ปัจจุบันประเทศไทยประสบปัญหาเกษตรกรสูงอายุและขาดแคลนแรงงาน การจัดจ้างแรงงานของเกษตรกรในปัจจุบันอยู่ในรูปแบบการเล่าปากต่อปาก ภายในพื้นที่จำกัดอย่างเป็นวงแคบ ซึ่งอาจส่งผลเสียทางอ้อมในหลายด้าน เช่น ขาดการคัดเลือกขั้นพื้นฐาน (ประสบการณ์ ความถนัด) การควบคุมงบประมาณ การจัดจ้าง เป็นต้น จึงเกิดเป็นไอเดียการสร้างพื้นที่จัดหางานสำหรับเกษตรกรโดยเฉพาะ
ต้องการให้เป็นช่องทางสำหรับเกษตรกรที่ว่างงานหลังจากหมดฤดูการเก็บเกี่ยว สามารถหางานเพื่อเพิ่มรายได้ให้กับตนเองและครอบครัวหรือเปิดโอกาสให้บุคคลนอกสาขาการเกษตรเข้ามาทำงาน โดยคนที่จะเข้ามาใช้ฟีเจอร์นี้ได้ต้องเป็นสมาชิกของธนาคารเพื่อการเกษตรและสหกรณ์การเกษตร เท่านั้น
คณะวิทยาศาสตร์
โครงงานนี้มีวัตถุประสงค์เพื่อพัฒนาเว็ปแอปพลิเคชันสำหรับการเบิกจ่ายเครื่องมือ เพื่อลดปัญหาที่เกิดจากการใช้งานโปรแกรม Excel ซึ่งไฟล์ตัวแรกนั้นคัดลอกมาจาก SQL ที่มีอยู่แล้ว และคัดลอกต่อๆกันมา ส่งผลให้ต้องใช้พื้นจำนวนมากและไฟล์ Excel นั้นไม่สามารถเปิดใช้งานพร้อมกันได้ จึงต้องพัฒนาเว็ปแอปพลิเคชันเพื่อเชื่อม SQL โดยตรงเพื่อลดปัญหาที่เกิดจะการใช้ไฟล์ Excel
คณะวิทยาศาสตร์
ในยุคที่ข้อมูลรีวิวสินค้าบนแพลตฟอร์มอีคอมเมิร์ซมีจำนวนมาก การสรุปความคิดเห็นให้เข้าใจง่ายและใช้งานได้จริงจึงเป็นสิ่งสำคัญ งานวิจัยนี้นำเสนอระบบวิเคราะห์รีวิวสินค้าด้วย Aspect-Based Sentiment Analysis (ABSA) ซึ่งเป็นเทคนิคใน Natural Language Processing (NLP) ที่สามารถแยกแยะแง่มุมสำคัญของรีวิว (เช่น การจัดส่ง คุณภาพสินค้า บรรจุภัณฑ์) และวิเคราะห์อารมณ์ (บวก ลบ หรือเป็นกลาง) ของแต่ละแง่มุม ระบบนี้ช่วยให้ผู้บริโภคและร้านค้าสามารถเข้าถึงข้อมูลเชิงลึกได้อย่างมีประสิทธิภาพ โครงการนี้ได้พัฒนา AI สำหรับการวิเคราะห์ ABSA ภาษาไทย โดยใช้ WangchanBERTa ซึ่งฝึกบนข้อมูลภาษาไทย และเปรียบเทียบกับโมเดลต่างๆ เช่น TF-IDF + Logistic Regression, Word2Vec + BiLSTM, และ Multilingual BERT (mBERT/XLM-R) เพื่อประเมินประสิทธิภาพในด้านความแม่นยำ ความเร็ว และการใช้ทรัพยากร นอกจากนี้ยังมีการแสดงผลผ่าน Dashboard Visualization เพื่อให้ผู้ใช้เข้าใจแนวโน้มของรีวิวได้อย่างรวดเร็ว ผลลัพธ์ที่คาดหวังคือการพัฒนาเครื่องมือ AI ที่ใช้งานจริงในอุตสาหกรรมอีคอมเมิร์ซ ช่วยให้ผู้บริโภคตัดสินใจซื้อสินค้าได้ง่ายขึ้น และช่วยร้านค้าในการปรับปรุงผลิตภัณฑ์และบริการได้อย่างมีประสิทธิภาพ
คณะวิทยาศาสตร์
แผงโซลาร์เซลล์ที่ใช้กันในครัวเรือน ในปัจจุบันยังขาดระบบตรวจสอบที่มีประสิทธิภาพ ซึ่งส่งผลกระทบต่อการใช้งานอย่างมีประสิทธิภาพสูงสุด งานวิจัยนี้มีเป้าหมายในการออกแบบระบบตรวจสอบผ่านเทคโนโลยี Internet of Things (IoT) และ Machine Learning มาใช้ในการคาดการณ์กระแส และแรงดันไฟฟ้าที่ผลิตโดยแผงโซลาร์เซลล์ การศึกษาทดลองพบว่ามีความสัมพันธ์ระหว่างการสะสมของฝุ่นกับกระแสไฟฟ้าที่แผงโซลาร์เซลล์สามารถผลิตได้ ระบบที่นำเสนอสามารถคาดการณ์เวลาที่เหมาะสมในการทำความสะอาด