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
คณะอุตสาหกรรมอาหาร
ผลิตภัณฑ์ Banana Blossom Chips เป็นขนมขบเคี้ยวเพื่อสุขภาพที่อุดมไปด้วยใยอาหาร สารต้านอนุมูลอิสระ และโปรตีนจากพืช โดยเกิดจากการผสมผสานวัตถุดิบท้องถิ่นของไทย คือปลีกล้วยที่มีใยอาหารและสารต้านอนุมูลอิสระสูง แป้งถั่วลูกไก่ที่เป็นแหล่งโปรตีนจากพืช และข้าวกล้องหอมมะลิแดง ที่มีค่า GI ต่ำและสารต้านอนุมูลอิสระสูง ผ่านกระบวนการแปรรูปที่ให้ความกรอบและมีรูปร่างที่เป็นเอกลักษณ์ ลดปริมาณไขมัน ปราศจากกลูเตน รวมทั้งช่วยคงคุณค่าสารอาหาร จึงเป็นทางเลือกใหม่ให้กับผู้บริโภคที่รักสุขภาพ และเป็นการเพิ่มมูลค่าให้กับผลผลิตทางการเกษตรของไทย
คณะวิศวกรรมศาสตร์
ระบบสร้างภาษามือไทยเชิงกำเนิดมีเป้าหมายในการพัฒนาแพลตฟอร์ม การสร้างแบบจำลอง 3 มิติและแอนิเมชัน ที่สามารถแปลง ประโยคภาษาไทยเป็นท่าทางภาษามือไทย (TSL) ที่ถูกต้องและเป็นธรรมชาติ โครงการนี้ช่วยเสริมสร้างการสื่อสารสำหรับ ชุมชนผู้บกพร่องทางการได้ยินในประเทศไทย โดยใช้แนวทางที่อิงกับ แลนมาร์ก (Landmark-Based Approach) ผ่านการใช้ Vector Quantized Variational Autoencoder (VQVAE) และ Large Language Model (LLM) ในการสร้างภาษามือ ระบบเริ่มต้นด้วยการ ฝึกโมเดล VQVAE โดยใช้ข้อมูลแลนมาร์กที่สกัดจากวิดีโอภาษามือ เพื่อให้โมเดลเรียนรู้ การแทนค่าแบบแฝง (Latent Representations) ของท่าทางภาษามือไทย หลังจากนั้น โมเดลที่ฝึกแล้วจะถูกใช้เพื่อ สร้างลำดับแลนมาร์กของท่าทางเพิ่มเติม ซึ่งช่วยขยายชุดข้อมูลฝึกโดยอ้างอิงจาก BigSign ThaiPBS Dataset เมื่อชุดข้อมูลได้รับการขยายแล้ว ระบบจะทำการ ฝึก LLM เพื่อสร้างลำดับแลนมาร์กที่ถูกต้องจากข้อความภาษาไทย โดยลำดับแลนมาร์กที่ได้จะถูกนำไปใช้ สร้างแอนิเมชันของโมเดล 3 มิติใน Blender เพื่อให้ได้ท่าทางภาษามือที่ลื่นไหลและเป็นธรรมชาติ โครงการนี้ถูกพัฒนาด้วย Python โดยใช้ MediaPipe สำหรับการสกัดแลนมาร์ก OpenCV สำหรับการประมวลผลภาพแบบเรียลไทม์ และ Blender’s Python API สำหรับสร้างแอนิเมชัน 3 มิติ ด้วยการผสานเทคโนโลยี AI, การเข้ารหัสผ่าน VQVAE และการสร้างแลนมาร์กด้วย LLM ระบบนี้มุ่งหวังที่จะ เชื่อมช่องว่างระหว่างข้อความภาษาไทยและภาษามือไทย เพื่อมอบแพลตฟอร์มการแปลภาษามือแบบโต้ตอบ ในเวลาจริง ให้กับชุมชนผู้บกพร่องทางการได้ยินในประเทศไทย
คณะวิศวกรรมศาสตร์
หนึ่งในปัจจัยที่สำคัญที่สุดในการตอบสนองต่อกรณีทางการแพทย์คือเวลาการตอบสนอง โดยทั่วไปแล้ว ความเสียชีวิตส่วนใหญ่เกิดจากผู้ป่วยไม่สามารถไปถึงมือแพทย์ได้ทันเวลา นอกจากนี้ยังรวมถึงการมาถึงของอุปกรณ์การแพทย์ในที่เกิดเหตุ สมองของมนุษย์จะเริ่มเสื่อมลงหลังจากขาดออกซิเจนเป็นเวลา 3 นาที ซึ่งวิธีการขนส่งทางถนนที่หน่วยปฐมพยาบาลใช้อยู่ในปัจจุบันไม่สามารถไปถึงที่เกิดเหตุได้ภายใน 3 นาที ส่งผลให้มีการเสียชีวิตระหว่างการขนส่งหรือก่อนหน่วยปฐมพยาบาลจะมาถึงที่เกิดเหตุ ดังนั้นจึงได้มีการสำรวจการขนส่งอุปกรณ์การแพทย์ด้วยอากาศยานที่ควบคุมด้วยตนเองโดยอัตโนมัติ ซึ่งสามารถทำได้ผ่านการจัดส่งด้วยโดรนที่รวดเร็วกว่าใช้วิธีการทางถนน เนื่องจากอุปกรณ์สามารถบินตรงไปยังที่เกิดเหตุได้ ในโครงการนี้ เราจะสำรวจระบบการส่งมอบทางอากาศสำหรับอุปกรณ์การแพทย์ เช่น เครื่องกระตุ้นหัวใจอัตโนมัติ (AEDs) อุปกรณ์ปฐมพยาบาล และอุปกรณ์การแพทย์ขนาดเล็กอื่น ๆ ที่ร้องขอ เราจะทำสิ่งนี้ผ่านแพลตฟอร์มโดรนของ DJI และแอปพลิเคชัน SDK ของพวกเขา เป้าหมายหลักของโครงการนี้คือการลดเวลาการตอบสนองโดยการใช้โดรนอัตโนมัติเพื่อส่งมอบอุปกรณ์การแพทย์ เราพบว่าโดรนเป็นแพลตฟอร์มที่สามารถส่งมอบเครื่องกระตุ้นหัวใจไปยังผู้ป่วยได้อย่างมีประสิทธิภาพผ่านข้อมูลการบินที่รวบรวมและการทดสอบเบื้องต้น ซึ่งให้แพลตฟอร์มที่ยอดเยี่ยมสำหรับการพัฒนาระบบในอนาคต