มหาวิทยาลัยเทคโนโลยีสุรนารี
โครงการพัฒนาวิสาหกิจเริ่มต้นด้านการเกษตรที่ประยุกต์ใช้เทคโนโลยีปัญญาประดิษฐ์ เพื่อให้นักศึกษา และศิษย์เก่าของมหาวิทยาลัย ได้เรียนรู้พร้อมสู่การเป็นผู้ประกอบการวิสาหกิจเริ่มต้นร่วมกับการเสริมทักษะความรู้และความเข้าใจเพื่อสร้างนวัตกรรมการเกษตรที่ต่อยอดพัฒนาเทคโนโลยีปัญญาประดิษฐ์แก้ปัญหาการเกษตรของประเทศ
ซึ่งได้แบ่ง หัวข้อการเรียนรู้ออกเป็น 3 ด้าน ได้แก่ องค์ความรู้ด้านการเกษตร องค์ความรู้ด้านเทคโนโลยีและปัญญาประดิษฐ์ องค์ความรู้ด้านการเป็นผู้ประกอบการวิสาหกิจเริ่มต้น
โดยผู้ถ่ายทอดองค์ความรู้ทั้ง 3 ด้าน จากเครือข่าย AgTech AI Consortium ที่สำนักงานนวัตกรรมแห่งชาติ (องค์การมหาชน) (สนช.) ได้สร้างความเชื่อมโยง และได้รับความร่วมมือ ประกอบด้วย
1. องค์ความรู้ด้านการเกษตร
2. องค์ความรู้ด้านเทคโนโลยีและปัญญาประดิษฐ์
จากคณาจารย์ของมหาวิทยาลัยที่มีศักยภาพพร้อมเป็นมหาวิทยาลัยนำร่องจาก 3 ภูมิภาค ได้แก่
• ภาคกลาง มหาวิทยาลัยเกษตรศาสตร์ วิทยาเขตกำแพงแสน
• ภาคตะวันออกเฉียงเหนือ มหาวิทยาลัยเทคโนโลยีสุรนารี และ
• ภาคเหนือ มหาวิทยาลัยแม่โจ้
และผู้มีทักษะเชี่ยวชาญเฉพาะทางจากสมาคมปัญญาประดิษฐ์ประเทศไทย (AIAT) รวมทั้งจากผู้ประกอบการ และผู้มี ประสบการณ์ ที่เกี่ยวข้องกับเกษตรกรรมของเครือข่ายมหาวิทยาลัย
3. องค์ความรู้ด้านการเป็นผู้ประกอบการวิสาหกิจเริ่มต้น
จากพันธมิตรด้านกลยุทธ์ (Strategic Partners) สมาคมผู้ประกอบการปัญญาประดิษฐ์ประเทศไทย (AIEAT) และสำหรับโปรแกรมบ่มเพาะจากทีม WEDO ต้นแบบแนวคิด T-Shaped ที่ออกแบบ Mehodology เพื่อบ่มเพาะและเร่งสร้าง Talent รุ่นใหม่ ให้ติดอาวุธกับการเรียนรู้ทั้ง 3 ด้าน คือ Technology | Design | Business
หวังว่าโปรแกรมบ่มเพาะนี้จะเป็นส่วนหนึ่งในการผลักดันองค์ความรู้ สู่ผู้เรียนรู้ให้พร้อมเป็นผู้ประกอบการวิสาหกิจเริ่มต้นด้านการเกษตรที่ต่อยอดพัฒนาเทคโนโลยีปัญญาประดิษฐ์สร้างนวัตกรรมการเกษตรที่ขับเคลื่อนระบบนิเวศทั้งระบบอย่างยั่งยืนต่อไป
เนื้อหาคอร์ส
1. 〚Week1〛Introduction to Tensorflow and Keras Part 1
55:34
สอนโดย อาจารย์ ดร. ศรัญญา กาญจนวัฒนา
หัวหน้าสาขาวิชาวิศวกรรมคอมพิวเตอร์ มหาวิทยาลัยเทคโนโลยีสุรนารี
- การอธิบายถึง Concept AI ทั่วไป
2. 〚Week1〛Introduction to Tensorflow and Keras Part 2
37:27
สอนโดย อาจารย์ ดร. ศรัญญา กาญจนวัฒนา
หัวหน้าสาขาวิชาวิศวกรรมคอมพิวเตอร์ มหาวิทยาลัยเทคโนโลยีสุรนารี
- อธิบายถึงโครงสร้างของอัลกอริทึม ANN
3. 〚Week1〛Introduction to Tensorflow and Keras Part 3
