Day 1 Workshop Materials Arduino UNO Q × Modulino × Edge Impulse Regional Coding & AI Competition — ห้อง Edge AI
Workshop 6 ชั่วโมง (09:00–17:00) ที่สอนให้นักเรียน สร้าง Edge AI prototype ด้วย Arduino UNO Q + Modulino + Edge Impulse จบใน 1 วัน — เพื่อเตรียมไปแข่ง Prototype Day ในวันถัดไป
Repo นี้ควรอ่านเหมือนคู่มือระหว่างเรียน: เปิดดูตามลำดับ, ทำทีละช่วง, แล้วเช็กว่า repo ทีมมีหลักฐานครบตามที่ต้องส่ง
หลังจบ Day 1 นักเรียนจะ:
- เข้าใจ pipeline ของ Edge AI: Data → Train → Deploy → Inference
- ออกแบบ class & dataset ที่ลดอคติ (bias-aware)
- Train โมเดลผ่าน Edge Impulse Studio + Deploy ลง UNO Q
- จดบันทึก Prediction Log อย่างเป็นระบบ
- ใช้ Git/GitHub ในการเก็บหลักฐานและ version model
| หัวข้อ | น้ำหนัก | คะแนนเต็ม |
|---|---|---|
| Setup & Safety | 1.25 | 5 |
| Core Implementation | 2.5 | 10 |
| Data & Testing | 1.25 | 5 |
| Debug & Explain | 1.25 | 5 |
| Participation & Collaboration | 1.25 | 5 |
สำหรับเกณฑ์ Day 2–3 ดูเพิ่มที่ docs/07-day2-day3-rubric.md
coding-thailand-edge-ai-workshop/
├── README.md ← ตอนนี้อ่านอยู่ที่นี่
├── docs/ ← เอกสารหลัก
│ ├── 01-schedule.md ← Timeline 6 ชม.
│ ├── 02-tracks.md ← 4 Tracks ให้เลือก
│ ├── 03-rubric.md ← เกณฑ์ให้คะแนน
│ ├── 04-git-basics.md ← Git 101 สำหรับนักเรียน
│ ├── 05-troubleshooting.md ← ปัญหาที่พบบ่อย
│ ├── 06-github-setup.md ← การตั้งค่า GitHub ก่อนเริ่ม
│ └── 07-day2-day3-rubric.md ← เกณฑ์รอบ prototype + pitch
├── slides/ ← Slide outline
│ ├── day1-outline.md
│ └── day2-outline.md
├── worksheets/ ← ใบงานนักเรียน
│ ├── W1-class-design.md
│ ├── W2-data-collection-log.md
│ ├── W3-prediction-log.md
│ └── W4-idea-canvas.md
├── labs/ ← Lab manual แต่ละ track
│ ├── README.md ← ทางเข้า lab ทั้งหมด
│ ├── common/ ← คู่มือกลางที่ใช้ทุก track
│ ├── anchor-demo/ ← Gesture Wand (demo เปิด)
│ ├── track-a-motion/ ← Motion classification
│ ├── track-b-vision/ ← Vision classification
│ ├── track-c-environment/ ← Multi-sensor fusion
│ └── track-d-audio/ ← Audio classification
├── templates/ ← Template สำหรับสร้าง repo ทีม
│ ├── team-repo-template/ ← Template repo ของทีม
│ └── pull-request-template.md
└── assets/ ← รูป diagram
ถ้าเพิ่งเข้ามาใน workshop นี้ ให้ทำตามลำดับนี้:
- ดู Timeline วันนี้ เพื่อรู้ว่าช่วงไหนต้องทำอะไร
- เลือก Track ของทีม ให้เหมาะกับเวลาที่มีและความถนัดของทีม
- เรียน Git พื้นฐาน 15 นาที ถ้ายังไม่คล่อง Git/GitHub
- สร้าง repo ทีมใหม่จาก Team Repo Template
- เปิด Labs Overview แล้วทำตาม lab manual ของ track ที่เลือก
เริ่มจากคัดลอกไฟล์ในโฟลเดอร์ template ไปใส่ repo ใหม่ของทีมบน GitHub แล้วค่อย clone repo นั้นลงเครื่อง
ถ้าติดขัดระหว่างทาง ให้เปิด Troubleshooting Guide ก่อนขอความช่วยเหลือ
- Dataset ที่ใช้ train (อยู่ใน
dataset/หรือ link Edge Impulse project) - Model V1 และ V2 (export จาก Edge Impulse)
- Prediction Log อย่างน้อย 10 cases (
logs/predictions.csv) - Idea Canvas สำหรับรอบต่อยอด (
worksheets/W4-idea-canvas.md) - README ของทีม อธิบายโจทย์, classes, ผลลัพธ์
เวลาเตรียมเวิร์กช็อป ให้เริ่มจาก:
- เตรียมของที่จะแจกแต่ละทีมตาม docs/00-equipment-checklist.md
- ปรับ docs/01-schedule.md และ slides/day1-outline.md ให้ตรงกับบริบทของห้อง
- ใช้ docs/03-rubric.md เป็นเกณฑ์ประเมินกลาง
- ใช้ docs/07-day2-day3-rubric.md สำหรับรอบ prototype + pitch
ไฟล์ที่ใช้ตอนเตรียมห้องและเปิดเวิร์กช็อป:
- docs/00-equipment-checklist.md
- slides/day1-outline.md
- slides/day2-outline.md
- labs/anchor-demo/README.md
- Hardware: Arduino UNO Q (Qualcomm Dragonwing QRB2210) + Modulino nodes
- ML Platform: Edge Impulse Studio
- Deploy: Arduino App Lab
- Version Control: Git + GitHub
MIT — ใช้สอนต่อ ปรับแต่งได้อย่างเสรี
จัดทำสำหรับ โครงการ Coding Thailand 2026 — AI Inspires the Future โดย DEPA และทีมพัฒนาเนื้อหา
Questions? เปิด Issue หรือ Discussion