Open Access. Powered by Scholars. Published by Universities.®
Articles 31 - 60 of 618
Full-Text Articles in Computer Sciences
การออกแบบและพัฒนาระบบการจัดการความรู้สำหรับการพัฒนาซอฟต์แวร์แบบสกรัมตามมาตรฐาน Iso/Iec 12207, กีรติกา ห่อเกียรติ
การออกแบบและพัฒนาระบบการจัดการความรู้สำหรับการพัฒนาซอฟต์แวร์แบบสกรัมตามมาตรฐาน Iso/Iec 12207, กีรติกา ห่อเกียรติ
Chulalongkorn University Theses and Dissertations (Chula ETD)
โครงงานมหาบัณฑิตนี้มีวัตถุประสงค์ในการปรับปรุงกระบวนการจัดการความรู้ของหน่วยงานแห่งหนึ่งให้สอดคล้องกับมาตรฐานไอเอสโอ/ไออีซี 12207 กระบวนการจัดการความรู้นี้นำเสนอสำหรับโครงการที่ใช้ระเบียบวิธีแบบเอจายล์ตามกรอบงานสกรัม พร้อมทั้งได้ออกแบบและพัฒนาระบบการจัดการความรู้ เพื่อสนับสนุนการประยุกต์ใช้กระบวนการจัดการความรู้ภายในองค์กร ระบบที่พัฒนาสามารถให้บริการในการจัดเก็บ ค้นหา และแบ่งปันความรู้จากโครงการต่าง ๆ ขององค์กร อีกทั้งสนับสนุนให้มีการแบ่งปันความรู้เพื่อให้มีการพัฒนาซอฟต์แวร์ที่ความสอดคล้องตามความต้องการของผู้ใช้ และช่วยเพิ่มสมรรถนะในการทำงานของทีมพัฒนาซอฟต์แวร์ การดำเนินงานเริ่มจากการศึกษาแนวคิดและมาตรฐานที่เกี่ยวข้องกับการจัดการความรู้ รวมถึงการวิเคราะห์มาตรฐาน ไอเอสโอ/ไออีซี 12207 เพื่อประเมินและปรับปรุงกระบวนการจัดการความรู้ในปัจจุบันของ 2 กิจกรรม ได้แก่ “กิจกรรมที่ 3) การแบ่งปันสินทรัพย์ความรู้ทั่วทั้งองค์กร” และ “กิจกรรมที่ 4) การจัดการความรู้ ทักษะ และสินทรัพย์ความรู้” ในการปรับปรุงกระบวนการนั้นได้นำเสนอ โครงสร้างพื้นฐานกระบวนการ และการนิยามกระบวนการที่ปรับปรุง จากนั้นได้ทำการพัฒนาระบบการจัดการความรู้ ที่สามารถรองรับกระบวนการจัดการความรู้ที่ปรับปรุงแล้ว รวมถึงทวนสอบระบบกับความต้องการเชิงฟังก์ชัน และเพื่อยืนยันว่าระบบสามารถสนับสนุนกระบวนการทำงานของทีมสกรัมตามการนิยามกระบวนการได้อย่างมีประสิทธิภาพ ผลลัพธ์ของโครงงานนี้แสดงว่า ได้ช่วยเพิ่มประสิทธิภาพในการจัดการความรู้ภายในองค์กรตัวอย่าง และสามารถใช้เป็นแนวทางสำหรับองค์กรอื่น ๆ ที่ต้องการปรับปรุงกระบวนการจัดการความรู้ในบริบทของการพัฒนาซอฟต์แวร์แบบสกรัม
Enhancing Multilingual Sentence Representation Learning For The Job Recruitment Domain, Napat Laosaengpha
Enhancing Multilingual Sentence Representation Learning For The Job Recruitment Domain, Napat Laosaengpha
Chulalongkorn University Theses and Dissertations (Chula ETD)
With the advancement in natural language processing (NLP), there has been significant development in multilingual pretraining sentence encoder. Typically, these pretraining models are trained on large-scale datasets that consist of general text data from various sources such as Wikipedia. However, the general proposed models aren't enough to understand contexts in such a domain-specific, especially in the job recruitment domain. It is due to its niche nature and the lack of readily available related information. To enhance the existing multilingual pretraining sentence encoder and mitigate the aforementioned problems, we first propose multi-task dual-encoder framework to improve the sentence encoder for general-purpose …
