Schedules

“ฟาร์มเอไอ” โดยลิสเซินฟิลด์ แอพพลิเคชั่นสำหรับเกษตรกรและกลุ่มเกษตรกรเพื่อทำเกษตรอย่างแม่นยำและยั่งยืน ฟาร์มเอไอเกิดจากแนวคิดที่ต้องการพัฒนา AI เพื่อเกษตรกรไทย ก่อตั้งโดย ดร.รัสรินทร์ ชินโชติธีรนันท์ เป็นคนไทยเพียงคนเดียวที่ร่วมพัฒนาในโครงการ Strategic Innovation Program (SIP) ของรัฐบาลญี่ปุ่นในส่วนการพัฒนาแพลตฟอร์มข้อมูลและการวิเคราะห์สำหรับการเกษตรและสิ่งแวดล้อม ลิสเซินฟิลด์เป็นทีมที่เกิดจากนักวิจัยที่พัฒนาโมเดลสภาพอากาศ โมเดลจำลองการเจริญเติบโตของพืช โดยใช้หลายเทคนิคตั้งแต่ Genetic Algorithm, Deep Nearal Network (AI) และ Machine learning เพื่อการพัฒนาการเกษตรและรับมือกับสภาพอากาศที่แปลงเปลี่ยน
จุดเด่นของฟาร์มเอไอ คือ
ระบบที่รองรับการบันทึกกิจกรรมฟาร์มและบัญชีฟาร์ม เพื่อเกษตรปลอดภัยและไร่นาสวนผสม เพื่อกระจายความเสี่ยง สร้างระบบนิเวศที่สมดุล
มีข้อมูลสภาพอากาศที่สำคัญต่อปัจจัยการเจริญเติบโตของพืช ระบบประมาณการผลผลิตและการเจริญเติบโต โดยนำปัจจัยในหลายมิติ ร่วมถึงสภาพอากาศที่แปรปรวนมาร่วมวิเคราะห์
ระบบการตรวจสอบย้อนกลับ เพื่อประโยชน์ต่อเกษตรกรในการขอรับรองมาตรฐาน ประโยชน์ต่อสหกรณ์หรือวิสาหกิจชุมชนในการบริหารจัดการผลผลิตและความสัมพันธ์กับเกษตรกรในกลุ่ม เพื่อการร่วมกลุ่มทำเกษตรมีประสิทธิภาพด้วยข้อมูลและเครื่องมือดิจิทัล ช่วยสร้างอำนาจต่อรองให้กลุ่มเกษตรกรในการขายสินค้า ร่วมถึงสร้างความเชื่อมั่นให้กับผู้บริโภค
ลิสเซินฟิลด์มุ่งเน้นการพัฒนาเทคโนโลยีเพื่อสร้างความเป็นอยู่ที่ดีขึ้นให้เกษตรกร โดยดูไปที่ปัจจัยพื้นฐานทั้งแต่ ดิน พันธุ์พืช สภาพอากาศ เพื่อการเพิ่มผลผลิต เพิ่มประสิทธิภาพการผลิต เป็นมิตรต่อสังคมและสิ่งแวดล้อม ฟาร์มเอไอเริ่มเปิดให้เกษตรกรดาวน์โหลดแอพพลิเคชั่นเดือนมีนาคม 2562 ปัจจุบันมีเกษตรกรใช้งานแอพพลิเคชั่นกว่า 7,200 ราย ครอบคลุมพื้นที่กว่า 26,000 ไร่ทั่วประเทศไทย พืชหลักที่อยู่บนระบบ 10 ลำดับแรกตามจำนวนพื้นที่ปลูกได้แก่ ข้าว (11,819 ไร่) ทุเรียน ผักชี ข้าวโพด ข้าวเหนียว อ้อย ลำไย มะพร้าว มันสำปะหลัง กล้วย แครอท (571 ไร่)
ลิสเซินฟิลด์ยังมีส่วนของ API (Application Programing Interface Platform) ในการเข้าถึงการวิเคราะห์เชิงลึกในการจำลองการเจริญเติบโตของพืช ร่วมถึงการวิเคราะห์ภาพถ่ายทางอากาศ และการบริหารจัดการระบบ Field Sensor Network เพื่อการบริหารจัดการข้อมูลการเกษตรอย่างมีประสิทธิภาพที่ให้บริการกับหน่วยงานหลายแห่งในประเทศญี่ปุ่น

