บทคัดย่อ: เฟรนช์ฟรายกล้วย โครงงานนี้มีวัตถุประสงค์เพื่อศึกษาและพัฒนาผลิตภัณฑ์ เฟรนช์ฟรายกล้วย ซึ่งเป็นของว่างที่นำกล้วยมาทอดในรูปแบบคล้ายเฟรนช์ฟรายส์ เพื่อเพิ่มมูลค่าให้กับกล้วยและสร้างทางเลือกใหม่ให้กับผู้บริโภค การทดลองประกอบด้วยการคัดเลือกสายพันธุ์กล้วยที่เหมาะสม การพัฒนาสูตรแป้งชุบ และการทดสอบรสชาติจากกลุ่มตัวอย่าง ผลการศึกษาพบว่ากล้วยน้ำว้ามีความเหมาะสมที่สุดในการทำเฟรนช์ฟรายกล้วย เนื่องจากมีเนื้อสัมผัสที่แน่นและให้รสหวานตามธรรมชาติ สูตรแป้งชุบที่ดีที่สุดประกอบด้วยแป้งสาลี ไข่ และนม ซึ่งให้ความกรอบนานขึ้น การทดสอบรสชาติพบว่าผู้บริโภคส่วนใหญ่ให้การตอบรับในระดับดีมาก และมีความพึงพอใจต่อรสชาติและเนื้อสัมผัส โครงงานนี้แสดงให้เห็นว่าเฟรนช์ฟรายกล้วยเป็นผลิตภัณฑ์ที่มีศักยภาพในการพัฒนาเป็นของว่างเพื่อสุขภาพและสามารถต่อยอดเป็นผลิตภัณฑ์เชิงพาณิชย์ได้ในอนาคต
เปลี่ยนจากการบริโภคมันฝรั่งจากเดิมให้มีความแตกต่างจากปกติให้ลูกค้ากลุ่มใหม่ได้รับประทานผลิตภัณฑ์รูปแบบใหม่จากล้วยและได้ช่วยให้เกษตรกรได้มีรายได้ในส่วนนี้ด้วย
คณะอุตสาหกรรมอาหาร
กากกาแฟเป็นวัสดุเหลือใช้ที่เกิดจากกระบวนการชงกาแฟ ซึ่งมีปริมาณเพิ่มขึ้นอย่างต่อเนื่องตามความนิยมในการบริโภคกาแฟทั่วโลก ภายในกากกาแฟมีสารที่เป็นประโยชน์ เช่น โพลีแซ็กคาไรด์ เส้นใยอาหาร และสารต้านอนุมูลอิสระ ซึ่งสามารถนำมาใช้ประโยชน์ในด้านต่าง ๆ รวมถึงการสกัดพรีไบโอติก งานวิจัยนี้มุ่งเน้นการสกัดสารพรีไบโอติกจากกากกาแฟโดยใช้วิธีการไฮโดรไลซิสด้วยกรดและการย่อยสลายทางเอนไซม์ เพื่อนำสารที่ได้มาประเมินศักยภาพในการส่งเสริมการเจริญเติบโตของจุลินทรีย์ที่มีประโยชน์ต่อระบบทางเดินอาหาร ผลการวิจัยคาดว่าจะช่วยเพิ่มมูลค่าให้กับของเหลือจากอุตสาหกรรมกาแฟ ลดปริมาณขยะอินทรีย์ และเป็นแนวทางในการพัฒนาผลิตภัณฑ์พรีไบโอติกที่สามารถนำไปใช้ในอุตสาหกรรมอาหารและสุขภาพ ทั้งนี้ การศึกษานี้ยังเป็นส่วนหนึ่งของแนวทางการใช้ทรัพยากรอย่างยั่งยืนและเป็นมิตรต่อสิ่งแวดล้อม
คณะวิทยาศาสตร์
ปัญหาพิเศษนี้มีวัตถุประสงค์เพื่อศึกษาและเปรียบเทียบประสิทธิภาพการทำนายดัชนีคุณภาพอากาศ (AQI) ด้วยวิธีการเรียนรู้ของเครื่องแบบรวมกลุ่ม 5 วิธี ได้แก่ วิธีป่าสุ่ม วิธี XGBoost วิธี CatBoost วิธีรวมกลุ่มป่าสุ่มและ XGBoost และวิธีรวมกลุ่มป่าสุ่ม SVR และ MLP โดยใช้ชุดข้อมูลจากกรมควบคุมมลพิษกลางของประเทศอินเดีย (CPCB) ซึ่งชุดข้อมูลประกอบด้วยตัวแปรด้านมลพิษ 15 ตัวแปร และข้อมูลด้านสภาพอากาศ 9 ตัวแปร เก็บรวบรวมตั้งแต่มกราคม ค.