30:08
สอนโดย อาจารย์ ดร. ศรัญญา กาญจนวัฒนา
หัวหน้าสาขาวิชาวิศวกรรมคอมพิวเตอร์ มหาวิทยาลัยเทคโนโลยีสุรนารี
- อธิบายความหมายของ Tensorflow และ Keras
4. 〚Week1〛Introduction to Tensorflow and Keras Part 4
24:37
สอนโดย อาจารย์ ดร. ศรัญญา กาญจนวัฒนา
หัวหน้าสาขาวิชาวิศวกรรมคอมพิวเตอร์ มหาวิทยาลัยเทคโนโลยีสุรนารี
- อธิบาย Data Process ตั้งแต่ขั้นตอนการเตรียมข้อมูลจนได้โมเดลออกมา
5. 〚Week1〛 Introduction to Tensorflow and Keras Part 5
1:01:03
สอนโดย อาจารย์ ดร. ศรัญญา กาญจนวัฒนา
หัวหน้าสาขาวิชาวิศวกรรมคอมพิวเตอร์ มหาวิทยาลัยเทคโนโลยีสุรนารี
- การติดตั้งและทำงานของ Tensorflow และ Keras
6. 〚Week2〛หลักการปัญญาประดิษฐ์เพื่อการวิเคราะห์ข้อมูล (Artificial Intelligence for Data Analytics)Part 1
15:34
สอนโดย ดร. ปัญญา หันตุลา
หน่วยประสานงานสำนักงานนวัตกรรมแห่งชาติ
สำนักงานบ่มเพาะนวัตกรรม เทคโนธานี ม.เทคโนโลยีสุรนารี
- Introduction to Machice Learning
7. 〚Week2〛หลักการปัญญาประดิษฐ์เพื่อการวิเคราะห์ข้อมูล (Artificial Intelligence for Data Analytics) Part 2
25:08
สอนโดย ดร. ปัญญา หันตุลา
หน่วยประสานงานสำนักงานนวัตกรรมแห่งชาติ
สำนักงานบ่มเพาะนวัตกรรม เทคโนธานี ม.เทคโนโลยีสุรนารี
- Install and configuration
8. 〚Week2〛หลักการปัญญาประดิษฐ์เพื่อการวิเคราะห์ข้อมูล (Artificial Intelligence for Data Analytics) Part 3
23:42
สอนโดย ดร. ปัญญา หันตุลา
หน่วยประสานงานสำนักงานนวัตกรรมแห่งชาติ
สำนักงานบ่มเพาะนวัตกรรม เทคโนธานี ม.เทคโนโลยีสุรนารี
- Workshop01-Introduction
9. 〚Week2〛หลักการปัญญาประดิษฐ์เพื่อการวิเคราะห์ข้อมูล (Artificial Intelligence for Data Analytics) Part 4
42:02
สอนโดย ดร. ปัญญา หันตุลา
หน่วยประสานงานสำนักงานนวัตกรรมแห่งชาติ
สำนักงานบ่มเพาะนวัตกรรม เทคโนธานี ม.เทคโนโลยีสุรนารี
- Workshop02-Simple Linear Regression
10. 〚Week2〛หลักการปัญญาประดิษฐ์เพื่อการวิเคราะห์ข้อมูล (Artificial Intelligence for Data Analytics) Part 5
40:24
สอนโดย ดร. ปัญญา หันตุลา
หน่วยประสานงานสำนักงานนวัตกรรมแห่งชาติ
สำนักงานบ่มเพาะนวัตกรรม เทคโนธานี ม.เทคโนโลยีสุรนารี
- Workshop03-Multiple Linear Regression
11. 〚Week2〛หลักการปัญญาประดิษฐ์เพื่อการวิเคราะห์ข้อมูล (Artificial Intelligence for Data Analytics) Part 6
38:40
สอนโดย ดร. ปัญญา หันตุลา
หน่วยประสานงานสำนักงานนวัตกรรมแห่งชาติ
สำนักงานบ่มเพาะนวัตกรรม เทคโนธานี ม.เทคโนโลยีสุรนารี
