Physical Sciences and Mathematics Commons^™

Advancing The Understanding Of Clinical Sepsis Using Gene Expression–Driven Machine Learning To Improve Patient Outcomes, Asrar Rashid, Feras Al-Obeidat, Wael Hafez, Govind Benakatti, Rayaz A. Malik, Christos Koutentis, Javed Sharief, Joe Brierley, Nasir Quraishi, Zainab A. Malik, Arif Anwary, Hoda Alkhzaimi, Syed Ahmed Zaki, Praveen Khilnani, Raziya Kadwa, Rajesh Phatak, Maike Schumacher, M. Guftar Shaikh, Ahmed Al-Dubai, Amir Hussain

All Works

Sepsis remains a major challenge that necessitates improved approaches to enhance patient outcomes. This study explored the potential of machine learning (ML) techniques to bridge the gap between clinical data and gene expression information to better predict and understand sepsis. We discuss the application of ML algorithms, including neural networks, deep learning, and ensemble methods, to address key evidence gaps and overcome the challenges in sepsis research. The lack of a clear definition of sepsis is highlighted as a major hurdle, but ML models offer a workaround by focusing on endpoint prediction. We emphasize the significance of gene transcript information …

The Deep Bsde Method, Daniel Kovach

Masters Theses

"The curse of dimensionality is the non-linear growth in computing time as the dimension of a problem increases. Using the Deep Backwards Stochastic Differential Equation (Deep BSDE) method developed in [HJE18], I approximate the solution at an initial time to a one-dimensional diffusion equation. Although we only approximate a one-dimensional equation, this method extends well to higher dimensions because it overcomes the curse of dimensionality by evaluating the given partial differential equation along "random characteristics''. In addition to the implementation, I also present most of the mathematical theory needed to understand this method"-- Abstract, p. iii

Radiofrequency Interference Detection Using Lstmand Statistical Analysis Discriminator, Luke Smith

Masters Theses

"Wireless devices are becoming increasingly pervasive across all aspects of society. Examples of such devices include radios, routers, mobile phones, tablets, and more. As the number of radio frequency (RF) devices continues to rise, so does the amount of interference and noise increase. This is why an efficient approach to interference detection is explored. Most research within this area has been done strictly within the frequency domain as viewing a signal within this domain provides many insights into what makes the signal. This has, however, led to the time domain being underutilized for this area of research.

To explore the …

Branching Fractional Brownian Motion, Reece Beattie-Hauser

Masters Theses

"Fractional Brownian Motion (FBM) is a Gaussian process whose increments are correlated over long times. FBM is an example of anomalous diffusion, and recently it has been used to model the distribution of serotonergic fibers in the brain [1, 2]. To better represent these fibers, branching FBM (bFBM), where FBM trajectories may randomly split into two, is introduced. One-dimensional bFBM is studied in both sub diffusive and super diffusive regimes, examining three potential behaviors of the correlations (memory) in a branching event: both trajectories retain the memory of previous steps, only one keeps the memory, and neither keeps the memory. …

The Exponential Function In Discrete Fractional Calculus Under The Delta Operator, Brayton James Link

Masters Theses

"Previously the exponential problem in discrete fractional calculus under the nabla operator was solved with the discrete Mittag--Leffler function. We now show the solution to the exponential problem in discrete fractional calculus under the delta operator, providing multiple derivations of the solution with recursion and Laplace transforms. We also share some computational and numerical results of experiments with different orders of difference to display the nature of the solution" -- Abstract, p. iii

Comparative Study Of Crypto Volatility And Price Forecasting Using A Mixture Of Time Series And Machine Learning Models, Abhishek Kafle

Masters Theses

"Forecasting financial product volatility and price is crucial for informed decision-making in investment and risk management. The models considered include GARCH, LSTM, GRU, BiLSTM, and hybrid models that incorporate various combinations of these models. We present a comparative analysis of forecasting volatility and price using the aforementioned models.