1. รู้จักกับตัวอย่าง BigData สำคัญ เช่น Facebook AI Thai Population ข้อมูลแบบจำลองระดับของโลก ข้อมูล กทม. 2. เรียนรู้การใช้เครื่องมือจัดการข้อมูลปริภูมิ Python 3.7+ และแพ็คเกจ ที่จำเป็นต้องใช้ในการเข้าถึงและจัดเก็บ geobigdata 3. รู้จักเทคนิคและอัลกอรึธึมในการจัดการข้อมูล geospatial big data wranling 4. สิ่งที่ต้องเตรียมมาก่อน Crowdsourcing Datasets: Facebook AI Population, Global DEM, Remote Sensing Data, BMA, UAV Hacking Tools : Pyhon 3.7+, GDAL, OGR, geographiclib, Geopandas, Shapely, Rasterio, rasterstats, Simplekml, pickle

PostGIS Database management ผู้เข้าอบรมจะได้เรียนรู้ถึงระบบ Spatial Database ของ Post GIS version 2.5 โดยเริ่มต้นจากหลักการพื้นฐานในการใช้งาน รวมทั้งความสามารถด้านการวิเคราะห์เชิงพื้นที่ด้วย Spatial Analysis function ที่มีความสามารถสูงของระบบ PostGIS ทำให้สามารถประยุกต์ใช้ต่อไปในอนาคตหรือจัดทำระบบฐานข้อมูลที่มีประสิทธิภาพเพื่อระบบงานขององค์กรได้ต่อไป 1. ระบบ Spatial Database 2. การจัดสร้าง Spatial Database 3. เข้านำเข้าข้อมูล Spatial Database ด้วย QGIS 4. การเรียกใช้งานข้อมูลจาก Spatial Database 5. การใช้งาน Spatial Analysis function ของ PostGIS 6. การใช้งาน Spatial Join Software ที่ควรติดตั้งมาก่อนเข้าอบรม - Postgresql Database version 10.10 (https://www.enterprisedb.com/downloads/postgres-postgresql-downloads) - PostGIS 2.5.3 (http://download.osgeo.org/postgis/windows/pg10/) - QGIS 3.4 (https://qgis.org/en/site/forusers/download.html)

1. เรียนการใช้ python สำหรับบริหารจัดการข้อมูลเชิงพื้นที่และระบบพิกัดภูมิศาสตร์ (Spatial Reference System)
2. เรียนรู้การประมวลผล(Spatial Data processing)และวิเคราะห์ข้อมูลเชิงพื้นที่ (Spatial Data Analysis) ด้วยโปรแกรม Opensource GIS เช่น GDAL, OGR, Proj4, GeoPandas, Geos เป็นต้น
3. เรียนรู้การสร้างชุดคำสั่งเงื่อนไขค้นหาเชิงพื้นที่ (Spatial Query) เพื่อหาคำตอบหรือนำไปใช้แก้ปัญหาเชิงธุรกิจ
4. เรียนรู้การเข้าถึงข้อมูล Spatial Data ผ่าน OGC web Service เช่น WMS , WFS
5. เรียนรู้การวิเคราะห์ข้อมูลแบบจำลองภูมิประเทศสามมิติ จาก SRTM และ ALOS DEM**
6. เรียนรู้ การวิเคราะห์ Network Analysis เบื้องต้นกับ OSM(Open Street Map) Dataset **
7. เรียนรู้การแสดงผล นำเสนอข้อมูล Spatial Data ทั้งรูปแบบแผนที่ thematic map และ Web Map Application

