รายงานฉบับนี้เป็นส่วนหนึ่งของการนำความรู้ที่ได้จากการศึกษาโมเดล Machine Learning และแนวทางการพัฒนาโมเดลทำนายลูกค้าที่มีแนวโน้มที่จะยกเลิกการใช้บริการบัตรเครดิตของธนาคารมาประยุกต์ใช้กับข้อมูลจริงในอุตสาหกรรมบัตรเครดิตของสถาบันทางการเงิน ผ่านการฝึกงานที่สถานประกอบการทางการเงินแห่งหนึ่ง ซึ่งผู้จัดทำได้ทำการพัฒนาโมเดลทำนายลูกค้าที่มีแนวโน้มที่จะยกเลิกการใช้บริการบัตรเครดิตของสถาบันทางการเงินจากข้อมูลลูกค้าจริงผ่านระบบที่สถานประกอบการใช้งาน ซึ่งมุ่งเน้นไปที่การสร้างโมเดลที่สามารถทำนายการเลิกใช้บริการของลูกค้าได้อย่างแม่นยำ โดยมีการเลือกฟีเจอร์ข้อมูลให้เหมาะสมกับโมเดลการทำนายและลักษณะเฉพาะของข้อมูลในอุตสาหกรรมบัตรเครดิต เพื่อโมเดลที่มีประสิทธิภาพและถูกต้องมากที่สุด โดยรายงานฉบับนี้ยังครอบคลุมถึงการนำโมเดลที่ได้เข้าไปเป็นส่วนหนึ่งของการการพัฒนาเว็บไซต์เพื่อช่วยให้แผนกอื่นๆที่เกี่ยวข้องสามารถใช้งานโมเดลทำนายได้อย่างสะดวก โดยผู้ใช้สามารถอัปโหลดข้อมูลสำหรับการทำนายและรับผลลัพธ์จากโมเดลได้ทันที นอกจากนี้ยังมีการสร้าง Dashboard เพื่อนำเสนอข้อมูลเชิงลึกที่เกิดจากการทำนายของโมเดล เช่น การระบุกลุ่มลูกค้าที่มีความเสี่ยงสูงในการเลิกใช้บริการ รวมถึงข้อมูลเชิงวิเคราะห์ที่มีความสำคัญต่อการตัดสินใจเชิงกลยุทธ์ ซึ่งจะช่วยสนับสนุนการวางแผนการตลาดและการรักษาลูกค้าในองค์กรได้อย่างมีประสิทธิภาพมากยิ่งขึ้น
บัตรเครดิตเป็นบริการอย่างหนึ่งทางการเงิน ช่วยอำนวยความสะดวกแก่ผู้ใช้สามารถชำระค่าสินค้าและบริการโดยไม่ต้องใช้เงินสด ธนาคารทำหน้าที่เป็นตัวกลางในการชำระเงินให้กับร้านค้า และเรียกเก็บเงินจากผู้ใช้บัตรในภายหลัง บัตรเครดิตของแต่ละธนาคารจึงได้รับความนิยมอย่างรวดเร็วในประเทศไทย ส่งผลให้มีการแข่งขันสูง ธนาคารต้องพัฒนากลยุทธ์เพื่อดึงดูด และรักษาลูกค้าไว้ ในการทำธุรกิจ การสูญเสียลูกค้าถือเป็นปัญหาสำคัญที่ส่งผลกระทบต่อธุรกิจทุกประเภท โดยบัตรเครดิตของธนาคารถือเป็นอีกหนึ่งธุรกิจที่ได้รับผลกระทบจากการสูญเสียลูกค้าค่อนข้างมาก เนื่องจากการเติบโตมาจากผู้ใช้บัตรเป็นหลัก ส่งผลให้ลูกค้าบัตรเครดิตมีมูลค่าสูงและสามารถสร้างรายได้ให้กับธนาคารอย่างต่อเนื่อง ธนาคารจึงจำเป็นต้องหาแนวทางและวิธีป้องกันเพื่อรักษาไม่ให้ลูกค้ายกเลิกการใช้บริการ โดยการทำนายลักษณะลูกค้าที่มีแนวโน้มจะยกเลิกการใช้บริการบัตรเครดิตเป็นแนวทางหนึ่งที่สามารถช่วยธนาคารในการแก้ไขปัญหานี้ได้ การทำนายลักษณะลูกค้าที่กำลังจะยกเลิกการใช้บริการบัตรเครดิตสามารถทำได้โดยใช้ Machine Learning Model ซึ่งสามารถวิเคราะห์ข้อมูลจำนวนมากและหาความสัมพันธ์ของข้อมูลที่ซับซ้อน ทำให้องค์กรได้รับข้อมูลเชิงลึกที่เป็นประโยชน์ในการใช้วิเคราะห์และประกอบการตัดสินใจเพื่อหาแนวทางและกลยุทธ์ที่เหมาะสมที่สุดในการรักษาและป้องกันการสูญเสียลูกค้าเพื่อรักษารายได้และเสถียรภาพขององค์กรไว้
คณะเทคโนโลยีการเกษตร