- Workshop04-Simple Polynomail Regression
12. 〚Week2〛หลักการปัญญาประดิษฐ์เพื่อการวิเคราะห์ข้อมูล (Artificial Intelligence for Data Analytics) Part 7
30:01
สอนโดย ดร. ปัญญา หันตุลา
หน่วยประสานงานสำนักงานนวัตกรรมแห่งชาติ
สำนักงานบ่มเพาะนวัตกรรม เทคโนธานี ม.เทคโนโลยีสุรนารี
- workshop05 - Multi Polynomail Regression
13. 〚Week2〛หลักการปัญญาประดิษฐ์เพื่อการวิเคราะห์ข้อมูล (Artificial Intelligence for Data Analytics) Part 8
14:39
สอนโดย ดร. ปัญญา หันตุลา
หน่วยประสานงานสำนักงานนวัตกรรมแห่งชาติ
สำนักงานบ่มเพาะนวัตกรรม เทคโนธานี ม.เทคโนโลยีสุรนารี
- workshop06 - Logistic Regression-#1
14. 〚Week2〛หลักการปัญญาประดิษฐ์เพื่อการวิเคราะห์ข้อมูล (Artificial Intelligence for Data Analytics) Part 9
12:26
สอนโดย ดร. ปัญญา หันตุลา
หน่วยประสานงานสำนักงานนวัตกรรมแห่งชาติ
สำนักงานบ่มเพาะนวัตกรรม เทคโนธานี ม.เทคโนโลยีสุรนารี
- workshop06 - Logistic Regression-#2
15. 〚Week2〛หลักการปัญญาประดิษฐ์เพื่อการวิเคราะห์ข้อมูล (Artificial Intelligence for Data Analytics) Part 10
45:22
สอนโดย ดร. ปัญญา หันตุลา
หน่วยประสานงานสำนักงานนวัตกรรมแห่งชาติ
สำนักงานบ่มเพาะนวัตกรรม เทคโนธานี ม.เทคโนโลยีสุรนารี
- workshop07-KNeighborsClassifier
16. 〚Week2〛หลักการปัญญาประดิษฐ์เพื่อการวิเคราะห์ข้อมูล (Artificial Intelligence for Data Analytics) Part 11
10:21
สอนโดย ดร. ปัญญา หันตุลา
หน่วยประสานงานสำนักงานนวัตกรรมแห่งชาติ
สำนักงานบ่มเพาะนวัตกรรม เทคโนธานี ม.เทคโนโลยีสุรนารี
- workshop08-Decision Tree
17. 〚Week2〛หลักการปัญญาประดิษฐ์เพื่อการวิเคราะห์ข้อมูล (Artificial Intelligence for Data Analytics) Part 12
29:48
สอนโดย ดร. ปัญญา หันตุลา
หน่วยประสานงานสำนักงานนวัตกรรมแห่งชาติ
สำนักงานบ่มเพาะนวัตกรรม เทคโนธานี ม.เทคโนโลยีสุรนารี
- workshop12-K-Means Clustering (Iris dataset)
18. 〚Week2〛ระบบสมองกลฝังตัวสำหรับเทคโนโลยีสมาร์ทฟาร์ม (Embedded system for Smart Farm Technology) Part1
2:27:27
สอนโดย ดร. ปัญญา หันตุลา
หน่วยประสานงานสำนักงานนวัตกรรมแห่งชาติ
สำนักงานบ่มเพาะนวัตกรรม เทคโนธานี ม.เทคโนโลยีสุรนารี
- ได้ทราบแนวทางในการประยุกต์ใช้ระบบเมคคาทรอนิกส์ร่วมกับ AI สำหรับงานทางด้านการเกษตร
- ประยุกต์ใช้ความรู้ทางด้านเมคคาทรอนิกส์ร่วมกับ AI เพื่อแก้ไขปัญหาทางด้านการเกษตรได้อย่างเหมาะสม
