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
ในงานนี้เราได้เสนอการใช้อัลกอริทึมการเรียนรู้ของเครื่องที่ทำการแบ่งอัลกอริทึมได้เป็น 2 ประเภท คือ แบบตื้นและแบบลึกมาทดสอบประสิทธิภาพโดยแบบตื้นมีมีอัลกอริทึม Support Vector Machine (SVM) และ XGBoost แบบลึกมีอัลกอริทึม 1D-CNN และ Long Short-Term Memory (LSTM) เราพิจารณาข้อมูลการสังเกตที่ได้จากฐานข้อมูล Optical Gravitational Lensing Experiment-III (OGLE-III) ที่เป็นดาวแปรแสงในพื้นที่ Large Magellanic Cloud (LMC) ด้วยกล้องโทรทรรศน์ขนาด 1.3-m Warsaw ที่ติดตั้งที่หอดูดาวลาสคัมปานัส ประเทศชิลี ข้อมูลนี้ประกอบด้วยการสังเกตดาวแปรแสงมากกว่าหนึ่งแสนครั้งโดยพิจารณาจากกราฟแสง และใช้ข้อมูลสถิติต่างๆ เช่น Accuracy, Precision, Recall, F1-score, AUG, mPa, mcc และ kappa ซึ่งงานวิจัยนี้มีจุดมุ่งหมายเพื่อที่จะทดสอบประสิทธิภาพในการจำแนกประเภทของดาวแปรแสงโดยใช้ข้อมูลการวิเคราะห์ light curve ด้วยเทคนิคการเรียนรู้ของเครื่องทั้งสองประเภท เพื่อให้เห็นถึงความเข้าใจในลักษณะและพฤติกรรมของดาวแปรแสง ซึ่งใช้ในประโยชน์ต่างๆ เช่น ความรู้ในด้านดาราศาสตร์ฟิสิกส์หรือการค้นพบดาวเคราะห์ดวงใหม่ๆ และการป้องกันภัยจากดาวแปรแสงมีอาจจะมีผลกระทบต่อโลก อีกทั้งในเรื่องการประหยัดเวลาและทรัพยากรในการที่จะจำแนกประเภทดาวแปรแสงอย่างมีระบบและมีประสิทธิภาพ
คณะสถาปัตยกรรม ศิลปะและการออกแบบ
โครงการนี้มีเป้าหมายเพื่อพัฒนาศักยภาพการใช้พลังงานในอนาคต Net Zero ของกรุงเทพครั้งใหม่ โดยมีเป้าหมายที่จะตอบข้อบกพร่องของโครงสร้างเมืองในปัจจุบัน ซึ่งยังคงไม่มีประสิทธิภาพและก่อมลพิษอย่างมาก ในทางกลับกันโครงการนี้สามารถผลิตพลังงานและส่งพลังงานส่วนเกินกลับคืนสู่เมืองและชุมชนโดยรอบ
คณะวิทยาศาสตร์
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
คณะเทคโนโลยีการเกษตร
การศึกษาผลของการทำ seed priming ด้วยสารสกัดจากสาหร่าย Chaetomorpha sp. ต่อความงอกและการเจริญเติบโตของต้นกล้าพริก มีวัตถุประสงค์เพื่อศึกษาผลของความเข้มข้นของสารสกัดจากสาหร่ายต่อการงอกและการเจริญเติบโตของต้นกล้าพริก การทดลองประกอบด้วยการแช่เมล็ดพริกในสารละลายสกัดจากสาหร่าย Chaetomorpha sp. ที่ระดับความเข้มข้นต่างๆ เปรียบเทียบกับชุดควบคุม วางแผนการทดลองแบบสุ่มสมบูรณ์ จำนวน 4 ซ้ำ ผลการศึกษาพบว่า การทำ seed priming ด้วยสารสกัดจากสาหร่ายมีแนวโน้มส่งเสริมการงอกของเมล็ดพริก โดยพบว่าเมล็ดที่ผ่านการ priming ด้วยสารสกัดจากสาหร่ายมีเปอร์เซ็นต์ความงอก ดัชนีการงอก และความเร็วในการงอกสูงกว่าชุดควบคุม นอกจากนี้ยังพบว่าต้นกล้าที่ได้มีการพัฒนาของรากและลำต้นที่แข็งแรงกว่าชุดควบคุม การศึกษานี้แสดงให้เห็นถึงศักยภาพของสารสกัดจากสาหร่าย Chaetomorpha sp. ในการเพิ่มคุณภาพของเมล็ดพันธุ์พริก ซึ่งสามารถนำไปประยุกต์ใช้ในการผลิตต้นกล้าพริกคุณภาพสูงต่อไป