1.การจัดเก็บและจัดการข้อมูลสภาพอากาศรายวันในฐานข้อมูล PostgreSQL
2.การจัดการกับข้อมูลและแสดงแผนที่ใน GeoServer ตามเงื่อนไขของเวลา ทั้งข้อมูล Vector และ Raster
3.ออกแบบการแสดงผลแผนที่สภาพอากาศด้วย Styled Layer Descriptor (SLD)
4.การใช้ฟังก์ชัน SQL view, CQL และ Viewparams ของ GeoServer สำหรับการแสดงผลข้อมูลแผนที่
- ค้นหาข้อมูลสภาพอากาศใน Layer โดยใช้คำสั่ง CQL
- การแสดงแผนที่สภาพอากาศหลาย ๆ วันในหนึ่งชั้นข้อมูลโดยใช้ความสามารถของ viewparams
- การ Processing ข้อมูล Buffer เพื่อหาสถานที่ที่อยู่ในรัศมีที่มีปริมาณน้ำฝนเยอะใช้การอ้างอิงจากสถานีตรวจวัด โดยใช้ความสามารถของ PostGIS
5.การให้บริการข้อมูลสภาพอากาศตามเงื่อนไขของเวลาโดยใช้ความสามารถ WFS ของโปรแกรม GeoSever
6.การแสดงผลข้อมูลสภาพอากาศรายวัน โดยเรียกใช้บริการ WMS ใน OpenLayers

Jumpstart with QGIS. โปรแกรมที่ต้องติดตั้ง QGIS Version 3.4.12 LTR

ผู้เข้าอบรมจะได้เรียนรู้วิธีการสร้าง Dashboard เพื่อแสดงผลข้อมูลในรูปแบบของ Chart, ภาพจากกล้อง cctv และแผนที่ - Webmap (เช่น Vectortile, geojson, WMS, TMS) อย่างง่ายๆ โดยใช้ React Package software ที่ต้องเตรียมมา
- nodejs ความรู้เบื้องต้นของผู้เข้าอบรม
- nodejs - reactjs - javascript

GeoBlockchain จะเป็นการจัด workshop จากทีม Thaichain
Workshop เพื่อมาทำ Smart Contract เกี่ยวกับการจัดเก็บจัดการข้อมูล Spatial บน Blockchain แบบ Public Network (Thaichain) ด้วยภาษา Solidity ใช้ Tools http://remix.ethereum.org ในการพัฒนา และ Deploy ลงใน blockchain network

Workshop ครั้งนี้จะแสดงให้เห็นถึงตัวอย่างการใช้ BigStream Platform ในการรวบรวมข้อมูล Open Data จากแหล่งข้อมูลของหน่วยงานต่างๆ เช่น ข้อมูลอุตุนิยมวิทยา ข้อมูลจากโทรมาตรหรือสถานีตรวจวัดฯ และข้อมูลจากอุปกรณ์ IoT ได้โดยอัตโนมัติ รวมถึงแนวทางการพัฒนาซอฟต์แวร์เพื่อใช้ร่วมกับข้อมูลเหล่านี้ กำหนดการ 09.00 - 09.20 BigStream Introduction 09.20 - 09.45 Setup BigStream 09.45 - 10.45 Data Collector via BigStream Job -- break -- 11.00 - 11.45 Programing with BigStream Data API 11.45 - 12.00 Q&A พื้นฐานเบื้องต้นของผู้เข้าร่วม - Linux OS (Ubuntu) orWindows or Mac - Programing Language เช่น Python ,JavaScript** สิ่งที่ผู้เข้าร่วมต้องเตรียมตัว - เตรียม Notebook หรือ PC ที่มี RAM อย่างน้อย 4 GB และพื้นที่อย่างน้อย 10GB สำหรับติดตั้ง BigStream เครื่องมือเพิ่มเติม และเก็บข้อมูลบนเครื่องตัวเอง - ติดตั้ง Python3 (with Jupyter), Nodejs, Postman