19. 〚Week2〛ระบบสมองกลฝังตัวสำหรับเทคโนโลยีสมาร์ทฟาร์ม (Embedded system for Smart Farm Technology) Part2
2:41:31
สอนโดย ดร. ปัญญา หันตุลา
หน่วยประสานงานสำนักงานนวัตกรรมแห่งชาติ
สำนักงานบ่มเพาะนวัตกรรม เทคโนธานี ม.เทคโนโลยีสุรนารี
20. 〚Week3〛พื้นฐานการออกแบบอุปกรณ์การเก็บข้อมูลเบื้องต้น สำหรับเกษตรอัจฉริยะ Basic Concept design of a machine for Smart Agriculture Part1
17:06
สอนโดย ดร.วรวัฒน์ ลวนนท์ สำนักวิชาวิศวกรรมศาสตร์ สาขาวิชาวิศวกรรมการผลิต ม.เทคโนโลยีสุรนารี
- อธิบายพื้นฐานและแนวคิดของระบบอินเทอร์เน็ตของสรรพสิ่ง
- อธิบายระบบอินเทอร์เน็ตของสรรพสิ่งในเกษตรกรรม
- การวิเคราะห์ปัญหาและเสนอแนวทางเบื้องต้นเพื่อการแก้ไขปัญหาด้วยระบบอินเทอร์เน็ตของสรรพสิ่ง
21. 〚Week3〛พื้นฐานการออกแบบอุปกรณ์การเก็บข้อมูลเบื้องต้น สำหรับเกษตรอัจฉริยะ Basic Concept design of a machine for Smart Agriculture Part2
19:04
สอนโดย ดร.วรวัฒน์ ลวนนท์ สำนักวิชาวิศวกรรมศาสตร์ สาขาวิชาวิศวกรรมการผลิต ม.เทคโนโลยีสุรนารี
22. 〚Week3〛พื้นฐานการออกแบบอุปกรณ์การเก็บข้อมูลเบื้องต้น สำหรับเกษตรอัจฉริยะ Basic Concept design of a machine for Smart Agriculture Part3
14:34
สอนโดย ดร.วรวัฒน์ ลวนนท์ สำนักวิชาวิศวกรรมศาสตร์ สาขาวิชาวิศวกรรมการผลิต ม.เทคโนโลยีสุรนารี
23. 〚Week3〛พื้นฐานการออกแบบอุปกรณ์การเก็บข้อมูลเบื้องต้น สำหรับเกษตรอัจฉริยะ Basic Concept design of a machine for Smart Agriculture Part4
16:58
สอนโดย ดร.วรวัฒน์ ลวนนท์ สำนักวิชาวิศวกรรมศาสตร์ สาขาวิชาวิศวกรรมการผลิต ม.เทคโนโลยีสุรนารี
24. 〚Week3〛พื้นฐานการออกแบบอุปกรณ์การเก็บข้อมูลเบื้องต้น สำหรับเกษตรอัจฉริยะ Basic Concept design of a machine for Smart Agriculture Part5
31:09
สอนโดย ดร.วรวัฒน์ ลวนนท์ สำนักวิชาวิศวกรรมศาสตร์ สาขาวิชาวิศวกรรมการผลิต ม.เทคโนโลยีสุรนารี
25. 〚Week3〛การเตรียมข้อมูล (Data Pre-processing) : Data vs Info vs Knowledge
44:32
สอนโดย อาจารย์ ดร. ศรัญญา กาญจนวัฒนา
หัวหน้าสาขาวิชาวิศวกรรมคอมพิวเตอร์ มหาวิทยาลัยเทคโนโลยีสุรนารี
- เพื่อให้นักศึกษาเข้าใจกระบวนการเตรียมข้อมูลสำหรับการสร้างและการทดสอบ Model ของปัญญาประดิษฐ์
- เพื่อให้นักศึกษารูปจัดวิธีการเขียนสำหรับการเตรียมข้อมูลเบื้องต้นได้
- เพื่อให้นักศึกษาสามารถต่อยอดในการเขียนโปรแกรมเพื่อการวิเคราะห์ข้อมูลและการเรียนรู้ด้วยเครื่อง เป็นต้น
26. 〚Week3〛การเตรียมข้อมูล (Data Pre-processing) : Data Collection
14:46
สอนโดย อาจารย์ ดร. ศรัญญา กาญจนวัฒนา