การพยากรณ์จำนวนสายโทรศัพท์เข้าของศูนย์บริการข้อมูลทางโทรศัพท์แบบรายครึ่งชั่วโมง, กฤตชญา ประภารัตน์
การพยากรณ์จำนวนสายโทรศัพท์เข้าของศูนย์บริการข้อมูลทางโทรศัพท์แบบรายครึ่งชั่วโมง, กฤตชญา ประภารัตน์
Chulalongkorn University Theses and Dissertations (Chula ETD)
การวิจัยนี้มีวัตถุประสงค์เพื่อศึกษาโมเดลที่เหมาะสมสำหรับการพยากรณ์จำนวนสายโทรศัพท์เข้าของศูนย์บริการข้อมูลทางโทรศัพท์แบบรายครึ่งชั่วโมง โดยศูนย์บริการข้อมูลทางโทรศัพท์ หรือ Call Center มีบทบาทเป็นศูนย์รวมสายโทรเข้าและโทรออกของธุรกิจ ซึ่งเป็นช่องทางสำคัญในการตอบสนองความต้องการของลูกค้า ไม่ว่าจะเป็นการสอบถามข้อมูล การขอคำแนะนำ หรือแก้ปัญหาต่าง ๆ ศูนย์บริการข้อมูลทางโทรศัพท์จึงมีการจัดวางแผนกำลังคนรับสาย เพื่อให้สอดคล้องกับปริมาณสายโทรศัพท์ที่คาดว่าจะเข้ามา แต่ในบางครั้งการวางแผนจัดกำลังคนรับสายอาจต้องมีการปรับระหว่างวัน เนื่องจากจำนวนสายโทรเข้าอาจมีจำนวนมากกว่าหรือน้อยกว่าที่คาดการณ์ไว้ ซึ่งวิธีการเดิมที่บริษัทใช้ในการคำนวน อาจมีความคลาดเคลื่อน และไม่สามารถปรับตัวเลขได้ภายในระยะเวลาอันสั้น งานวิจัยนี้จึงนำเสนอการพยากรณ์จำนวนสายโทรศัพท์เข้าของศูนย์บริการข้อมูลทางโทรศัพท์แบบรายครึ่งชั่วโมง มีวัตถุประสงค์เพื่อพยากรณ์ปริมาณสายการโทรเข้าช่วงหลัง 10 น. เพื่อช่วยให้ฝ่ายวางแผนกำลังคนเห็นแนวโน้มปริมาณสายที่คาดว่าจะเข้ามา และตัดสินใจปรับแผนการจัดกำลังคนได้อย่างทันท่วงที โดยโมเดลจะจัดกลุ่มและพยากรณ์รูปแบบการกระจายตัวของปริมาณสายโทรเข้า และพยากรณ์จำนวนสายที่คาดว่าจะเข้ามา ผลการทดลองพบว่า โมเดลที่พัฒนาขึ้นมี MAPE อยู่ที่ 20.8% ซึ่งมีประสิทธิภาพดีกว่าวิธีการคำนวนเดิมของบริษัทที่มี MAPE อยู่ที่ 52.7%
Effective Data Augmentation Techniques For Time Series Classification: An Empirical Evaluation, Pongpanod Sankosik
Effective Data Augmentation Techniques For Time Series Classification: An Empirical Evaluation, Pongpanod Sankosik
Chulalongkorn University Theses and Dissertations (Chula ETD)
Time series classification is crucial in fields such as healthcare, finance, and industrial processes, but it faces challenges like temporal data ordering, class im-balance, noise, and limited data. This research explores data augmentation techniques to improve classification performance, focusing on the MiniRocket classifier across 85 UCR datasets. The study identifies conditions under which augmentation techniques, like wDBA, enhance accuracy, though overall performance may vary. A dataset-specific approach is essential for effective augmentation. The research also examines the impact of augmentation on datasets with different characteristics, providing insights into when specific strategies are most benefi-cial. Future work includes optimizing augmentation methods …
Sales Forecasting For Retail Business Using Xgboost Algorithm And Timesfm, Prathana Dankorpho
Sales Forecasting For Retail Business Using Xgboost Algorithm And Timesfm, Prathana Dankorpho
