เทคโนโลยีอากาศยานไร้คนขับสำหรับวิศวกรรมขนส่งและโลจิสติกส์

บทนำ

เรียนรู้การใช้อากาศยานไร้คนขับเพื่อเก็บข้อมูลภาคสนาม วางแผนภารกิจ และประยุกต์ภาพถ่ายกับงานขนส่งและโลจิสติกส์อย่างปลอดภัย

ปฏิทินรายการ

คาบถัดไป: พฤหัส 23 ก.ค. 2569

13:00

ในชั้นเรียน

กรกฎาคม 2569

จ.

อ.

พ.

พฤ.

ศ.

ส.

อา.

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

แนะนำหลักสูตร & การจัดทีม

13:00ผ่านแล้ว

17

18

19

20

21

22

23

พื้นฐานโดรน & การมอบหมาย Self-Study (Jigsaw) + แบ่งงานนำเสนอ 35 ไอเดีย

13:00คาบถัดไป

24

25

26

27

28

29

30

31

สิงหาคม 2569

จ.

อ.

พ.

พฤ.

ศ.

ส.

อา.

1

2

3

4

5

6

นำเสนอหัวข้อ Self-Study (รอบ 1) + แนะนำ Computer Vision & Gen AI

13:00กำลังจะมาถึง

7

8

9

10

11

12

13

นำเสนอหัวข้อ Self-Study (รอบ 2) + การศึกษา 35 ไอเดียโปรเจกต์เชิงลึก

13:00กำลังจะมาถึง

14

15

16

17

18

19

20

นำเสนอ 35 ไอเดียโปรเจกต์ + เลือกโปรเจกต์ของทีม

13:00กำลังจะมาถึง

21

22

23

24

25

26

27

สร้าง Dataset + การพัฒนาโมเดลแรก (No-Code)

13:00กำลังจะมาถึง

28

29

30

31

กันยายน 2569

จ.

อ.

พ.

พฤ.

ศ.

ส.

อา.

1

2

3

การรวมระบบ & Gen AI Integration ผ่าน n8n

13:00กำลังจะมาถึง

4

5

6

7

8

9

10

วันนำเสนอกลางภาค (Midterm Demo Day)

13:00กำลังจะมาถึง

11

12

13

14

15

16

17

พัฒนาและปรับปรุงโปรเจกต์ (1): นำฟีดแบ็กมาใช้

13:00กำลังจะมาถึง

18

19

20

21

22

23

24

พัฒนาและปรับปรุงโปรเจกต์ (2): วิเคราะห์ข้อมูลด้วย Gen AI

13:00กำลังจะมาถึง

25

26

27

28

29

30

ตุลาคม 2569

จ.

อ.

พ.

พฤ.

ศ.

ส.

อา.

1

พัฒนาและปรับปรุงโปรเจกต์ (3): เนื้อหาและการนำเสนอผลลัพธ์

13:00กำลังจะมาถึง

2

3

4

5

6

7

8

พัฒนาและปรับปรุงโปรเจกต์ (4): เตรียมความพร้อมก่อน Integration

13:00กำลังจะมาถึง

9

10

11

12

13

14

15

การรวมระบบในโลกจริง & เอกสารประกอบ

13:00กำลังจะมาถึง

16

17

18

19

20

21

22

วันนำเสนอผลงานสุดท้าย (Final Presentation)

13:00กำลังจะมาถึง

23

24

25

26

27

28

การสะท้อนผลการเรียนรู้และพัฒนา Portfolio

13:00กำลังจะมาถึง

29

30

31

1. 1

   แนะนำหลักสูตร & การจัดทีม

   180 นาที
2. 2

   พื้นฐานโดรน & การมอบหมาย Self-Study (Jigsaw) + แบ่งงานนำเสนอ 35 ไอเดีย

   180 นาที
3. 3

   นำเสนอหัวข้อ Self-Study (รอบ 1) + แนะนำ Computer Vision & Gen AI

   180 นาที
4. 4

   นำเสนอหัวข้อ Self-Study (รอบ 2) + การศึกษา 35 ไอเดียโปรเจกต์เชิงลึก

   180 นาที
5. 5

   นำเสนอ 35 ไอเดียโปรเจกต์ + เลือกโปรเจกต์ของทีม

   180 นาที
6. 6

   สร้าง Dataset + การพัฒนาโมเดลแรก (No-Code)

   180 นาที
7. 7

   การรวมระบบ & Gen AI Integration ผ่าน n8n

   180 นาที
8. 8

   วันนำเสนอกลางภาค (Midterm Demo Day)

   180 นาที
9. 9

   พัฒนาและปรับปรุงโปรเจกต์ (1): นำฟีดแบ็กมาใช้

   180 นาที
10. 10

    พัฒนาและปรับปรุงโปรเจกต์ (2): วิเคราะห์ข้อมูลด้วย Gen AI

    180 นาที
11. 11

    พัฒนาและปรับปรุงโปรเจกต์ (3): เนื้อหาและการนำเสนอผลลัพธ์

    180 นาที
12. 12

    พัฒนาและปรับปรุงโปรเจกต์ (4): เตรียมความพร้อมก่อน Integration

    180 นาที
13. 13

    การรวมระบบในโลกจริง & เอกสารประกอบ

    180 นาที
14. 14

    วันนำเสนอผลงานสุดท้าย (Final Presentation)

    180 นาที
15. 15

    การสะท้อนผลการเรียนรู้และพัฒนา Portfolio

    180 นาที

ผู้สอน