ในปัจจุบัน ผู้บริโภคอาจเคยประสบเหตุการณ์ที่ไม่รู้ว่าจะเลือกผลิตภัณฑ์ใดตามปัญหาผิว, ผลิตภัณฑ์ที่ใช้นั้นไม่ให้ผลลัพธ์ตามที่ต้องการ, ผลิตภัณฑ์นั้นไม่คุ้มค่ากับราคา, แพ้สารเคมีบางชนิดในผลิตภัณฑ์ หรือใช้ผลิตภัณฑ์หลายชิ้นแล้วมีส่วนผสมที่ไม่ควรใช้ร่วมกันนำไปสู่การระคายเคือง ด้วยเหตุผลนี้คณะผู้จัดทำจึงพัฒนาแอปพลิเคชันวิเคราะห์ส่วนผสมของผลิตภัณฑ์ดูแลผิว เพื่อช่วยแก้ปัญหาดังกล่าว ทำให้ผู้บริโภคเข้าใจข้อมูลส่วนผสมในผลิตภัณฑ์ได้อย่างถูกต้องและรู้ว่าควรใช้ผลิตภัณฑ์ใดตามปัญหาผิวโดยไม่ต้องอาศัยความรู้ด้านเคมีและได้ผลิตภัณฑ์ที่คุ้มค่ากับราคาที่สุด โครงงานได้มีการบูรณาการความรู้ด้าน Software เพื่อพัฒนาแอปพลิเคชันสำหรับวิเคราะห์ส่วนผสมของผลิตภัณฑ์ดูแลผิว เพื่อค้นหาและแนะนำผลิตภัณฑ์ดูแลผิวที่เหมาะสมให้กับผู้บริโภค โดยมีการเก็บรวบรวมข้อมููลของส่วนผสมที่สำคัญต่าง ๆ จากบทความและงานวิจัยที่เชื่อถือได้
ในยุคที่ข้อมูลสามารถเข้าถึงได้ง่าย ผู้บริโภคมักสับสนกับผลิตภัณฑ์ดูแลผิวมากมายบนท้องตลาด ผู้บริโภคอาจเคยประสบเหตุการณ์ที่ไม่รู้ว่าจะเลือกผลิตภัณฑ์ใดตามปัญหาผิว, ผลิตภัณฑ์ที่ใช้นั้นไม่ให้ผลลัพธ์ตามที่ต้องการ, ผลิตภัณฑ์นั้นไม่คุ้มค่ากับราคา, แพ้สารเคมีบางชนิดในผลิตภัณฑ์ หรือใช้ผลิตภัณฑ์หลายชิ้นแล้วมีส่วนผสมที่ไม่ควรใช้ร่วมกันนำไปสู่การระคายเคือง ด้วยเหตุนี้ คณะผู้จัดทำจึงพัฒนาแอปพลิเคชันวิเคราะห์ส่วนผสมของผลิตภัณฑ์ดูแลผิว เพื่อช่วยให้ผู้บริโภคเข้าใจข้อมูลส่วนผสมในผลิตภัณฑ์ได้อย่างถูกต้องและรู้ว่าควรใช้ผลิตภัณฑ์ใดตามปัญหาผิวโดยไม่ต้องอาศัยความรู้ด้านเคมี โดยแอปพลิเคชันแสดงรายละเอียดส่วนผสมทั้งหมดในผลิตภัณฑ์ พร้อมทั้งอธิบายหน้าที่ ประสิทธิภาพและความปลอดภัยเพียงแค่ถ่ายรูปส่วนผสมของผลิตภัณฑ์นั้น ช่วยให้ผู้บริโภคตัดสินใจเลือกซื้อผลิตภัณฑ์ที่เหมาะกับสภาพผิวและความต้องการ มีการแสดงผลิตภัณฑ์ที่ให้ผลลัพธ์คล้ายกันแต่คุ้มค่ากว่า โดยพิจารณาจากส่วนผสมหลักและกลไกการออกฤทธิ์ ช่วยให้ผู้บริโภคตัดสินใจซื้อผลิตภัณฑ์ใด ๆ ได้ง่ายขึ้น สามารถพิมพ์ปัญหาผิว เช่น ฝ้า, สิว, ผิวคล้ำ เพื่อค้นหาผลิตภัณฑ์ที่ช่วยแก้ปัญหาผิวได้ ช่วยให้ผู้บริโภคที่ไม่รู้จักผลิตภัณฑ์ใด ๆ ในท้องตลาดเลยก็สามารถเลือกซื้อผลิตภัณฑ์ด้วยตนเองได้ นอกจากนี้ยังมีฟังก์ชันที่ให้ผู้ใช้เพิ่มผลิตภัณฑ์ที่ใช้เป็นประจำลงไปเพื่อตรวจสอบว่ามีส่วนผสมจากผลิตภัณฑ์ใดที่ไม่ควรใช้ร่วมกันหรือไม่ เพื่อช่วยให้ผู้บริโภคหลีกเลี่ยงสาเหตุของการระคายเคืองได้