Chulalongkorn University Theses and Dissertations (Chula ETD)
The retail industry is continuously evolving with the expansion of sales channels and the diversification of product assortments. However, current forecasting methods, relying on simplistic statistical models, frequently encounter difficulties in adjusting to the dynamic environment. This limitation leads to challenges in accurately predicting sales. Consequently, there is a critical need to improve the accuracy and frequency of sales predictions to enable timely decision-making for business strategies. Through a comprehensive analysis of datasets from 2019 to 2023, this study illustrates the advantages of integrating XGBoost and TimesFM to gain deeper insights into sales patterns. Results demonstrate a significant enhancement in …
Context-Free Grammar Framework For Automatic Shooting Game Enemy Pattern Generation, Nitit Kaweeratanakit
Context-Free Grammar Framework For Automatic Shooting Game Enemy Pattern Generation, Nitit Kaweeratanakit
Chulalongkorn University Theses and Dissertations (Chula ETD)
This research proposes a framework for generating enemy patterns for SHMUPs game. It is directly based on a grammar derived from the enemy behavior of existing commercial SHMUPs, and implemented using a new description language called "Enemy Pattern Description Language" (EPDL). EPDL contains all information required to construct the enemy, with no requirement of external data content. The language is human-readable and can be connected to any game engine of choice using an EPDL interpreter. The interpreter itself consists of lexer and recursive descent parser. The results shown in this research is implemented in. "rdnh", a private fork of Touhou …
การพยากรณ์การจ่ายยาของโรงพยาบาลโดยการเรียนรู้ของเครื่องและวิธีการวิเคราะห์เชิงสถิติ, วริศ ปุณณะหิตานนท์
การพยากรณ์การจ่ายยาของโรงพยาบาลโดยการเรียนรู้ของเครื่องและวิธีการวิเคราะห์เชิงสถิติ, วริศ ปุณณะหิตานนท์
Chulalongkorn University Theses and Dissertations (Chula ETD)
ในปัจจุบันการพยากรณ์การจ่ายยาของโรงพยาบาลถือเป็นหัวใจสำคัญต่อการจัดการคลังยาและการสั่งซื้อยาเป็นอย่างมาก เนื่องจากการพยากรณ์ที่น้อยเกินไปทำให้ยาไม่เพียงพอส่งผลให้เกิดความล่าช้าภายในโรงพยาบาล ในขณะที่การพยากรณ์ที่มากเกินไปทำให้เปลืองพื้นที่ใช้สอยและอาจทำให้ยาเสื่อมสภาพหรือหมดอายุซึ่งส่งผลให้โรงพยาบาลสูญเสียรายได้ การมีแบบจำลองที่สามารถพยากรณ์ปริมาณการจ่ายยาให้ใกล้เคียงกับค่าจริงจะสามารถลดปัญหาการขาดแคลนยาในแต่ละห้องจ่ายยาหรือการที่ห้องจ่ายยามีการกักตุนตัวยาเกินความจำเป็น จากปัญหาที่กล่าวมาข้างต้น โครงงานมหาบัณฑิตนี้จึงถูกจัดทำขึ้นเพื่อนำเสนอแบบจำลองที่จะมาแทนค่าเฉลี่ยเคลื่อนที่แบบทั่วไปซึ่งจะช่วยให้โรงพยาบาลสามารถพยากรณ์ปริมาณการจ่ายยาแต่ละวันได้แม่นยำมากขึ้น โดยจะนำเทคนิคสำหรับพยากรณ์ข้อมูลที่อยู่ในรูปแบบของอนุกรมเวลามาประยุกต์ใช้กับข้อมูลการจ่ายยาย้อนหลังและข้อมูลการนัดหมายแพทย์ย้อนหลัง