โลกธุรกิจในปัจจุบันมีการแข่งขันสูง การทำความเข้าใจลูกค้าเป็นสิ่งที่สำคัญที่สามารถทำให้องค์กรกำหนดความสำเร็จได้ การตลาดที่มีประสิทธิภาพไม่ใช่เพียงแค่การเสนอสินค้า โปรโมชั่น หรือบริการที่ดีเท่านั้น แต่ยังต้องมีกลยุทธ์ในการเข้าถึงและสร้างความสัมพันธ์ที่ดีกับกลุ่มลูกค้า การจัดกลุ่มลูกค้าเป็นหนึ่งในวิธีการที่จะช่วยให้ธุรกิจสามารถเจาะลึกความต้องการและพฤติกรรมของกลุ่มลูกค้าที่เข้ามาใช้บริการได้อย่างชัดเจน จากการปฎิบัติสหกิจศึกษาในครั้งนี้ ผู้ปฏิบัติได้รับมอบหมายให้ปฏิบัติงานใน ทีมธุรกิจอัจฉริยะ (Business Intelligence - BI) กลุ่มธุรกิจอาหารและเครื่องดื่ม ได้ทำหน้าที่วิเคราะห์ข้อมูลของกลุ่มลูกค้าของร้านกาแฟพันธุ์ไทยเกี่ยวกับลักษณะของลูกค้าที่เข้ามาใช้บริการในร้านกาแฟพันธุ์ไทย การปฏิบัติงานสหกิจครั้งนี้ มีวัตถุประสงค์ในการที่จะเข้าใจพฤติกรรมของลูกค้าที่เข้ามาซื้อเครื่องดื่มประเภทกาแฟและชาในร้านกาแฟพันธุ์ไทย โดยการวิเคราะห์ข้อมูลของลูกค้าที่มีการจัดเก็บไว้ ซึ่งผลจากการดำเนินได้มีการจัดกลุ่มลูกค้าที่เข้ามาซื้อเครื่องดื่มประเภทกาแฟและชา โดยการใช้ Naive Bayes, Random Forest, Deep Learning เปรียบเทียบเทคนิคที่มีความแม่นยำและเหมาะสม เพื่อนำข้อมูลที่วิเคราะห์ได้ไปใช้ประโยชน์ต่อไป
กาแฟและชา เป็นเครื่องดื่มที่ได้รับความนิยมอย่างมาก ทั้งชาและกาแฟมีประโยชน์ต่อสุขภาพ ใช้ดื่มเพื่อผ่อนคลาย ชาเป็นเครื่องดื่มที่ทำให้ผ่อนคลายจากการทำกิจกรรมมาทั้งวัน ในขณะเดียวกัน กาแฟเป็นตัวช่วยเพิ่มพลังงาน และพลังสมองก่อนที่จะทำกิจวัตรใดๆ อีกทั้งยังเป็นตัวเชื่อมความสัมพันธ์ระหว่างมนุษย์ ดังนั้น การมองหาร้านกาแฟที่มีเครื่องดื่มที่เข้มข้น สินค้าที่หลากหลาย ยังต้องมีพื้นที่สังสรรค์ พบประผู้คน ซึ่งในนั้นก็คือ ร้านกาแฟพันธุ์ไทย ซึ่งเป็นแบรนด์กาแฟ ที่มีทั้งเครื่องดื่ม ขนมปัง เบเกอรี่ และอาหารหลากหลาย ทำให้มีกลุ่มลูกค้าที่เข้ามาใช้บริการเป็นจำนวนมาก และลักษณะการซื้อเครื่องดื่มและสินค้าที่แตกต่างกัน จากเหตุผลดังกล่าว ทำให้ทีมธุรกิจอัจฉริยะ (Business Intelligence - BI) กลุ่มธุรกิจอาหารและเครื่องดื่ม มีความสนใจที่จะจัดกลุ่มลูกค้าของร้านกาแฟพันธุ์ไทย ข้าพเจ้าจึงมีแนวคิดที่จะจำแนกและวิเคราะห์พฤติกรรมลูกค้า แบ่งออกเป็น 3 กลุ่ม ได้แก่ ลูกค้าที่ซื้อเครื่องดื่มประเภทกาแฟเป็นประจำ ลูกค้าที่ซื้อเครื่องดื่มประเภทชา และลูกค้าที่ซื้อเครื่องดื่มทั้งชาและกาแฟ โดยการใช้ Naive Bayes, Random Forest, Deep Learning เปรียบเทียบเทคนิค ที่มีความแม่นยำและเหมาะสม เพื่อนำข้อมูลที่วิเคราะห์ได้ไปใช้ประโยชน์ต่อไป
คณะเทคโนโลยีสารสนเทศ