We also introduce a user-friendly dashboard for model training and evaluation, enabling users to upload datasets and customize model parameters. The dashboard allows users to select the type of model, specify the dataset range for training, determine the number of epochs, adjust the number of layers for deep …

Ontogenetically Driven Changes In The Endocranial Anatomy Of Maiasaura Peeblesorum And Its Implications For Sensory Functions, Emma Puetz

Masters Theses

"Hadrosaurids exhibited extreme morphological diversity and behavioral characteristics that can be compared with other, closely related members of Dinosauria – particularly through the study of neuroanatomy. X-ray CT generated endocrania of the Late Cretaceous saurolophine hadrosaur Maiasaura peeblesorum, known as the “good mother” dinosaur, offers a unique opportunity to compare complex ecological behaviors between non-avian dinosaurs and their modern archosaur relatives. The 3D reconstruction software ORS Dragonfly provided linear and volumetric measurements taken from the digital cranial endocast and endosseous labyrinths of three ontogenetically varied M. peeblesorum specimens from the Two Medicine Formation in Montana that were used to …

A Gat-Bilstma Model For Weather-Aware Prediction Of Traffic Speed, Bikis Muhammed

Masters Theses

This thesis presented a method for incorporating the effect of weather conditions in the prediction of the average speed of vehicular traffic for each segment of a road network. The proposed approach utilized two different deep learning methods: graph attention networks and bidirectional long short-term memory with attention layers. The accuracy of predictions is increased by considering the real-world driving distance between road segments, in contrast to the Haversine distance used in several existing prediction methods. Categorization of input data as weekend or weekday further increased the prediction accuracy. The proposed approach was validated using two data sets published by …

A Reputation-Based Aodv Protocol For Blackhole And Malfunction Nodes Detection And Avoidance, Qussai M. Yaseen, Monther Aldwairi, Ahmad Manasrah

All Works

Enhancing the security of Wireless Sensor Networks (WSNs) improves the usability of their applications. Therefore, finding solutions to various attacks, such as the blackhole attack, is crucial for the success of WSN applications. This paper proposes an enhanced version of the AODV (Ad Hoc On-Demand Distance Vector) protocol capable of detecting blackholes and malfunctioning benign nodes in WSNs, thereby avoiding them when delivering packets. The proposed version employs a network-based reputation system to select the best and most secure path to a destination. To achieve this goal, the proposed version utilizes the Watchdogs/Pathrater mechanisms in AODV to gather and broadcast …

Digraph Enabled Digital Twin And Label-Encoding Machine Learning For Scada Network's Cyber Attack Analysis In Industry 5.0, Nabeel Al-Qirim, Anoud Bani-Hani, Munir Majdalawieh, Hussam Al Hamadi, Mohammad Kamrul Hasan

All Works

False-Data Injection Attack (FDIA), Remote-Tripping Command Injection (RTCI), and System Reconfiguration Attack (SRA) on SCADA (Supervisory Control and Data Acquisition) networks impact industry 5.0 enabled smart grid components such as intelligent-electronic-device (IED), circuit-breaker, network-switch, and power transmission lines. Since the SCADA-network-based cyber-attacking flow is not in digital-twin form, it is impossible to simulate the effects of the attack. Furthermore, the string nature of these affected components' data makes it challenging to incorporate into machine-learning-enabled intelligence (CTI) processes. To visualize the attacking flow of FDIA, RTCI, and SRA cyber-attacks on SCADA networks, this paper presents a novel "Digital Twin and Machine …

Fraud Detection In Medical Insurance Claims Using Majority Voting Of Multiple Unsupervised Algorithms, Mohamed Ahmed Abo El-Enen, Dina Tbaishat, Ahmed T. Sahlol, Amril Nazir, Khalid Almaymun, Mustafa Abdulrazek, Reem Muhammad, Fatima Adlan, Ravishankar Sharma

All Works

This paper addresses the critical challenge of fraud detection in medical insurance claims, a pervasive issue causing significant financial losses in healthcare. The primary goal is to develop an advanced fraud detection approach by integrating multiple unsupervised machines learning algorithms, leveraging their collective strengths through a majority voting mechanism, where labelling of data is unavailable. Central to this approach is the ensemble of 18 novel unsupervised algorithms, specifically, anomaly detection models. The novelty lies in the majority voting system employed to aggregate the decisions from these diverse algorithms, enhancing the reliability and accuracy of fraud detection. To validate the effectiveness …

Potato Leaf Disease Detection Approach Based On Transfer Learning With Spatial Attention, Rima Grati, Emna Abdallah, Khouloud Boukadi, Ahmed Smaoui

All Works

No abstract provided.