หลังจากนั้นจะนำผลลัพธ์ที่ได้มาคำนวณค่าเคลาดเคลื่อนด้วยค่าเฉลี่ยของเปอร์เซ็นต์ความคลาดเคลื่อนสัมบูรณ์และค่าเฉลี่ยสมมาตรของเปอร์เซ็นต์ความคลาดเคลื่อนสัมบูรณ์และนำผลที่ได้มาใช้ในการเลือกว่าแบบจำลองไหนให้ค่าคลาดเคลื่อนต่ำที่สุด ผลการทดลองพบว่าแบบจำลองซัพพอร์ตเวกเตอร์รีเกรสชันให้ค่าความคลาดเคลื่อนที่ต่ำกว่าค่าเฉลี่ยเคลื่อนที่แบบทั่วไป แบบจำลองที่ผู้จัดทำโครงงานนำเสนอสามารถนำไปประยุกต์ใช้กับการพยากรณ์การจ่ายยาเพื่อให้แต่ละห้องจ่ายยามียาสำหรับให้บริการในปริมาณที่เพียงพอต่อความต้องการ
การอัตโนมัติกระแสงานของระบบการจัดการเนื้อหาด้วยพาวเวอร์ออโตเมต, อภิญญา แขนสูงเนิน
การอัตโนมัติกระแสงานของระบบการจัดการเนื้อหาด้วยพาวเวอร์ออโตเมต, อภิญญา แขนสูงเนิน
Chulalongkorn University Theses and Dissertations (Chula ETD)
งานวิจัยนี้นำเสนอการพัฒนาระบบอัตโนมัติกระแสงานของระบบจัดการเนื้อหา หรือ ซีเอ็มเอส โดยใช้ ไมโครซอฟต์ พาวเวอร์ ออโตเมต และ เอไอ บิวเดอร์ บูรณาการกับ สตราพี ซีเอ็มเอส และ แชร์พอยต์ เพื่อเพิ่มประสิทธิภาพ ลดความผิดพลาดจากการดำเนินงานด้วยมือ และยกระดับความคล่องตัวในองค์กร กระแสงานที่พัฒนาแชร์พอยต์ประกอบด้วยการบูรณาการเว็บฮุก ของ สตราพี ซีเอ็มเอส เพื่อเริ่มต้นกระบวนการอัตโนมัติ การตรวจสอบความถูกต้องของเนื้อหาด้วยเอไอ บิวเดอร์ การบันทึกข้อมูลเหตุการณ์และข้อผิดพลาดในแชร์พอยต์ อีกทั้งการแจ้งเตือนผ่านไมโครซอฟท์ ทีม นอกจากนี้ ยังมีการใช้ จีพีที 4.0 สำหรับการวิเคราะห์บันทึกข้อผิดพลาด เพื่อเสนอแนวทางแก้ไขและปรับปรุงกระบวนการ ผลการทดลองในธนาคารพาณิชย์ไทยแห่งหนึ่งแสดงให้เห็นว่าสามารถลดระยะเวลาในการจัดการเนื้อหาได้ร้อยละ 87.5 และลดข้อผิดพลาดจากการป้อนข้อมูลได้ร้อยละ 80 เมื่อเทียบกับการทำงานแบบเดิมด้วยมนุษย์ งานวิจัยนี้ได้เน้นให้เห็นถึงศักยภาพของการใช้เทคโนโลยีดิจิทัลที่นำไปสู่โซลูชันการอัตโนมัติระบบการจัดการเนื้อหาที่เป็นรูปธรรม
การใช้เหมืองกระบวนการข้อมูลแบบหลายชั้นสำหรับเพื่อวิเคราะห์วิถีการรักษาพยาบาลของผู้ป่วยโรคเบาหวาน, Kantapat Chaichareenon
การใช้เหมืองกระบวนการข้อมูลแบบหลายชั้นสำหรับเพื่อวิเคราะห์วิถีการรักษาพยาบาลของผู้ป่วยโรคเบาหวาน, Kantapat Chaichareenon
Chulalongkorn University Theses and Dissertations (Chula ETD)
This study addresses the challenge of chronic diseases like diabetes, requiring ongoing care. It aims to visualize revisit intervals affecting patient treatment using multi-level process mining and machine learning to identify factors causing missed appointments. Our research shows that patients with improvements have shorter revisit intervals than those deteriorating, with a P-value of 3.83x10%. A significant challenge is the high number of no-shows. Using PyCaret to compare 14 models, we found that the historical attendance of individual patients is a crucial factor in predicting no-shows, with an AUC score of 0.80 using the Gradient Boosting Clas-sifier. Our analysis suggests that …
Deep Learning-Based For Epileptogenic Zone Detection In 18f-Fdg Pet Imaging For Drug-Resistant Epilepsy, Peerawat Wattanachareekul
