diff --git a/worksheets/W2-data-collection-log.md b/worksheets/W2-data-collection-log.md
index 9d24738..0b5500e 100644
--- a/worksheets/W2-data-collection-log.md
+++ b/worksheets/W2-data-collection-log.md
@@ -10,7 +10,7 @@
 
 ## ข้อมูลทีม + Edge Impulse
 
-- **ชื่อทีม:** _________________
+- **ชื่อทีม:** _ถั่วคอนแวนต์_
 - **Edge Impulse Project URL:**
   ```
   https://studio.edgeimpulse.com/studio/XXXXX
@@ -18,101 +18,66 @@
 
 ---
 
-## 1. Setup Log
-
+1. Setup Log
 ก่อนเริ่มเก็บข้อมูล ทีมทำอะไรบ้าง?
-
-| เวลา | ทำอะไร | ผู้รับผิดชอบ |
-|---|---|---|
-| 10:30 | | |
-| 10:35 | | |
-| | | |
-
----
-
-## 2. Data Collection Sessions
-
-บันทึกแต่ละ session การเก็บข้อมูล:
-
-### Session 1
-
-- **เวลา:** _____ ถึง _____
-- **Class:** _________________
-- **จำนวน samples ที่เก็บ:** _____
-- **สภาพแวดล้อม:** _________________
-- **ใครเป็น subject?:** _________________
-- **Variation ที่ลอง:** _________________
-- **ปัญหาที่เจอ:** _________________
-
-### Session 2
-
-- **เวลา:** _____ ถึง _____
-- **Class:** _________________
-- **จำนวน samples ที่เก็บ:** _____
-- **สภาพแวดล้อม:** _________________
-- **ใครเป็น subject?:** _________________
-- **Variation ที่ลอง:** _________________
-- **ปัญหาที่เจอ:** _________________
-
-### Session 3
-
-- **เวลา:** _____ ถึง _____
-- **Class:** _________________
-- **จำนวน samples ที่เก็บ:** _____
-- **สภาพแวดล้อม:** _________________
-- **ใครเป็น subject?:** _________________
-- **Variation ที่ลอง:** _________________
-- **ปัญหาที่เจอ:** _________________
-
-> หาก session มากกว่า 3 ให้ copy template เพิ่ม
+เวลา	ทำอะไร	ผู้รับผิดชอบ
+10:30	เชื่อมต่อเซนเซอร์ Motion และทดสอบค่า accel	North
+10:35	ติดตั้งเซนเซอร์ที่ข้อมือและเช็คการอ่านค่า	ทีม Hardware
+10:40	สร้างโฟลเดอร์ class: wrist / leg / ankle	ทีม Data
+10:45	ทดลองเก็บ sample สั้นๆ เพื่อเช็ค label	ทุกคน
+2. Data Collection Sessions
+Session 1
+เวลา: 11:00 ถึง 11:20
+Class: wrist movement (ข้อมือ)
+จำนวน samples ที่เก็บ: 120
+สภาพแวดล้อม: ห้องเรียน แสงปกติ
+ใครเป็นsubject?: นักเรียนชาย 2 คน
+Variation ที่ลอง: หมุนข้อมือเร็ว/ช้า มุมต่างกัน
+ปัญหาที่เจอ: สายเซนเซอร์หลวมบางช่วง
+
+Edited
+Session 2
+เวลา: 11:30 ถึง 11:50

+Class: leg movement (ขา)

+จำนวน samples ที่เก็บ: 110

+สภาพแวดล้อม: ทางเดินหน้าห้อง

+ใครเป็น subject?: นักเรียนชายและหญิง

+Variation ที่ลอง: เดินช้า เดินเร็ว ยกขา

+ปัญหาที่เจอ: มี noise ตอนเดินแรง
+

+⸻
+

+Session 3
+เวลา: 12:00 ถึง 12:20

+Class: ankle movement (ข้อเท้า)

+จำนวน samples ที่เก็บ: 115
+สภาพแวดล้อม: ห้องเรียน + หน้าห้อง

+ใครเป็น subject?: นักเรียน 3 คน

+Variation ที่ลอง: ขยับข้อเท้า ซ้าย/ขวา เดิน

+ปัญหาที่เจอ: ตำแหน่งเซนเซอร์เลื่อนระหว่างเก็บข้อมูล
+
+3.  Dataset Summary
+Class	จำนวน Train	จำนวน Test	สัดส่วน Train:Test
+Wrist	96	24	80:20
+Leg	88	22	80:20
+Ankle	92	23	80:20
+รวม	276	69	80:20
+เป้าหมายตาม W1: 100 samples × class
ทำได้จริง: 115 samples × class
ห่างจากเป้า: +15%
+
+4.  Quality Check
+☑ ทุก class มี samples ใกล้เคียงกัน (ไม่ต่างกันเกิน 20%)
☑ เก็บใน ≥2 สภาพแวดล้อม
☑ เก็บจาก ≥2 subjects
☑ มี variation ใน angle/distance/lighting
☑ ไม่มี mislabeled data
☑ Train:Test split = 80:20
 
 ---
 
-## 3. Dataset Summary
-
-| Class | จำนวน Train | จำนวน Test | สัดส่วน Train:Test |
-|---|---|---|---|
-| | | | |
-| | | | |
-| | | | |
-| **รวม** | | | |
+5.  Reflection — สิ่งที่เรียนรู้
+a) สิ่งที่ยากที่สุด:
+การแยกค่าการเคลื่อนไหวของแต่ละตำแหน่งให้แตกต่างกันชัดเจน
 
-**เป้าหมายตาม W1:** _______ samples × class
-**ทำได้จริง:** _______ samples × class
-**ห่างจากเป้า:** _______%
-
----
-
-## 4. Quality Check
-
-ตอบทุกข้อก่อนเริ่ม train:
-
-- [ ] ทุก class มี samples ใกล้เคียงกัน (ไม่ต่างกันเกิน 20%)
-- [ ] เก็บใน ≥2 สภาพแวดล้อม
-- [ ] เก็บจาก ≥2 subjects (Vision/Audio/Motion ที่มีคน)
-- [ ] มี variation ใน angle/distance/lighting
-- [ ] ไม่มี mislabeled data (เช็คตัวอย่างแล้ว)
-- [ ] Train:Test split = 80:20
-
----
-
-## 5. Reflection — สิ่งที่เรียนรู้
-
-### a) สิ่งที่ยากที่สุด:
-```
-[เขียนสั้นๆ]
-```
-
-### b) ถ้าทำใหม่จะปรับอะไร:
-```
-[เขียนสั้นๆ]
-```
-
-### c) คาดการณ์: model จะ confuse class ไหนกับอะไรมากที่สุด?
-```
-[เขียนการคาดเดา — เราจะมาเช็คตอน Train เสร็จ]
-```
+b) ถ้าทำใหม่จะปรับอะไร:
+เพิ่มจำนวนข้อมูล Train และปรับตำแหน่งเซ็นเซอร์ให้แน่นขึ้น
 
+c) คาดการณ์: model จะ confuse class ไหนกับอะไรมากที่สุด?
+ขา กับ ข้อเท้า เพราะมีรูปแบบการเคลื่อนไหวคล้ายกัน
 ---
 
 ## 📤 วิธี submit