ศ. 2021 ถึงธันวาคม ค.ศ. 2023 มีจำนวนข้อมูล 1,024,920 ค่า และวิธีการที่ใช้วัดประสิทธิภาพ 3 วิธี ได้แก่ รากของค่าคลาดเคลื่อนกำลังสองเฉลี่ย (Root Mean Square Error : RMSE) ค่าคลาดเคลื่อนสัมบูรณ์เฉลี่ย (Mean Absolute Error : MAE) และสัมประสิทธิ์การกำหนด (Coefficient of Determination) ผลการศึกษาพบว่าวิธีรวมกลุ่มป่าสุ่มและ XGBoost มีค่าวัดประสิทธิภาพทั้ง 3 วิธีดีที่สุด โดยมีค่า RMSE น้อยที่สุดเท่ากับ 0.1040 ค่า MAE น้อยที่สุดเท่ากับ 0.0675 และค่า มากที่สุดเท่ากับ 0.8128 แล้วทำการอธิบายผลลัพธ์จากการเรียนรู้ของเครื่องสำหรับสร้างแผนภาพด้วย SHAP ของวิธีการเรียนรู้ของเครื่องทั้ง 5 วิธี ทุกวิธีได้ข้อสรุปในทำนองเดียวกันคือตัวแปรที่มีผลกระทบต่อ ค่าทำนายโดยรวมมากที่สุด 2 อันดับแรกคือตัวแปร PM2.5 และ PM10 ตามลำดับ
คณะเทคโนโลยีสารสนเทศ
รายงานฉบับนี้เป็นส่วนหนึ่งของการนำความรู้ที่ได้จากการศึกษาโมเดล Machine Learning และแนวทางการพัฒนาโมเดลทำนายลูกค้าที่มีแนวโน้มที่จะยกเลิกการใช้บริการบัตรเครดิตของธนาคารมาประยุกต์ใช้กับข้อมูลจริงในอุตสาหกรรมบัตรเครดิตของสถาบันทางการเงิน ผ่านการฝึกงานที่สถานประกอบการทางการเงินแห่งหนึ่ง ซึ่งผู้จัดทำได้ทำการพัฒนาโมเดลทำนายลูกค้าที่มีแนวโน้มที่จะยกเลิกการใช้บริการบัตรเครดิตของสถาบันทางการเงินจากข้อมูลลูกค้าจริงผ่านระบบที่สถานประกอบการใช้งาน ซึ่งมุ่งเน้นไปที่การสร้างโมเดลที่สามารถทำนายการเลิกใช้บริการของลูกค้าได้อย่างแม่นยำ โดยมีการเลือกฟีเจอร์ข้อมูลให้เหมาะสมกับโมเดลการทำนายและลักษณะเฉพาะของข้อมูลในอุตสาหกรรมบัตรเครดิต เพื่อโมเดลที่มีประสิทธิภาพและถูกต้องมากที่สุด โดยรายงานฉบับนี้ยังครอบคลุมถึงการนำโมเดลที่ได้เข้าไปเป็นส่วนหนึ่งของการการพัฒนาเว็บไซต์เพื่อช่วยให้แผนกอื่นๆที่เกี่ยวข้องสามารถใช้งานโมเดลทำนายได้อย่างสะดวก โดยผู้ใช้สามารถอัปโหลดข้อมูลสำหรับการทำนายและรับผลลัพธ์จากโมเดลได้ทันที นอกจากนี้ยังมีการสร้าง Dashboard เพื่อนำเสนอข้อมูลเชิงลึกที่เกิดจากการทำนายของโมเดล เช่น การระบุกลุ่มลูกค้าที่มีความเสี่ยงสูงในการเลิกใช้บริการ รวมถึงข้อมูลเชิงวิเคราะห์ที่มีความสำคัญต่อการตัดสินใจเชิงกลยุทธ์ ซึ่งจะช่วยสนับสนุนการวางแผนการตลาดและการรักษาลูกค้าในองค์กรได้อย่างมีประสิทธิภาพมากยิ่งขึ้น