การพัฒนาระบบค้นหาเส้นทางการสัญจร (Navigation system)โดยใช้ pgRouting algorithm ซึ่งเป็นเครื่องมือที่ทํางานร่วมกับ PostgreSQL/PostGIS เข้ามาช่วยในการวิเคราะห์ ระบบโครงข่ายถนนสําหรับการบริการเส้นทางที่สั้นที่สุด หรือเส้นทางที่เหมาะสมที่สุด วัตถุประสงค์ของการอบรมในครั้งนี้ เพื่อเสนอเสนอ ซอร์ฟแวร์รหัสเปิดที่ชื่อ pgRouting ซึ่งวัตถุประสงค์หลักของ pgRouting คือ จัดหาฟังก์ชั่นสำหรับการใช้งานใน PostgreSQL/PostGIS. เพื่อสร้างเครื่องมือในการคำนวนหาระยะทาง จะคล้าย ๆ กับ ชุดคำสั่งในโปรแกรมบางโปรแกรมเช่น คำสั่งการค้นหาระยะทางที่ใกล้ที่สุดในโปรแกรม ArcGIS ที่หลายๆท่านรู้จักกันดีในชื่อ Network Analysis หรือการค้นหาเส้นทางใน google map ที่หลายๆท่านอาจจะเคยใช้ ข้อดีของ pgRouting คือ ผู้ใช้หรือผู้พัฒนาสามารถที่จะทำการสร้างเงื่อนไขในการค้นหาเส้นทางได้ด้วยตัวเอง เช่น การหาเส้นทางที่ใกล้ที่สุด เร็วที่สุด เหมาะสมที่สุด ฯลฯ

Vector Tile เทคนิคการนำเสนอข้อมูล GIS ออนไลน์รูปแบบใหม่ซึ่งกำลังเป็นที่นิยม ด้วยการผสานลักษณะการแสดงผลข้อมูลแบบ Tile Map service {Z} {X} {Y} เข้ากับข้อมูล vector เพิ่มประสิทธิภาพในการแสดงผลข้อมูลแผนที่รายละเอียดสูงด้วย Compression of GeoJSON + ความสามารถในการปรับแต่ง/แก้ไขคุณสมบัติ เพื่อกำหนด style ในการแสดงผลแผนที่บนฝั่ง client + การเข้าถึงข้อมูล attribute data ได้โดยตรงผ่านเว็บบราวเซอร์เพิ่มความสามารถการทำ Labeling และ Classification แบบเรียลไทม์ on demand จากฝั่งผู้ใช้โดยตรง

Make a Web Map with Leaflet เป็นการแนะนำเครื่องมือ Open source Leaflet javascript library เบื้องต้น, การสร้างหน้าเว็บเพื่อแสดงผลแผนที่โดยใช้ Leaflet, การกำหนดขอบเขตการแสดงผลแผนที่, การเพิ่ม Base Map ประเภทต่างๆ และการกำหนดทางเลือกการแสดงชั้นข้อมูลบน Leaflet, การสร้าง Marker และการสร้าง Popup หรือ Label ของ Marker, การเพิ่มชั้นข้อมูล WMS จาก GeoServer, การเพิ่มชั้นข้อมูล GeoJSON บน Leaflet, แนะนำการใช้งาน Plugin ของ leaflet เบื้องต้น