คณะสถาปัตยกรรม ศิลปะและการออกแบบ
โครงงานออกแบบของเล่นจากเศษไม้เหลือทิ้งจาก บริษัท พาเลท เมกเกอร์ กรุ๊ป จำกัด
คณะวิทยาศาสตร์
การใช้เทคโนโลยีการสื่อสารแบบ LoRa ในการเกษตร
คณะวิทยาศาสตร์
ด้วยการพัฒนาของเทคโนโลยีทางด้านอวกาศทำให้การสำรวจท้องฟ้าโดยใช้กล้องโทรทรรศน์ที่มีมุมมองกว้างขยายขอบเขตของข้อมูลใหม่ๆ สำหรับการวิจัยดาราศาสตร์โดเมนเวลามากยิ่งขึ้น ทำให้การวิเคราะห์ข้อมูลแบบดั้งเดิมไม่สามารถตอบสนองต่อข้อมูลได้อย่างรวดเร็วและแม่นยำเพียงพอต่อปริมาณข้อมูลที่เพิ่มขึ้นอย่างต่อเนื่อง ดังนั้น การจำแนกประเภทของข้อมูลซีรีส์เวลาอย่างกราฟแสงจึงเป็นความท้าทายอย่างมากในยุคที่ข้อมูลมีขนาดใหญ่ ในปัจจุบันการวิเคราะห์กราฟแสงจึงจำเป็นต้องใช้เทคนิคการเรียนรู้ของเครื่องเข้ามาช่วยในการวิเคราะห์ คัดกรองข้อมูลอันมหาศาลอย่างหลีกเลี่ยงไม่ได้ โดยอัลกอริทึมการเรียนรู้ของเครื่องแบ่งออกได้ 2 ประเภท คือ แบบตื้นและแบบลึก นักวิจัยหลายๆ ท่านได้นำเสนอวิธีการและการพัฒนาอัลกอริทึมหลากหลายรูปแบบสำหรับการจำแนกประเภทของกราฟแสง ซึ่งในงานนี้เราได้ทำการทดลองใช้ Support Vector Machine (SVM) และ XGBoost ซึ่งเป็นอัลกอริทึมการเรียนรู้ของเครื่องประเภทแบบตื้น และ 1D-CNN และ Long Short-Term Memory (LSTM) ซึ่งเป็นอัลกอริทึมการเรียนรู้เชิงลึกเป็นอีกหนึ่งสาขาของการเรียนรู้ของเครื่องที่เป็นประเภทแบบลึก เพื่อใช้ในการจำแนกประเภทของดาวแปรแสง โดยข้อมูลที่ใช้ในการอบรบและทดสอบ คือ ข้อมูล Optical Gravitational Lensing Experiment-III (OGLE-III) เป็นข้อมูลของดาวแปรแสง โดยอยู่ในพื้นที่ Large Magellanic Cloud (LMC) ที่มีการแบ่งได้ 5 คลาสหลักส่วนใหญ่ (Classical Cepheids, δ Scutis, eclipsing binaries, RR Lyrae stars และ Long-period variables) ผลลัพธ์แสดงให้เห็นถึงการวิเคราะห์ประสิทธิภาพของการเรียนรู้ของเครื่องแต่ละประเภทที่ใช้กับข้อมูลกราฟแสง อีกทั้งยังชี้ให้เห็นถึงความแม่นยำและค่าสถิติต่างๆ ของการเรียนรู้ของเครื่องที่ใช้ในทดลอง