✅ ระยะที่ 1: ตั้งค่า N3uron + API Gateway + RDS (2 วัน)

Task ย่อย:

• ติดตั้งและคอนฟิก N3uron Gateway

• สร้างและตั้งค่า AWS API Gateway (REST API)

• สร้างฐานข้อมูล Amazon RDS 

• ทดสอบการเชื่อมต่อข้อมูลจาก N3uron → API Gateway → RDS

✅ ระยะที่ 2: พัฒนา ETL Pipeline #1 (5 วัน)

Task ย่อย:

• ออกแบบ schema ข้อมูลหลังการแปลง

• เขียนสคริปต์ ETL ทำความสะอาดข้อมูล (Data Cleaning)

• ดำเนินการ Feature Engineering (สร้างคุณลักษณะ)

• ทดสอบ Pipeline แบบ batch และ validate ความถูกต้อง

• บันทึกข้อมูลที่แปลงแล้วลง S3

✅ ระยะที่ 3: ฝึกโมเดลตรวจจับความผิดปกติ (Anomaly Detection) (17 วัน)

Task ย่อย:

• วิเคราะห์และเตรียม Dataset สำหรับฝึกโมเดล

• สร้าง SageMaker Training Job (Anomaly)

• คอนฟิก Step Functions, Lambda, DynamoDB สำหรับติดตาม Job

• ฝึกโมเดลและบันทึกผลลง S3

• Evaluate โมเดลด้วย MAE, RMSE, Accuracy

• Deploy โมเดลไปยัง SageMaker Endpoint

✅ ระยะที่ 4: ฝึกโมเดล Classification (17 วัน)

Task ย่อย:

• สร้าง Dataset สำหรับ Classification

• เขียนโค้ด Pipeline คล้ายกับ Anomaly แต่ใช้ Model Classifier

• ฝึก Classification Model บน SageMaker

• บันทึก Metadata และผล Training

• Deploy โมเดล Classifier ไปยัง Endpoint

✅ ระยะที่ 5: ETL Pipeline #2 (5 วัน)

Task ย่อย:

• แปลงโมเดลที่ฝึกเสร็จให้อยู่ในรูปแบบพร้อมใช้งาน (e.g. .tar.gz)

• จัดการ version ของโมเดล

• อัปโหลดขึ้น S3 พร้อม Metadata

• ทดสอบขั้นตอนการเรียกใช้งาน (Inference Testing)

• เตรียม Lambda / EventBridge สำหรับ Trigger

✅ ระยะที่ 6: ปรับใช้โมเดลกับ EventBridge + Lambda + SQS (10 วัน)

Task ย่อย:

• สร้าง Lambda สำหรับรับข้อมูลจาก API Gateway

• คิวข้อมูลด้วย SQS

• Lambda ดึงข้อมูลจาก SQS ส่งเข้า SageMaker Endpoint

• สร้าง EventBridge Rule สำหรับ Schedule Trigger

• ทดสอบ Inference flow แบบ Real-time

✅ ระยะที่ 7: เชื่อมต่อ Inference Pipeline กับ Snowflake (5 วัน)

Task ย่อย:

• สร้าง Snowflake Table สำหรับเก็บผลลัพธ์

• Lambda post-process แปลงผลลัพธ์ให้พร้อมจัดเก็บ

• สร้าง Connection จาก AWS → Snowflake

• เขียน Logic เก็บผลลัพธ์

• ทดสอบการดูข้อมูลผ่าน SQL / Dashboard

✅ ระยะที่ 8: พัฒนา Frontend Monitor Performance (10 วัน)

Task ย่อย:

• ออกแบบหน้าจอ Dashboard (เช่น Flutter Web)

• ดึงข้อมูลจาก Snowflake หรือ Aurora RDS

• แสดงผล Metrics เช่น MAE, Accuracy, Anomaly Score

• เชื่อมระบบ Login แยกจาก IoX

• ทดสอบระบบ Monitor Performance กับผู้ใช้งานจริง