พัฒนา QGIS plugins โดยใช้ plugin builder และ Python เพื่อดึงข้อมูลอุตุนิยมวิทยา (อุณหภูมิ อุณหภูมิสูงสุด อุณหภูมิสต่ำสุด ปริมาณฝน ค่าเฉลี่ยความชื้นสัมพัทธ์) ผ่าน APIs ของกรมอุตุนิยมวิทยา แล้ววบันทึกเป็น Excel แล้วใช้ไฟล์ excel มาสร้างเป็นจุด (Point) ทำการวิเคราะห์ Interpolation ด้วยเทคนิค IDW

ภาษาไพธอน เหมาะสำหรับผู้ที่สนใจศาสตร์เชิงพื้นที่ โดยเฉrาะผู้ที่ไม่ได้มีพื้นฐานการเขียนโปรแกรมในภาษาหลัก เนื่องจากความง่ายในการเรียนรู้ ด้วยเครื่องมือที่ถูกพัฒนาอย่างเพียงพอ สามารถนำมาใช้ในการประมวลผลข้อมูลเรดาร์ตรวจอากาศภาคพื้นที่ดินร่วมกับไลบราลี่รหัสเปิด เช่น wradlib รวมไปถึงการประมวลผลข้อมูลผลิตภัณฑ์ฝนประมาณค่าจากข้อมูลดาวเทียมชนิดราสเตอร์ ยังสามารถใช้ไพธอนเข้าจัดการอย่างมีประสิทธิภาพ ช่วยอำนวยความสะดวกงานวิจัยให้พัฒนาไปอย่างรวดเร็ว ใน Workshop เราจะมาเรียนรู้การใช้งานไพธอนในการจัดการข้อมูลดังที่กล่าวมาผ่านตัวอย่างงานวิจัยในเบื้องต้นครับ

Real-time monitoring Things using NB-IoT จะเป็น Workshop ที่เป็น Lab ในการทำ Sensor ขึ้นมาจากเริ่มต้น โดยที่ทางผู้มาจัด Workshop จะจัดทำ List ของ Hardware มา และจัดทำ ชุด Kit มาจำหน่ายบนหน้า Website โดยที่จะมีการประชาสัมพันธ์ตามหลังไป โดยที่ใน Workshop จะเป็นการทำระบบการ Sensor ในการ Monitoring Environmental ต่างๆ โดยเพียงแค่ยกตัวอย่างวิธีการสื่อสารเป็น NB-IOT เท่านั้น ผู่เข้า workshop เองก็สามารถ เลือกเป็น Wifi ได้อยู่แล้วถ้าไม่สะดวกใช้ NB-IOT
ขั้นตอนการติดตั้ง Program สำหรับใช้ Workshop รายละเอียดดังนี้
1. ติดตั้ง Arduino IDE
2. ลง Library ให้ครบทุกตัว(มีทั้งหมด 3 ตัว)
โดยสามารถดูขั้นตอนการลงโปรแกรมได้จาก User Manual ตาม Link ดังนี้
https://drive.google.com/drive/u/0/folders/1Nro5KQ8y8GoGR8eetmnMbPSgn-U8Z-My?fbclid=IwAR2QyItHABtWyQKmLhm81VaKilpKqnHizP6c_d6dHzt-9b6vYyUYL8uBkbg


กำหนดการ
13:00 – 13:05 น. กล่าวแนะนำโครงการสัมมนา

13:05 – 13:30 น. บรรยายความรู้เกี่ยว IoT และ NB-IoT

13:30 – 14:00 น. บรรยาย AIS IoT Platform (Magellan)

14:00 – 14:15 น. เตรียมอุปกรณ์

14:15 – 15:45 น. Workshop NB-IoT (Lab) (ผู้เข้าร่วมสัมมนาเตรียม Notebook มาเอง)

15:45 – 16:00 น. ถาม – ตอบ

รายชื่อวิทยากรจาก AIS
1. สิริกันยา จงเจริญพรชัย (Engineer Specialist—AIS)
2. ศิริวรรณ สุราวุธ (Engineer –AIS)
3. อลงกรณ์ ดีพลงาม (Engineer – AIS)