A Comparative Study Of Early Fusion And Multimodal Siamese Neural Network Using Image And Text Data In Food Classification, Kanokporn Sintarasirikulchai

Chulalongkorn University Theses and Dissertations (Chula ETD)

The economic development under capitalism has significantly transformed people's lifestyles, resulting in a fast-paced daily life. This shift has increased the consumption of convenient food options, leading to a preference for fast food, which is often high in carbohydrates and fats. Consequently, there has been a rise in obesity and related health issues, highlighting the importance of monitoring food intake. Automated systems utilizing artificial intelligence (AI) have emerged as potent tools for providing personalized dietary advice and monitoring. With the growing volume of food-related content on social media, including images and accompanying text, leveraging multimodal data has become essential for …

Leveraging Gpt-4 For Thai Land And Building Tax Calculation In The Bangkok Area, Sadanan Arsaibun

Chulalongkorn University Theses and Dissertations (Chula ETD)

This paper explores the application of large language models (LLMs), particularly GPT-4, in the context of Thai land and building tax computation. We address challenges arising from the complexity of Thai tax regulations, the scarcity of Thai-language training data, and the structured, multi-variable nature of tax computation tasks. To enhance model performance, we employ few-shot prompting, decomposition-based reasoning, and retrieval-augmented generation (RAG). We further introduce a JSON-style output format to support structured conversational interactions, allowing the model to identify missing user inputs and guide data collection. A secondary o3-mini pass is used as an answer verifier, helping to assess the …

Roles Of Reactants And Catalysts For Suzuki C-C Cross-Coupling Reaction Using Molecular Volcano Plots And Big-Data Analysis, Kwanchanok Kaewkwan

Chulalongkorn University Theses and Dissertations (Chula ETD)

The Suzuki carbon–carbon cross-coupling reaction is a well-known method for forming carbon–carbon bonds, catalyzed by transition metal complexes. Molecular volcano plots have been used to predict promising catalysts. While previous studies focused mainly on thermodynamic insight, with limited focus on kinetics, this work examines the influence of catalysts and reactants on catalytic activity by incorporating kinetic energy profiles. DFT calculations were performed to evaluate free energies of catalytic states, establish linear scaling relationships, and construct volcano plots. This study employed nickel and palladium complexes with five different ligands as catalysts, reacting with twenty-five substrates. Results show that catalysts have a …

Development Of Biosensors For Detection Of Human Papillomavirus Type 16 Dna, Panon Tungkunaruk

Chulalongkorn University Theses and Dissertations (Chula ETD)

This dissertation aims to develop two unconventional methods for the detection of a high-risk, cancer-causing human papillomavirus type 16 (HPV16) on miniaturized platforms for point-of-care testing (POCT). The first part focuses on a direct detection of HPV16 double-stranded DNA (dsDNA) using the non-self-pairing pyrrolidinyl peptide nucleic acid (acpcPNA) pair on a paper-based substrate coupled with fluorescence and electrochemical dual detections using a DNA-binding dye in a single device. The acpcPNA pair can perform double duplex invasion into dsDNA by hybridizing with each strand of DNA in the same region without the requirement of denaturing dsDNA to single-stranded DNA (ssDNA) before …

Flow Accelerated Corrosion In Economizer Tubes Of A Heat Recovery Steam Generator Using Computational Fluid Dynamics, Phuris Khunphakdee

Chulalongkorn University Theses and Dissertations (Chula ETD)

This study investigates the effects of operating and harp design parameters on flow accelerated corrosion (FAC) using CFD, based on a real case from a modern heat recovery steam generator (HRSG) where severe FAC occurred in an economizer harp after six years of service. Preliminary investigation found that contributions for this case include the construction material, which is carbon steel, the operating temperature range that close to FAC favourable temperature (150 °C), reduced water and disturbed flow geometry. Comparison of shear stress and wall thickness profiles confirmed that FAC is mass transfer dominated, driven by flow acceleration and recirculation near …

Development Of Electrochemical Sensor Based On Molecularly Imprinted Polymer For Determination Of Roxarsone, Pitranan Kunthanasap

Chulalongkorn University Theses and Dissertations (Chula ETD)

Roxarsone (ROX), a growth enhancer in poultry and swine, has the potential to improve weight gain and prevent coccidiosis. Excessive use of ROX may lead to its accumulation in animal tissues, potentially contaminating food products and posing health risks to humans through consumption. This research aims to develop an electrochemical sensor based on a magnetic screen-printed graphene electrode (mSPGE) modified with a highly selective molecularly imprinted polymer (MIP) for the determination of ROX with enhanced sensitivity and selectivity. Typically, an applied magnetic field at the mSPGE could accelerate mass transport at the electrode surface through the magnetohydrodynamic (MHD) effect, leading …

Aza-Piancatelli And Friedel-Crafts Reactions Under Microdroplet Conditions, Phanomsak Yukhet

Chulalongkorn University Theses and Dissertations (Chula ETD)