การวิจัยครั้งนี้มีวัตถุประสงค์ 1) เพื่อศึกษาปัญหาความต้องการในการออกแบบบรรจุภัณฑ์กลุ่มวิสาหกิจชุมชน ฯ 2) เพื่อพัฒนาบรรจุภัณฑ์ให้กับกลุ่มวิสาหกิจชุมชน ฯ และ 3) เพื่อศึกษาความพึงพอใจต่อรูปแบบบรรจุภัณฑ์ของสมาชิกกลุ่มวิสาหกิจชุมชนกลุ่มกะปิคลองด่านชุมชน 3 ตำบลคลองด่าน อำเภอบางบ่อ จังหวัดสมุทรปราการ จำนวน 9 คน ผลการศึกษาพบว่า สภาพปัญหาของกลุ่มวิสาหกิจชุมชน ฯ นั้นขาดบรรจุภัณฑ์ที่เหมาะสมแก่การเป็นของฝากและมีความต้องการพัฒนาบรรจุภัณฑ์ให้มีลักษณะเหมาะสมแก่การเป็นของฝากโดยวัสดุที่ใช้ทำบรรจุภัณฑ์คือกระดาษ มีรูปแบบบรรจุภัณฑ์เป็นทรงสี่เหลี่ยมผืนผ้าพร้อมหูจับสำหรับพกพา สามารถพับเก็บขนส่งสะดวก และซ้อนทับเพื่อเรียงเป็นชั้นได้มีความแข็งแรงทนทาน สีบรรจุภัณฑ์ที่ใช้คือสีน้ำตาลอ่อน ส่วนสีฉลากคือสีขาว มีรายละเอียดที่ระบุในฉลากดังนี้ สูตรทำน้ำพริกกะปิ ส่วนประกอบ วันผลิตและวันหมดอายุ ความเป็นมาของกลุ่มวิสาหกิจชุมชน ฯ QR Code เบอร์โทรศัพท์ เรื่องราวสั้น ๆ ชื่อกลุ่ม สถานที่ผลิต พร้อมทั้งใช้ภาพประกอบเป็นที่ตั้งของกลุ่มวิสาหกิจชุมชน ฯ และภาพเคยแดง ผลการพัฒนาบรรจุภัณฑ์ให้กับกลุ่มวิสาหกิจชุมชน ฯ พบว่าการออกแบบบรรจุภัณฑ์ใหม่เพื่อเพิ่มความน่าเชื่อถือของสินค้า ทำให้ลูกค้าเกิดความเชื่อมั่นในตัวผลิตภัณฑ์ และความพึงพอใจต่อรูปแบบบรรจุภัณฑ์ของสมาชิกกลุ่ม ฯ พบว่าบรรจุภัณฑ์รูปแบบที่ 1 มีระดับความพึงพอใจมากที่สุด ( x ̅ = 4.57, S.D.= 0.22) โดยมีด้านสีได้ระดับความพึงพอใจมากที่สุด ( x ̅ = 4.74, S.D.= 0.06) รองลงมาคือด้านฉลากมีระดับความพึงพอใจมากที่สุด ( x ̅ = 4.69, S.D.= 0.10) น้อยที่สุดคือ ด้านคุณสมบัติระดับความพึงพอใจปานกลาง ( x ̅ = 3.83, S.D.=1.58) ตามลำดับ
คณะสถาปัตยกรรม ศิลปะและการออกแบบ
แอปที่ถูกออกแบบมาเพื่อกระตุ้นให้ผู้ใช้งานมีส่วนร่วมในการทำความสะอาดโดยนำเสนอในรูปแบบเกมที่สนุกสนานที่ให้ผู้ใช้เลือกภารกิจทำความสะอาด ติดตามค่าฝุ่น และสะสมคะแนนรางวัล
คณะเทคโนโลยีการเกษตร
ทุเรียนเป็นพืชเศรษฐกิจที่สำคัญของประเทศไทยและเป็นสินค้าส่งออกที่มีปริมาณสูงที่สุดในโลก อย่างไรก็ตาม การผลิตทุเรียนให้มีคุณภาพสูงจำเป็นต้องอาศัยการดูแลสุขภาพของต้นทุเรียนให้แข็งแรงและปราศจากโรค เพื่อให้สามารถให้ผลผลิตได้อย่างมีประสิทธิภาพ และลดความเสียหายที่อาจเกิดขึ้นกับทั้งต้นและผลทุเรียน โรคที่พบได้บ่อยและสามารถแพร่กระจายได้อย่างรวดเร็ว มักเป็นโรคที่เกิดขึ้นบริเวณใบ ซึ่งส่งผลกระทบโดยตรงต่อการเจริญเติบโตของต้นทุเรียนและคุณภาพของผลผลิต การตรวจสอบและควบคุมโรคทางใบจึงเป็นปัจจัยสำคัญในการรักษาคุณภาพของทุเรียน งานวิจัยนี้มีวัตถุประสงค์เพื่อนำเทคโนโลยีการวิเคราะห์ภาพถ่ายร่วมกับปัญญาประดิษฐ์ (Artificial Intelligence: AI) มาประยุกต์ใช้ในการจำแนกโรคที่เกิดขึ้นในใบทุเรียน เพื่อให้เกษตรกรสามารถตรวจสอบโรคได้ด้วยตนเองโดยไม่ต้องอาศัยผู้เชี่ยวชาญ โดยจำแนกใบออกเป็น 3 ประเภท ได้แก่ ใบสุขภาพดี (Healthy: H) ใบที่ติดเชื้อแอนแทรคโนส (Anthracnose: A) และใบที่ติดเชื้อจุดสาหร่าย (Algal Spot: S) ทั้งนี้ ได้นำอัลกอริทึม Convolutional Neural Networks (CNN) ได้แก่ ResNet-50, GoogleNet และ AlexNet มาใช้ในการพัฒนาแบบจำลองเพื่อจำแนกประเภทของโรค ผลการทดลองพบว่า แบบจำลองที่ใช้ ResNet-50, GoogleNet และ AlexNet ให้ค่าความแม่นยำในการจำแนกใบเท่ากับ 93.57%, 93.95% และ 68.69% ตามลำดับ