โครงงานเรื่อง คินเดอร์ฟอร์เรสต์ เกมสร้างสิ่งของและไขปริศนา ด้วยเทคโนโลยีวีอาร์ มีจุดประสงค์ในการจัดทำขึ้นเพื่อเป็นเกมส่งเสริมความคิดสร้างสรรค์ในการแก้ปัญหา และทักษะการประยุกต์ในระดับเบื้องต้น โดยนำเสนอในรูปแบบเทคโนโลยีความเป็นจริงเสมือน เพื่อมุ่งเน้นให้ผู้เล่นได้มีส่วนร่วมทางร่างกายระหว่างการเล่นเกมพร้อมกับการส่งเสริมความคิดสร้างสรรค์และทักษะการประยุกต์ระดับเบื้องต้น ทางคณะผู้จัดทำได้เลือกใช้ อันเรียลเอนจิน 5.1 (Unreal Engine 5.1)และแว่นตาโลกเสมือนโอคูลัส เควส 2 (Oculus Quest 2) มาพัฒนาเกมในรูปแบบเทคโนโลยีความเป็นจริงเสมือนโดยภายในตัวเกมจะมีด่านที่ต้องใช้ความคิดสร้างสรรค์และวิธีการในการผ่านด่านที่ต่างกันไป มีการจับเวลาในการทำภารกิจเพื่อผ่านด่าน ผู้เล่นจะขยับร่างกายเมื่อมีการเคลื่อนไหวภายในเกม อุปสรรคของผู้เล่นในแต่ละด่านจะทำให้ผู้เล่นต้องใช้การขยับร่างกายไปพร้อมกับการแก้ไขปัญหา เป็นต้น และเกมจะมีการแสดงผลลัพธ์การผ่านภารกิจในขั้นต่าง ๆ ทำให้ผู้เล่นได้รางวัลที่ต่างกันตามลำดับขั้น ซึ่งเมื่อผู้เล่นผ่านก็จะมีการแสดงผลลัพธ์ให้ผู้เล่นทราบอีกด้วย
คณะวิศวกรรมศาสตร์
การประเมินผลผลิตของผลมะม่วง และพฤติกรรมของผู้บริโภคที่มีความตระหนักถึงที่มาของผลผลิตมากยิ่งขึ้น ต้องการตรวจสอบย้อนกลับถึงที่มาของผลผลิตว่าผลผลิตนั้นๆได้รับการดูแลมาอย่างไรผ่านการระบุตำแหน่งของผลนั้นๆ ความเกี่ยวเนื่องกันถึงลักษะของผลผลิตที่เป็นผลมาจากวิธีการดูแลผลหรือต้นของผลผลิตในขณะที่ยังไม่ถูกเก็บเกี่ยว ดังนั้นเพื่อสร้างแบบจำลองที่สามารถตรวจจับและระบุตำแหน่งของผลมะม่วง โดยใช้ภาพถ่าย 2 มิติ ด้วยวิธีการ Deep Learning Model และเพื่อศึกษาเทคนิคการระบุพิกัดของผลมะม่วงในโลกจริงจากภาพภาพ 2 มิติ มีการใช้โมเดล YOLOv8 เพื่อ Object detection ร่วมกับเทคนิคการสอบเทียบกล้อง (Camera Calibration) และ Triangulation เพื่อหาตำแหน่ง 3 มิติ ของผลมะม่วงในภาพที่ถูกตรวจจับได้ จากการทำการทดลองหาตำแหน่งทั้งหมด 125 ครั้ง ที่มีการสุ่มค่าตำแหน่งของผลมะม่วง และตำแหน่งของกล้องที่มีมุม Yaw และ Pitch ที่แตกต่างกัน โดยการใช้ค่า Parameter จากรูปที่ถ่ายถัดไปมาเปรียบเทียบกันเพื่อหาตำแหน่งจริง 3 มิติ ที่ได้ผลความถูกต้องที่..... จากการใช้โมเดล YOLOv8 ที่มีค่าทำนาย Precision, Recall, mAP50, mAP50-95 และ F1-Score ได้แก่ 0.928, 0.901, 0.965, 0.785 และ 0.914 ตามลำดับ ซึ่งมีความแม่นยำที่มากพอเพื่อทำนายตำแหน่งของผลมะม่วงที่มีความคลาดเคลื่อนประมาณ 38 เซนติเมตร
วิทยาลัยวิศวกรรมสังคีต
โครงงานชิ้นนี้เป็นการศึกษาการออกแบบพื้นที่เก็บเสียงแบบพกพาได้ ซึ่งจะทำให้ผู้ใช้สามารถฝึกซ้อมการใช้เสียงได้โดยไม่รบกวนพื้นที่รอบข้าง