The development of sustainable, catalyst-free synthetic methodologies represents a significant advance in modern organic chemistry, which offers environmentally benign alternatives to conventional protocols that often rely on metal catalysts or harsh reagents. This dissertation presents two complementary studies to explore and establish novel catalyst-free synthetic strategies in both microdroplet and bulk solution phases and highlight their potential applications, mechanistic features, and practical limitations. The first part of this work investigates the rearrangement of furfural with secondary amines to yield 4,5-diaminosubstituted cyclopentenones (4,5-DCPs) within the unique reaction environment of electrospray-generated charged microdroplets. The reaction is proposed to proceed via a Stenhouse …

End-To-End Development Of Mandible Reconstruction Using Machine Learning, Nattapon Kamboonsri

Chulalongkorn University Theses and Dissertations (Chula ETD)

Virtual surgical planning (VSP) is a critical step in mandible reconstruction surgery, which involves preoperative planning and implant design to restore mandibular defects. This study focuses on two essential components of VSP: (1) mandible segmentation, specifically the separation of healthy and defective regions, which currently relies on manual annotation, and (2) generation of the complete mandible, where traditional approaches such as mirroring the contralateral side often fail in scenarios involving midline-crossing defects. While recent automated methods have addressed mandible segmentation from CT scans, they typically focus only on binary segmentation and often utilize conventional UNet-based architectures that suffer from limited …

Automated Cecum Identification In Colonoscopy Using Deep Learning Approach, Kittipoom Sutthinuntakorn

Chulalongkorn University Theses and Dissertations (Chula ETD)

Colonoscopy is essential for the early detection and prevention of colorectal cancer. Identifying the cecum is a vital element of this process. However, most existing automated methods rely on still images or temporal cues alone, without incorporating camera motion awareness, and are rarely suitable for real-time use. In this paper, we present a real-time cecum detection method that integrates spatial features, temporal modeling, and camera motion cues. We deploy ConvNeXtV2 for spatial feature extraction, LTContext for temporal modeling, and Depth Anything in Robotic Endoscopic Surgery (DARES) to enhance understanding of endoscope positioning and camera motion. The dataset used in this …

Craftjai: Llm-Enhanced Generative Ai For Gamified Mood Journal, Kingrak Phairoh

Chulalongkorn University Theses and Dissertations (Chula ETD)

Mood journaling helps promote emotional self-awareness, but maintaining user motivation remains difficult. This study presents CRAFTJAI, a generative AI system that enhances journaling through emotionally aligned visual feedback. Instead of replacing diary entries, the system adds character-based imagery to support intrinsic motivation and symbolic emotional reflection. It consists of emotional feature extraction using a large language model, emotion-labeled dataset construction based on eight core moods, and LoRA fine-tuning of a diffusion-based text-to-image model to improve emotional fidelity and stylistic consistency. A web-based prototype was developed with Gradio for real-time evaluation. Drawing on gamification and self-determination theory, the system integrates emotional …

แบบจำลองวุฒิภาวะด้านการวิเคราะห์ผลป้อนกลับของผู้ใช้สำหรับการบำรุงรักษาซอฟต์แวร์, ภัทรพงศ์ วิโรจน์ปกรณ์

Chulalongkorn University Theses and Dissertations (Chula ETD)

การวิเคราะห์ผลป้อนกลับของผู้ใช้ซอฟต์แวร์เป็นองค์ประกอบสำคัญของการบำรุงรักษาซอฟต์แวร์ เนื่องจากช่วยให้เข้าใจโดยตรงถึงวิธีที่ผู้ใช้จริงมีปฏิสัมพันธ์กับระบบ อุปสรรคที่ผู้ใช้เผชิญ และการปรับปรุงที่ผู้ใช้ต้องการ องค์กรที่พัฒนาซอฟต์แวร์อาจมีช่องทางหลากหลายในการรวบรวมผลป้อนกลับของผู้ใช้ แต่ประสิทธิภาพขององค์กรในการนำผลป้อนกลับเหล่านั้นไปใช้อาจมีความแตกต่างกันอย่างมาก งานวิจัยนี้เสนอแบบจำลองวุฒิภาวะด้านการวิเคราะห์ผลป้อนกลับของผู้ใช้ซอฟต์แวร์ (SFAMM) ซึ่งเป็นกรอบแนวคิดสำหรับประเมินระดับวุฒิภาวะของกระบวนการวิเคราะห์ผลป้อนกลับของผู้ใช้ซอฟต์แวร์ (SFAP) ขององค์กรพัฒนาซอฟต์แวร์ โดย SFAMM แบ่งระดับวุฒิภาวะออกเป็น 6 ระดับ ซึ่งแต่ละระดับประกอบด้วย 4 ปัจจัยหลักและปัจจัยย่อยของแต่ละปัจจัยหลัก SFAMM ได้รับการทวนสอบความถูกต้องผ่านการเชื่อมโยงกับมาตรฐาน ISO/IEC 15504 ซึ่งเป็นมาตรฐานสำหรับการประเมินกระบวนการ นอกจากนี้ SFAMM ยังมาพร้อมกับแบบสอบถามสำหรับประเมินวุฒิภาวะด้านการวิเคราะห์ผลป้อนกลับของผู้ใช้ซอฟต์แวร์ (SFAA) เพื่อให้องค์กรสามารถประเมินตนเองได้ว่าอยู่ในระดับใด และสามารถกำหนดแนวทางในการปรับปรุงกระบวนการวิเคราะห์ผลป้อนกลับของผู้ใช้ งานวิจัยยังได้เสนอผลสำรวจวุฒิภาวะด้านการวิเคราะห์ผลป้อนกลับของผู้ใช้ซอฟต์แวร์ขององค์กรพัฒนาซอฟต์แวร์ในประเทศไทย

