This thesis aims to present the development of a metaverse project for the KMITL Lifelong Learning Center (KLLC) and KMITL Data Management Center (KDMC) for Public Relations at King Mongkut's Institute of Technology Ladkrabang, with the main goal of creating a metaverse prototype to promote learning and public relations through virtual reality technology for students, staff, and external individuals. In this project, the developers have created a metaverse system to simulate a virtual experience for users at the KMITL Lifelong Learning Center (KLLC) and KMITL Data Management Center (KDMC) for Public Relations at King Mongkut's Institute of Technology Ladkrabang. Users will be able to access the system through a web application developed with Unity, which is the tool used to create the metaverse system. The design allows users to visit and interact with various locations within the building to promote public relations in a more widespread virtual format. The developers used Maya and Unity software to create a metaverse system for modeling 3D objects and managing various functions, providing users with a realistic and novel experience. This project is expected to promote learning and the dissemination of information in an easily accessible modern format, creating opportunities for education and learning for those who cannot travel to see the actual locations. This makes metaverse technology an important tool for effectively developing learning and engagement in the digital age.
เนื่องจากปัจจุบันการประชาสัมพันธ์ด้วยเทคโนโลยีในรูปแบบ Metaverse ยังไม่เป็นที่นิยมและไม่ได้นำมาใช้อย่างแพร่หลายในประเทศไทย โดยเฉพาะอย่างยิ่งในด้านการศึกษาเพื่อการเรียนรู้ผ่านระบบเมตาเวิร์ส โดยระบบ Metaverse คือเทคโนโลยีที่สามารถเชื่อมต่อทุกการสื่อสารบนโลกออนไลน์ ให้รวมกันเป็นหนึ่งเดียวได้เสมือนกับชุมชนบนโลกเสมือนจริงที่ให้สภาพแวดล้อมกับวัตถุต่าง ๆ รอบตัวที่เหมือนจริงมาก และสามารถเชื่อมต่อกันได้จะทำให้เกิดปฏิสัมพันธ์ซึ่งกันและกัน พร้อมการสร้างกิจกรรมร่วมกันได้ เช่น การพูดคุย การเดินสำรวจสิ่งก่อสร้าง การทำท่าทางต่างๆ เป็นต้น ซึ่งจะเห็นได้ว่าระบบ Metaverse สามารถนำมาประยุกต์ใช้ได้ในหลากหลายรูปแบบโดยขึ้นอยู่กับการนำเสนอของผู้ออกแบบ ปัจจุบันเทคโนโลยีในรูปแบบ Metaverse ที่ใช้เพื่อการประชาสัมพันธ์ในส่วนของศูนย์การเรียนรู้ตลอดชีวิต (KLLC) และสำนักบริหารข้อมูลดิจิทัล (KDMC) สถาบันเทคโนโลยีพระจอมเกล้าเจ้าคุณทหารลาดกระบังยังคงขาดการประชาสัมพันธ์เพื่อให้เป็นที่น่าสนใจและดึงดูดให้พื้นที่นี้เป็นที่รู้จักและน่าสนใจมากยิ่งขึ้น อีกทั้งยังได้รับประสบการณ์การใช้งานในรูปแบบโลกเสมือนจริง โดยผู้ใช้งานจะสามารถพูดคุยกัน เปิดกล้อง แชร์หน้าจอ ทำท่าทางต่างๆ และได้เห็นถึงโครงสร้างทั้งภายนอกและภายในของศูนย์การเรียนรู้ตลอดชีวิต (KLLC) และสำนักบริหารข้อมูลดิจิทัล (KDMC) สจล. ดังนั้น เราจึงสร้าง KMITL Lifelong Learning Center (KLLC) and Data Management Center (KDMC) ในรูปแบบ Metaverse ที่มีสภาพแวดล้อมเสมือนจริง เพื่อการประชาสัมพันธ์ให้กับผู้ที่ชื่นชอบการศึกษาเรียนรู้และผู้ที่สนใจในเทคโนโลยีเมตาเวิร์สและเพื่อให้ผู้ใช้งานได้สัมผัสกับประสบการณ์เสมือนจริงโดยตรงจากระบบ Metaverse
คณะวิทยาศาสตร์
This special problem aims to compare the performance of machine learning methods in time series forecasting using lagged time periods as independent variables. The lagged periods are categorized into three groups: lagged by 10 units, lagged by 15 units, and lagged by 20 units. The study employs four machine learning methods: Decision Tree (DT), Random Forest (RF), K-Nearest Neighbors (KNN), and Support Vector Machine (SVM). The time series data simulated as independent variables diverse including characteristics: Random Walk data, Trending data, and Non-Linear data, with sample sizes of 100, 300, 500, and 700. The research methodology involves splitting the data into 90% for training and 10% for testing. Simulations and analysis are performed using the R programming language, with 1,000 iterations conducted. The results are evaluated based on the average mean squared error (AMSE) and the average mean absolute percentage error (AMAPE) are calculated to identify the best performing method. The research findings revealed that for Random Walk data, the best performing methods are Random Forest and Support Vector Machine. For Trend data, the best performing methods are Random Forest. For Non-Linear data, the best performing methods are Support Vector Machine. When tested with real-world data, the results show that for the Euro-to-Thai Baht exchange rate, the best methods are Random Forest and Support Vector Machine. For the S&P 500 Index in USD, the best performing methods are Random Forest. For the Bank of America Corp Index in USD, the best performing methods are Support Vector Machine.
คณะบริหารธุรกิจ
Air Quality Monitoring System with External Device Controlling Capability is the equipment which measures and records the climatic data with the capability to control external devices (e.g. blower fan or air purifier) to rectify the surrounding atmosphere according to the air quality at the moment and other users' pre-defined conditions.
คณะวิศวกรรมศาสตร์
Artificial intelligence for agriculture and environment is a collection of significant models for enviromental friendly Thailand development. The models create with machine learning and deep learning by Near infrared spectroscopy research center for agricultural and food products, including: Determining the nutrient needs (N P K) of durian trees by measuring durian leaves using a non-destructive technique using artificial intelligence, Identification of combustion properties of biomass from fast-growing trees and agricultural residues using non-destructive techniques combined with artificial intelligence, and Evaluation of global warming due to biomass combustion using non-destructive techniques using artificial intelligence. The basic technology used is Near infrared Fourier transform spectroscopy technology which measurement and output display can be done quickly without chemical, no requirement for special expert, and measurement price per sample is very low. But the instrument cannot be produced in Thailand.