Deep Learning-Based For Epileptogenic Zone Detection In 18f-Fdg Pet Imaging For Drug-Resistant Epilepsy, Peerawat Wattanachareekul
Chulalongkorn University Theses and Dissertations (Chula ETD)
-
การออกแบบและพัฒนาบริการด้านความมั่นคงโดยใช้วิธีปฏิบัติด้านความมั่นคง ของระบบแบบไมโครเซอร์วิส, สฤษฐิ์ราช ทรัพย์สิน
การออกแบบและพัฒนาบริการด้านความมั่นคงโดยใช้วิธีปฏิบัติด้านความมั่นคง ของระบบแบบไมโครเซอร์วิส, สฤษฐิ์ราช ทรัพย์สิน
Chulalongkorn University Theses and Dissertations (Chula ETD)
วิทยานิพนธ์นี้มีวัตถุประสงค์เพื่อนำเสนอการออกแบบและพัฒนาไมโครเซอร์วิสด้านความมั่นคง โดยการประยุกต์ใช้แบบรูปความมั่นคง แบบรูปไมโครเซอร์วิส และวิธีปฏิบัติด้านความมั่นคงของระบบแบบ ไมโครเซอร์วิส โดยเริ่มจากการศึกษาแบบรูปความมั่นคง 5 รายการ ได้แก่ แบบรูปการออกแบบและใช้รหัสผ่าน แบบรูปการให้อำนาจ แบบรูปการควบคุมการเข้าถึงเชิงบทบาท แบบรูปการกำหนดสิทธิ์ให้กับบทบาท และแบบรูปความมั่นคงหลายระดับ เพื่อนำมากำหนดเป็นรายการความต้องการของระบบสำหรับการออกแบบและพัฒนาไมโครเซอร์วิสด้านความมั่นคง ร่วมกับการประยุกต์ใช้แบบรูปไมโครเซอร์วิสและวิธีปฏิบัติ ด้านความมั่นคงของระบบแบบไมโครเซอร์วิส 28 รายการ ผู้วิจัยได้ทำการออกแบบสถาปัตยกรรมระบบของไมโครเซอร์วิสด้านความมั่นคง ออกแบบแผนภาพคลาสและความสัมพันธ์ระหว่างคลาส ออกแบบแผนภาพลำดับแสดงการทำงานร่วมกันของระบบไมโครเซอร์วิสด้านความมั่นคง จากนั้นทำการพัฒนาไมโครเซอร์วิสด้านความมั่นคงตามการออกแบบ และประยุกต์ใช้ ไมโครเซอร์วิสด้านความมั่นคงกับระบบผู้ป่วยนอกของโรงพยาบาล อีกทั้งได้ตรวจสอบความถูกต้อง ความเหมาะสม และคุณภาพของการออกแบบและพัฒนา ด้วยการประเมินการออกแบบและพัฒนา ไมโครเซอร์วิสด้านความมั่นคงโดยผู้เชี่ยวชาญ รวมถึงการวิเคราะห์แบบรูปที่ไม่ดีของการออกแบบระบบแบบไมโครเซอร์วิส ซึ่งระบบที่พัฒนาสามารถนำไปประยุกต์ใช้กับแอปพลิเคชันโดเมนที่ต้องการจัดการความมั่นคงของระบบ ซึ่งมีประโยชน์คือช่วยลดเวลาในการพัฒนา และเป็นการสนับสนุนการใช้ซ้ำไมโครเซอร์วิสด้านความมั่นคงที่พัฒนาขึ้น
การแบ่งส่วนเนื้องอกตับโดยใช้โมเดลการเรียนรู้เชิงลึกด้วยโครงข่ายความสนใจจากรูปภาพสเปคซีที, วันรัฐ ลิ้มประไพพงษ์
การแบ่งส่วนเนื้องอกตับโดยใช้โมเดลการเรียนรู้เชิงลึกด้วยโครงข่ายความสนใจจากรูปภาพสเปคซีที, วันรัฐ ลิ้มประไพพงษ์
Chulalongkorn University Theses and Dissertations (Chula ETD)
การแบ่งส่วนเนื้องอกในตับโดยอัตโนมัติจากภาพถ่ายทางการแพทย์มีบทบาทสำคัญในการช่วยลดภาระงานของรังสีแพทย์ในขั้นตอนการวางแผนรักษามะเร็งตับด้วยวิธีรังสีบำบัด โดยรูปสเปคซีทีมักถูกนำมาใช้เพื่อช่วยระบุส่วนเนื้องอกให้แม่นยำเพื่อให้การวางแผนการรักษามีประสิทธิภาพ อย่างไรก็ตาม การแบ่งส่วนเนื้องอกจากภาพเหล่านี้เป็นเรื่องท้าทายเนื่องจากปัญหาต่างๆ เช่น การกระจายแสงที่ผิดปกติ ทำให้ขนาดเนื้องอกดูใหญ่กว่าความเป็นจริงและลดความแม่นยำในการแบ่งส่วน งานวิจัยฉบับนี้ได้นำเสนอโครงข่ายคัดกรองหลายระดับแบบคู่ (Paired Multiscale Attention Network) ซึ่งเป็นสถาปัตยกรรมที่แบ่งออกเป็นสองทาง เส้นทางแรกฝึกฝนชุดข้อมูลสเปคซีทีโดยใช้โครงข่าย Multiscale Attention Network (MA-Net) เส้นทางที่สองมีการใช้การแปลงแบบไวซ์ท็อปแฮท (White Top-Hat) แล้วนำลักษณะเด่นที่ได้มาควบรวมกับเส้นทางแรก