Cattle Identification By Muzzle Patterns Using Few-Shot Learning And Two-Branch Feature Extraction, Kunanon Sereewatanapong

Chulalongkorn University Theses and Dissertations (Chula ETD)

Cattle identification is a critical component of modern farm management systems, particularly in ensuring traceability, disease control, and improved production efficiency. Traditional identification methods such as ear tags or microchips often face challenges related to cost, durability, and animal welfare concerns. To address these limitations, this study proposes TBPN-ACEM (Two-Branch Prototype Network with Adaptive-Color Local Binary Pattern and Enhanced Margin Prototype Loss), a lightweight and few-shot learning framework designed for cattle identification using muzzle patterns, a unique and permanent biometric trait analogous to human fingerprints. The TBPN-ACEM architecture consists of three core components: (1) a two-branch structure that jointly extracts …

การปรับปรุงการทำนายค่าฝุ่น Pm2.5 ด้วยโครงข่ายประสาทเทียมเชิงลึกแบบใช้พื้นที่และเวลา, จิตติ พรานนท์สถิตย์

Chulalongkorn University Theses and Dissertations (Chula ETD)

PM2.5 เป็นปัจจัยสำคัญที่ก่อให้เกิดปัญหามลพิษทางอากาศทั่วโลก จึงมีความจำเป็นต้องใช้วิธีการพยากรณ์ที่แม่นยำเพื่อการป้องกันและเตือนภัยล่วงหน้าอย่างมีประสิทธิภาพ แม้ว่างานวิจัยในระยะแรกจะมุ่งเน้นที่การพยากรณ์เชิงเวลา แต่ในระยะหลัง งานวิจัยต่าง ๆ เริ่มมีการบูรณาการแบบจำลองซึ่งพยากรณ์ทั้งในเชิงพื้นที่และเชิงเวลาเข้าด้วยกัน อย่างไรก็ตาม ยังคงมีความท้าทายด้านประสิทธิภาพการพยากรณ์ของแบบจำลองอยู่ ในงานวิจัยนี้ ผู้วิจัยมุ่งเน้นการพัฒนาเทคนิคดังกล่าวให้มีความแม่นยำมากยิ่งขึ้นในการพยากรณ์ความเข้มข้นของ PM2.5 ในอนาคต โดยใช้แบบจำลองพยากรณ์วิดีโอที่มีชื่อว่า “IAM4VP” เป็นแกนหลักของแบบจำลอง คุณลักษณะต่าง ๆ ถูกนำมาใช้ร่วมกันเพื่อการพยากรณ์ ได้แก่ ความเข้มข้นของ PM2.5 จำนวนจุดความร้อนบนพื้นผิวโลก และความเร็วลมที่พัดไปทางทิศตะวันออกและทิศเหนือ เพื่อเพิ่มประสิทธิภาพในการเรียนรู้เชิงเวลา ผู้วิจัยได้มีการบูรณาการการเข้ารหัสแบบวัฏจักร (Cyclical Encoding) เข้ามาเพื่อสะท้อนความสัมพันธ์ของความเข้มข้นของ PM2.5 กับชั่วโมงของวัน จากการทดลองโดยใช้ข้อมูล PM2.5 ในประเทศไทยระหว่างปี พ.ศ. 2565–2566 พบว่ามีการปรับปรุงผลลัพธ์อย่างมีนัยสำคัญ โดยค่า MAE ลดลงถึง 13.63% และค่า F1 score เพิ่มขึ้นถึง 15.27% เมื่อเทียบกับแบบจำลองพื้นฐาน ConvLSTM แบบจำลองนี้แสดงให้เห็นถึงความสามารถที่โดดเด่นในการพยากรณ์ระดับ PM2.5 ที่อยู่ในช่วงปานกลางถึงไม่ดีต่อสุขภาพ และยังมีความแม่นยำสูงขึ้นในแต่ละระยะเวลาการพยากรณ์ โดยเฉพาะในช่วงชั่วโมงแรก ๆ ของการพยากรณ์