หัวหน้าสาขาวิชาวิศวกรรมคอมพิวเตอร์ มหาวิทยาลัยเทคโนโลยีสุรนารี
27. 〚Week3〛การเตรียมข้อมูล (Data Pre-processing) : Data Preprocessing
57:07
สอนโดย อาจารย์ ดร. ศรัญญา กาญจนวัฒนา
หัวหน้าสาขาวิชาวิศวกรรมคอมพิวเตอร์ มหาวิทยาลัยเทคโนโลยีสุรนารี
28. 〚Week3〛การเตรียมข้อมูล (Data Pre-processing) : Image Preprocessing
14:07
สอนโดย อาจารย์ ดร. ศรัญญา กาญจนวัฒนา
หัวหน้าสาขาวิชาวิศวกรรมคอมพิวเตอร์ มหาวิทยาลัยเทคโนโลยีสุรนารี
29. 〚Week4〛พื้นฐานการออกแบบระบบสำหรับการเก็บข้อมูลเบื้องต้น (Basic Concept design of data base server) Part1
1:34:08
สอนโดย ดร.วรวัฒน์ ลวนนท์ สำนักวิชาวิศวกรรมศาสตร์ สาขาวิชาวิศวกรรมการผลิต ม.เทคโนโลยีสุรนารี
- เพื่อให้นักศึกษาเข้าใจพื้นฐานและแนวคิดของระบบอินเทอร์เน็ตของสรรพสิ่ง
- เพื่อให้นักศึกษาสามารถออกแบบระบบเพื่อเก็บข้อมูลและการวิเคราะห์ปัญหาเพื่อการแก้ไขปัญหาด้วยระบบอินเทอร์เน็ตของสรรพสิ่ง
30. 〚Week4〛พื้นฐานการออกแบบระบบสำหรับการเก็บข้อมูลเบื้องต้น (Basic Concept design of data base server) Part2
35:36
สอนโดย ดร.วรวัฒน์ ลวนนท์ สำนักวิชาวิศวกรรมศาสตร์ สาขาวิชาวิศวกรรมการผลิต ม.เทคโนโลยีสุรนารี
31. 〚Week4〛เทคโนโลยีการประมวลผลภาพ
(Image processing)
50:32
สอนโดย ดร. ปัญญา หันตุลา
หน่วยประสานงานสำนักงานนวัตกรรมแห่งชาติ
สำนักงานบ่มเพาะนวัตกรรม เทคโนธานี ม.เทคโนโลยีสุรนารี
- อธิบายแนวคิดพื้นฐานเกี่ยวกับเทคโนโลยีการประมวลผลภาพได้
- อธิบายเทคนิคและกระบวนการวิเคราะห์ข้อมูลเทคโนโลยีการประมวลผลภาพได้
- เขียนโปรแกรมภาษาไพธอนสำหรับเทคโนโลยีการประมวลผลภาพได้
- วิเคราะห์ข้อมูลด้วยหลักการปัญญาประดิษฐ์และการประมวลผลภาพได้
32. 〚Week5〛การจินตทัศน์ข้อมูล (Data Visualization) Part1
08:29
สอนโดย ดร.ชิตพงศ์ เวชไธสงค์ สำนักวิชาวิศวกรรมศาสตร์ สาขาวิชาวิศวกรรมโทรคมนาคม ม.เทคโนโลยีสุรนารี
- เพื่อให้นักศึกษาสามารถเขียนโปรแกรมแสดงผลข้อมูล (Data Visualization) ด้วยภาษาไพธอนพื้นฐานได้
- เพื่อให้นักศึกษาสามารถเขียนโปรแกรมเรียกใช้ชุดคำสั่งต่างๆ ได้ อาทิเช่น Numpy และ Matplotlib
- เพื่อให้นักศึกษาสามารถต่อยอดไปใช้ในงานด้านต่างๆ อาทิเช่น การวิเคราะห์ข้อมูล เป็นต้น
33. 〚Week5〛การจินตทัศน์ข้อมูล (Data Visualization) Part2
20:25
สอนโดย ดร.ชิตพงศ์ เวชไธสงค์ สำนักวิชาวิศวกรรมศาสตร์ สาขาวิชาวิศวกรรมโทรคมนาคม ม.เทคโนโลยีสุรนารี
34. 〚Week5〛การจินตทัศน์ข้อมูล (Data Visualization) Part3
11:54
