ตรวจความแม่นยำควบคู่ความเร็ว และหาสาเหตุ outlier ก่อนสรุปว่าสมควรลดโมเดลหรือเปลี่ยนอุปกรณ์

ถามก่อนเปิดแนวคำตอบ: ผลบน PC สนับสนุนข้อสรุปใดและยังไม่สนับสนุนอะไรบนโดรน?

หลักฐานที่ต้องตรวจ: วัดหลัง warm-up พร้อมจำนวนตัวอย่าง/เครื่อง/ขนาดภาพ; แยกผล PC กับบอร์ดจริง

ประเมินชิ้นงานรวม

  • ไม่มี group เดียวกันรั่วข้าม split
  • ไม่ใช้ test เลือกโมเดลหรือ threshold
  • แยกผลวัดจริงจากผลคาดหวังและข้อจำกัดบอร์ด
  • ตรวจสิทธิ์ภาพ โค้ด และโมเดลก่อนแจก

Rubric ร่าง: ความถูกต้อง 30 หลักฐานตรวจย้อนกลับ 30 เหตุผลและข้อจำกัด 25 การสื่อสาร 15 รวม 100; เป้าหมายร่าง 75 พร้อมผ่านเกณฑ์สำคัญทุกข้อ ผู้สอนสองคนควรทดลองให้คะแนนชิ้นเดียวกันและปรับเกณฑ์ที่ตีความต่างกัน

เก็บผลและปรับรอบถัดไป

แยกเวลาที่ผู้เรียนใช้จริง จุดติดขัด การช่วยเหลือจากผู้สอน และงานที่เสร็จด้วยตนเอง อย่ารวมความพึงพอใจเข้ากับผลสมรรถนะเป็นคะแนนเดียว

เปิดชุดทดลองเรียนและบันทึกผล →

วิธีอ้างอิงหน้านี้

สถาบันโดรน มหาวิทยาลัยรังสิต. (2569). คู่มือจัดกิจกรรม: AI และโดรน: จากภาพสู่โมเดล. ใน คลังความรู้หลักสูตร ทล.บ. เทคโนโลยีระบบอากาศยานไร้คนขับ. https://rsu-drt.pk-research.work/th/kb/courses/teaching/ai-drone/

ต้นฉบับจากคลังความรู้โดรน: https://drone.pk-research.work/courses/teaching/ai-drone/ · © PK-Research