Lead-Free Perovskite/Metal Oxide Heterojunction Photocatalyst For Sustainable Toluene Oxidation, Zakarya Hazaea

Chulalongkorn University Theses and Dissertations (Chula ETD)

An important field of study is the ecologically benign synthesis of useful compounds such as benzaldehyde and benzyl alcohol from the organic contaminant toluene. Lead-free halide perovskites are excellent options for photocatalysis due to their exceptional photoelectric properties. Nonetheless, they have notable challenges, such as fast charge recombination and ineffective charge separation. In this work, we present a simple anti-solvent technique to create a heterojunction between lead-free halide perovskite Cs2AgBiBr6 (CABB) with Cu2O and Cu-Cu2O. This combination facilitates the photocatalytic activation of C(sp3)−H bonds, which in turn increases the oxidation of toluene. The Cu2O and Cu-Cu2O creating a Z-scheme heterojunction …

แบบจำลองการจัดลำดับความสำคัญของความเสี่ยงของยูสเซอร์สตอรีสำหรับการจัดลำดับความสำคัญโดยใช้ตรรกะคลุมเครือ, เปรม สุนทรภาส

Chulalongkorn University Theses and Dissertations (Chula ETD)

ในกระบวนการพัฒนาซอฟต์แวร์แบบแอไจล์ ยูสเซอร์สตอรีเป็นองค์ประกอบสำคัญที่สะท้อนความต้องการของผู้ใช้ แต่หากยูสเซอร์สตอรีมีคุณภาพไม่เพียงพอ อาจก่อให้เกิดความเสี่ยงที่ส่งผลกระทบต่อความสำเร็จของโครงการอย่างมีนัยสำคัญ ดังนั้นงานวิจัยนี้จึงนำเสนอแบบจำลองการจัดลำดับความสำคัญของความเสี่ยงของยูสเซอร์สตอรีโดยใช้ตรรกะคลุมเครือ เพื่อช่วยให้สามารถจัดการกับความไม่แน่นอนในการตัดสินใจได้อย่างมีประสิทธิภาพ โดยเริ่มจากการนิยามความเสี่ยงของยูสเซอร์สตอรีจำนวน 12 ประเภท พร้อมทั้งกำหนดเกณฑ์การประเมินใน 2 ด้าน ได้แก่ ด้านความพยายามในการบริหารจัดการ และด้านข้อจำกัดในการบริหารจัดการ จากนั้นจึงประยุกต์ใช้ตรรกะคลุมเครือร่วมกับตัวแปรภาษาและฟังก์ชันความเป็นสมาชิกในการคำนวณค่าคะแนนความเสี่ยง และจัดลำดับความสำคัญผ่านแบบจำลองที่พัฒนาขึ้น ผลการประเมินการใช้งานแบบจำลองกับผู้มีประสบการณ์ในโครงการแอไจล์พบว่า แบบจำลองสามารถช่วยในการจำแนกความเสี่ยงได้อย่างเหมาะสมและมีความสอดคล้องกับความคิดเห็นของผู้ประเมิน ซึ่งผลการประเมินสะท้อนถึงความสมเหตุสมผลของแบบจำลองและความสามารถในการประยุกต์ใช้จริง ดังนั้นงานวิจัยนี้จึงเป็นประโยชน์ต่อทีมพัฒนาในการประเมินและจัดลำดับความเสี่ยงของยูสเซอร์สตอรีได้อย่างเป็นระบบ และเพิ่มประสิทธิภาพในการบริหารความเสี่ยงในโครงการพัฒนาซอฟต์แวร์แบบแอไจล์ได้ดียิ่งขึ้น