สอนโดย ดร.ชิตพงศ์ เวชไธสงค์ สำนักวิชาวิศวกรรมศาสตร์ สาขาวิชาวิศวกรรมโทรคมนาคม ม.เทคโนโลยีสุรนารี
35. 〚Week5〛การจินตทัศน์ข้อมูล (Data Visualization) Part4
09:45
สอนโดย ดร.ชิตพงศ์ เวชไธสงค์ สำนักวิชาวิศวกรรมศาสตร์ สาขาวิชาวิศวกรรมโทรคมนาคม ม.เทคโนโลยีสุรนารี
36. 〚Week5〛การจินตทัศน์ข้อมูล (Data Visualization) Part5
19:35
สอนโดย ดร.ชิตพงศ์ เวชไธสงค์ สำนักวิชาวิศวกรรมศาสตร์ สาขาวิชาวิศวกรรมโทรคมนาคม ม.เทคโนโลยีสุรนารี
37. 〚Week5〛การจินตทัศน์ข้อมูล (Data Visualization) Part6
09:44
สอนโดย ดร.ชิตพงศ์ เวชไธสงค์ สำนักวิชาวิศวกรรมศาสตร์ สาขาวิชาวิศวกรรมโทรคมนาคม ม.เทคโนโลยีสุรนารี
38. 〚Week5〛การจินตทัศน์ข้อมูล (Data Visualization) Part7
12:09
สอนโดย ดร.ชิตพงศ์ เวชไธสงค์ สำนักวิชาวิศวกรรมศาสตร์ สาขาวิชาวิศวกรรมโทรคมนาคม ม.เทคโนโลยีสุรนารี
39. 〚Week5〛การจินตทัศน์ข้อมูล (Data Visualization) Part8
13:55
สอนโดย ดร.ชิตพงศ์ เวชไธสงค์ สำนักวิชาวิศวกรรมศาสตร์ สาขาวิชาวิศวกรรมโทรคมนาคม ม.เทคโนโลยีสุรนารี
40. 〚Week5〛หุ่นยนต์ AGV เบื้องต้นสำหรับเกษตรอัจฉริยะ (Introduction to Autonomous Ground Vehicle (AGV) Robotics for Smart Farm) Part1
1:12:18
สอนโดย ดร.สุรเดช ตัญตรัยรัตน์ สำนักวิชาวิศวกรรมศาสตร์ สาขาวิชาวิศวกรรมเครื่องกล ม.เทคโนโลยีสุรนารี
- เรียนรู้การทำงานและควบคุมหุ่นยนต์เคลื่อนที่แบบ 2 ล้อ
- เรียนรู้การเรียนรู้การประยุกต์ใช้การเรียนรู้ของเครื่องเบื้องต้นกับหุ่นยนต์
- สามารถนำการเรียนรู้ของเครื่องไปประยุกต์กับการสั่งการหุ่นยนต์
41. 〚Week5〛หุ่นยนต์ AGV เบื้องต้นสำหรับเกษตรอัจฉริยะ (Introduction to Autonomous Ground Vehicle (AGV) Robotics for Smart Farm) Part2
1:21:59
สอนโดย ดร.สุรเดช ตัญตรัยรัตน์ สำนักวิชาวิศวกรรมศาสตร์ สาขาวิชาวิศวกรรมเครื่องกล ม.เทคโนโลยีสุรนารี
42. 〚Week5〛การเรียนรู้ของเครื่องสำหรับหุ่นยนต์ (Machine Learning Application in Robotics) Part1
1:53:33
สอนโดย ดร.สุรเดช ตัญตรัยรัตน์ สำนักวิชาวิศวกรรมศาสตร์ สาขาวิชาวิศวกรรมเครื่องกล ม.เทคโนโลยีสุรนารี
- เข้าใจพื้นฐานและแนวคิดกระบวนการของ Machine Learning โดยเฉพาะแบบ Supervised Learning
- ประยุกต์ใช้ความรู้ด้านการเรียนรู้แบบมีผู้สอนกับการรับรู้และตัดสินใจของหุ่นยนต์
43. 〚Week5〛การเรียนรู้ของเครื่องสำหรับหุ่นยนต์ (Machine Learning Application in Robotics) Part2
1:43:29
สอนโดย ดร.สุรเดช ตัญตรัยรัตน์ สำนักวิชาวิศวกรรมศาสตร์ สาขาวิชาวิศวกรรมเครื่องกล ม.เทคโนโลยีสุรนารี