Recruitment is a crucial process that enables organizations to select candidates whose qualifications match the requirements of a given position. However, this process often faces challenges related to data management, delays, and human bias. This research aims to design and develop an intelligent web application for employee recruitment using artificial intelligence (AI) technology to evaluate and score candidates' suitability for job positions. The system leverages data analysis techniques on resumes and a qualification-matching process based on predefined criteria. Developed using Agile principles, the system employs Natural Language Processing (NLP) to analyze resumes, assess candidates’ qualifications, skills, and experience, and utilizes Machine Learning to predict and rank suitability. The system consolidates data from multiple sources into a unified database to reduce redundancy and input errors. Additionally, it presents insights through a dashboard, enabling HR teams to make more effective hiring decisions.
กระบวนการสรรหาพนักงานมีความซับซ้อนและใช้เวลานาน เนื่องจากองค์กรต้องจัดการข้อมูลจากหลายช่องทาง เช่น เว็บไซต์สมัครงาน หน้าเว็บของบริษัท และการแนะนำจากพนักงานภายใน ซึ่งแต่ละช่องทางอาจมีแบบฟอร์มสมัครงานที่แตกต่างกัน ทำให้การรวมรวมข้อมูลผู้สมัครลงในฐานข้อมูลเดียวกันเกิดข้อผิดพลาดและซ้ำซ้อน เนื่องจากการกรอกข้อมูลยังต้องดำเนินการโดยฝ่ายทรัพยากรบุคคลด้วยตนเอง ส่งผลให้เกิดความล่าช้าในการวิเคราะห์ข้อมูล และทำให้การพิจารณาคุณสมบัติเบื้องต้นของผู้สมัครไม่มีประสิทธิภาพเพียงพอ อีกทั้ง ระบบเดิมที่ใช้ Google Sheets ในการจัดการข้อมูลมีข้อจำกัดในการจัดการข้อมูลขนาดใหญ่ ส่งผลให้เกิดความล่าช้าและขาดประสิทธิภาพในการแสดงผลข้อมูลของผู้สมัคร ส่งผลต่อการตัดสินใจในการคัดเลือกบุคลากรที่เหมาะสมกับตำแหน่งงาน จากปัญหาดังกล่าว คณะผู้วิจัยจึงได้พัฒนาเว็บแอปพลิเคชันอัจฉริยะที่สามารถรวมข้อมูลจากหลายแหล่งให้อยู่ในระบบเดียวกัน ลดความซ้ำซ้อน และลดโอกาสเกิดข้อผิดพลาดของมนุษย์ โดยใช้เทคโนโลยี AI และ Machine Learning ในการวิเคราะห์และให้คะแนนความเหมาะสมของผู้สมัครอย่างแม่นยำ พร้อมทั้งพัฒนาแดชบอร์ดที่ช่วยให้ฝ่ายทรัพยากรบุคคลสามารถดูข้อมูล วิเคราะห์ และตัดสินใจคัดเลือกบุคลากรได้รวดเร็วยิ่งขึ้น ทำให้กระบวนการสรรหาพนักงานมีประสิทธิภาพและลดภาระงานของฝ่ายสรรหาได้อย่างมีนัยสำคัญ
วิทยาเขตชุมพรเขตรอุดมศักดิ์
This project focuses on developing a work tracking system for team members. Python is used to extract data from Excel files and import it into a SQL Server database for systematic data management. The system includes a function to notify task status via LINE and displays reports via Power BI, allowing supervisors to track progress and evaluate team members' performance efficiently. Additionally, the system helps promote work and time management skills for team members.
คณะเทคโนโลยีการเกษตร
This project presents a design and management approach for agricultural land in Kanchanaburi Province. The case study area is situated in Wangdong Subdistrict, Mueang Kanchanaburi District, covering an area of approximately 18 rai (7.2 acres). As the user seeks a simplified lifestyle in the countryside, surrounded by nature, the design aligns with this vision of simplicity and sustainability. The land is systematically allocated to optimize the benefits for both daily living and agricultural industry development. The crop cultivation zones are designed to suit the local climate and plant varieties, ensuring high-quality yields for continuous utilization. Meanwhile, the livestock zones are clearly delineated to maintain balance and organization. This approach not only ensures food security and income generation but also promotes a lifestyle that harmonizes with nature, minimizes environmental impact, and supports the long-term development of an efficient and eco-friendly agricultural industry. Comprehensive attention is given to the positioning of various zones, considering wind direction and sunlight exposure. Additionally, the design undergoes a rigorous drafting and review process to ensure the optimal outcomes for the land's utilization.
คณะแพทยศาสตร์
Background: The RGL3 gene plays a role in key signal transduction pathways and has been implicated in hypertension risk through the identification of a copy number variant deletion in exon 6. Genome-wide association studies have highlighted RGL3 as associated with hypertension, providing insights into the genetic underpinnings of the condition and its protective effects on cardiovascular health. Despite these findings, there is a lack of data that confirms the precise role of RGL3 in hypertension. Additionally, the functional impact of certain variants, particularly those classified as variants of uncertain significance, remains poorly understood. Objectives: This study aims to analyze alterations in the RGL3 protein structure caused by mutations and validate the location of the ligand binding sites. Methods: Clinical variants of the RGL3 gene were obtained from NCBI ClinVar. Variants of uncertain significance and likely benign were analyzed. Multiple sequence alignment was conducted using BioEdit v7.7.1. AlphaFold 2 predicted the wild-type and mutant 3D structures, followed by quality assessment via PROCHECK. Functional domain analysis of RasGEF, RASGEF_NTER, and RA domains was performed, and BIOVIA Discovery Studio Visualizer 2024 was used to evaluate structural and physicochemical changes. Results: The analysis of 81 RGL3 variants identified 5 likely benign and 76 variants of uncertain significance (VUS), all of which were missense mutations. Structural modeling using AlphaFold 2 revealed three key domains: RasGEF_NTER, RasGEF, and RA, where mutations induced conformational changes. Ramachandran plot validation confirmed 79.7% of residues in favored regions, indicating an overall reliable structure. Moreover, mutations within RasGEF and RA domains altered polarity, charge, and stability, suggesting potential functional disruptions. These findings provide insight into the structural consequences of RGL3 mutations, contributing to further functional assessments. Discussion & Conclusion: The identified RGL3 mutations induced physicochemical alterations in key domains, affecting charge, polarity, hydrophobicity, and flexibility. These changes likely disrupt interactions with Ras-like GTPases, impairing GDP-GTP exchange and cellular signaling. Structural analysis highlighted mutations in RasGEF and RA domains that may interfere with activation states, potentially affecting protein function and stability. These findings suggest that mutations in RGL3 could have functional consequences, emphasizing the need for further molecular and functional studies to explore their pathogenic potential.