การพัฒนาแพลตฟอร์มปัญญาประดิษฐ์ที่อธิบายได้โดยใช้ Shap และ การเรียนรู้ของเครื่องผ่านกรณีตัวอย่างการทำนายโรคทางเดินอาหารจากข้อมูลไมโครไบโอมในลำไส้, พงศกร พงศ์สุทธิยากร

Chulalongkorn University Theses and Dissertations (Chula ETD)

ปัญญาประดิษฐ์มีบทบาทสำคัญในด้านวิทยาศาสตร์ชีวภาพ และ การแพทย์ โดยเฉพาะการวิเคราะห์ข้อมูลไมโครไบโอมในลำไส้ ซึ่งมีความสัมพันธ์กับโรคเรื้อรังหลายชนิด เช่น โรคลำไส้อักเสบเรื้อรัง โรคโครห์น และ มะเร็งลำไส้ใหญ่ แม้ว่าแบบจำลองการเรียนรู้ของเครื่องสามารถทำนายโรคได้อย่างแม่นยำจากข้อมูลเหล่านี้ แต่ข้อจำกัดด้านการตีความผลลัพธ์ โดยเฉพาะในแบบจำลองที่ซับซ้อน เช่น Random Forest และ Neural Networks ยังคงเป็นอุปสรรคต่อการใช้งานจริงในทางการแพทย์ งานวิจัยนี้เสนอการพัฒนาแพลตฟอร์มต้นแบบที่ผสานการทำงานของแบบจำลองการเรียนรู้ของเครื่องร่วมกับเทคนิค SHAP (SHapley Additive exPlanations) เพื่อแสดงเหตุผลประกอบการทำนายในระดับรายบุคคล ระบบถูกออกแบบให้รองรับการจัดการวงจรชีวิตของแบบจำลองอย่างเป็นระบบ ตั้งแต่การนำเข้า การเรียกใช้งาน ไปจนถึงการอัปเดตเวอร์ชัน โดยผู้ใช้งานสามารถเลือกแบบจำลองที่ผ่านการประเมินประสิทธิภาพ พร้อมแสดงค่าความน่าจะเป็น และ แผนภาพ SHAP ที่อธิบายฟีเจอร์สำคัญในการตัดสินใจของแบบจำลอง ระบบทั้งหมดพัฒนาภายใต้แนวคิดสถาปัตยกรรมไมโครเซอร์วิส และ รองรับการติดตั้งบน Kubernetes เพื่อความยืดหยุ่นในการดูแล และ ขยายในอนาคต แพลตฟอร์มนี้จึงเป็นแนวทางที่มีศักยภาพในการประยุกต์ใช้ AI อย่างโปร่งใสในงานด้านสุขภาพ และ สามารถต่อยอดไปยังโรคในกลุ่มอื่นได้ในระยะยาว

ระบบบริการที่ใช้การดำเนินการเรียนรู้ของเครื่องเพื่อสร้างและสอนเพิ่มแบบจำลองการเรียนรู้เชิงลึกได้โดยง่ายจากข้อมูลที่จัดเตรียมโดยผู้ใช้งาน, ธนเทพ รุ่งพิพัฒน์

Chulalongkorn University Theses and Dissertations (Chula ETD)

สารนิพนธ์ฉบับนี้นำเสนอระบบเว็บแอปพลิเคชันที่รองรับการสร้างแบบจำลองการเรียนรู้เชิงลึก (Deep Learning) โดยใช้แนวคิดของ MLOps (Machine Learning Operations) เพื่อให้สามารถฝึกใหม่ (Retrain) และนำแบบจำลองกลับมาใช้งานได้โดยอัตโนมัติ โดยไม่จำเป็นต้องมีความรู้เชิงเทคนิคหรือการเขียนโค้ด ระบบออกแบบมาเพื่อให้ผู้ใช้อัปโหลดข้อมูลของตนเอง และสร้างแบบจำลองจากโมเดลสำเร็จรูปที่นำเข้าจาก Hugging Face เช่น ResNet-50 และ Vision Transformer ได้ทันที โดยใช้ระบบตรวจสอบการเลื่อนของข้อมูล (Data Drift) และแสดงผลผ่าน Prometheus และ Grafana เพื่อประสิทธิภาพในการควบคุมคุณภาพของแบบจำลองในระยะยาว ระบบสามารถดาวน์โหลดโมเดลที่ฝึกแล้ว หรือเรียกใช้งานผ่าน API โดยมีการวางโครงสร้างเพื่อรองรับกับผู้ใช้งานจำนวนมากในอนาคตโดยใช้เครื่องมือต่างๆ เข้าช่วย เช่น Docker, Keycloak, RabbitMQ และ MLFlow ช่วยให้สามารถขยายระบบ (Scalability) และดีพลอยขึ้นคลาวด์ได้อย่างยืดหยุ่น การทดสอบระบบแสดงให้เห็นว่ามีประสิทธิภาพในการประมวลผลทั้งในด้านความแม่นยำของแบบจำลอง และความสามารถในการรองรับผู้ใช้งานพร้อมกันจำนวนมาก การวิจัยนี้ชี้ให้เห็นว่าการนำแบบจำลองที่มีอยู่แล้วมาประยุกต์ใช้ พร้อมระบบอัตโนมัติแบบครบวงจร เป็นแนวทางที่ช่วยลดข้อจำกัดในการเข้าถึง AI และส่งเสริมให้การใช้งานปัญญาประดิษฐ์สามารถเข้าถึงได้ในวงกว้างยิ่งขึ้น

การพัฒนาระบบสำหรับประเมินทักษะตามความต้องการด้านทักษะเชิงอ่อน สำหรับสายอาชีพผู้ผลิตซอฟต์แวร์ของธุรกิจธนาคารในประเทศไทย, ปรานต์วาสน์ ศรีอนันต์

Chulalongkorn University Theses and Dissertations (Chula ETD)

ในยุคปัจจุบันสายอาชีพผู้พัฒนาซอฟต์แวร์มีบทบาทสำคัญในหลากหลายอุตสาหกรรม โดยเฉพาะภาคธุรกิจธนาคารที่ต้องอาศัยเทคโนโลยีซอฟต์แวร์ในการดำเนินงาน ความสามารถในสายงานนี้จึงไม่จำกัดเพียงทักษะทางเทคนิคเท่านั้น แต่ยังรวมถึงทักษะเชิงอ่อน (soft skills) เช่น ทักษะการสื่อสาร ทักษะการวิเคราะห์ ทักษะการแก้ปัญหา เป็นต้น อย่างไรก็ตาม พบว่าผู้พัฒนาซอฟต์แวร์จำนวนมากยังขาดการตระหนักรู้และการเตรียมความพร้อมในด้านทักษะเชิงอ่อน ส่งผลให้เกิดช่องว่างระหว่างทักษะที่มีและความต้องการขององค์กร โครงงานนี้มีวัตถุประสงค์เพื่อวิเคราะห์และจัดลำดับความสำคัญของทักษะเชิงอ่อนที่จำเป็นในสายอาชีพผู้พัฒนาซอฟต์แวร์ทั้งสิ้น 9 ทักษะ โดยเน้นในภาคธุรกิจธนาคาร ผ่านการรวบรวมและวิเคราะห์ข้อมูลจากการตอบแบบสำรวจความต้องการด้านทักษะเชิงอ่อนของหัวหน้างานจากธุรกิจธนาคารในประเทศไทยทั้งสิ้น 10 แห่ง ต่อตำแหน่งงาน 4 ตำแหน่ง ได้แก่ ตำแหน่งเจ้าของผลิตภัณฑ์ ตำแหน่งนักออกแบบส่วนต่อประสานผู้ใช้ ตำแหน่งนักพัฒนา และนักประกันคุณภาพ เพื่อให้ทราบทักษะเชิงอ่อนที่สำคัญและจำเป็นโดยตรงกับความคาดหวังของหัวหน้างานในสายการพัฒนาซอฟต์แวร์ เพื่อสนับสนุนการพัฒนาทักษะเชิงอ่อนในสายอาชีพผู้พัฒนาซอฟต์แวร์ในประเทศไทย โครงงานนี้ยังมีเป้าหมายในการพัฒนาซอฟต์แวร์ที่ใช้ในการประเมินทักษะเชิงอ่อนสำหรับผู้ที่สนใจเข้าสู่สายอาชีพนี้ ซอฟต์แวร์ดังกล่าวออกแบบให้เป็นเครื่องมือที่ช่วยให้ผู้ใช้งานสามารถประเมินทักษะเชิงอ่อนของตนเองเบื้องต้นได้ พร้อมทั้งเสนอคำแนะนำที่เหมาะสมกับระดับของผู้ประเมินสำหรับทั้ง 9 ทักษะเชิงอ่อน เพื่อช่วยให้ผู้ใช้งานสามารถเข้าใจถึงจุดแข็งและจุดที่ควรพัฒนาเพิ่มเติมเพื่อให้มีทักษะที่สอดคล้องกับความต้องการในอุตสาหกรรมซอฟต์แวร์ในภาคธุรกิจธนาคารได้