ช่วยลดความบกพร่องของการแบ่งส่วนที่มักเกิดจากความแปรปรวนของแสง ในงานวิจัยนี้จะแบ่งการทดสอบเป็นสองส่วน ส่วนแรกคือการทดสอบโมเดลแบ่งส่วนเนื้อตับ โดยใช้ MA-Net โดยมีโมเดลย่อยคือ ResNet50 ฝึกกับชุดข้อมูลซีทีโดยรวมระหว่างชุดข้อมูลสาธารณะ 3DIRCADb-01 และชุดข้อมูลจากโรงพยาบาลจุฬาลงกรณ์ สภากาชาดไทย โดยมีค่า Dice similarity coefficient (DSC) อยู่ที่ 89.67% ในส่วนการทดสอบโมเดลแบ่งส่วนเนื้องอกตับ จะใช้โครงข่ายคัดกรองหลายระดับแบบคู่ ฝึกด้วยชุดข้อมูล เทคนีเซียม-99 เอ็มเอเอ สเปคซีทีจากโรงพยาบาลจุฬาลงกรณ์ สภากาชาดไทยโดยมีค่า DSC ที่ 67.00% ซึ่งให้ประสิทธิภาพการแบ่งส่วนที่ดีที่สุดเมื่อเทียบกับสถาปัตยกรรมอื่นๆ รวมถึงผลจากงานวิจัยก่อนหน้านี้ที่ทดสอบด้วยชุดข้อมูลเดียวกัน
Neural Additive Models For Predicting Her2 Status In Breast Cancer From Immunohistochemical Images, Surayuth Pintawong
Neural Additive Models For Predicting Her2 Status In Breast Cancer From Immunohistochemical Images, Surayuth Pintawong
Chulalongkorn University Theses and Dissertations (Chula ETD)
This study investigated the application of Conformal Prediction (CP) for uncertainty quantifica- tion in Human Epidermal growth factor receptor 2 (HER2) status classification from immunohistochemistry (IHC) images of breast cancer. Although existing machine learning approaches demonstrate high accuracy in predicting HER2 status, they often struggle with borderline cases that require additional testing. We addressed this challenge by implementing a CP framework that generates prediction sets with controlled error rates. Unlike traditional classifiers that provide single predictions, our CP framework can output either singleton predictions for confident cases or multiple labels for uncertain cases, thereby naturally identifying samples that require additional …
Improved Sequence Embeddings For Peptide-Class I Mhc Binding Prediction, Patiphan Wongklaew
Improved Sequence Embeddings For Peptide-Class I Mhc Binding Prediction, Patiphan Wongklaew
Chulalongkorn University Theses and Dissertations (Chula ETD)
The binding of a peptide antigen to a class I major histocompatibility complex (MHC) protein is considered an essential process by which the immune system monitors infected cells. This mechanism has facilitated the development of peptide-based vaccines aimed at stimulating the patient's immune response for cancer treat-ment. Accurate prediction of peptide-MHC binding is therefore crucial for prioritizing optimal peptides tailored to individual patients. Nevertheless, many MHC alleles lack sufficient experimental data on peptide-MHC binding, which potentially constrains the accuracy of existing prediction models. This study introduces an enhanced iteration of MHCSeqNet, an open-source deep learning model which utilizes sequence data …
Improving Thai-Dialect Automatic Speech Recognition With Curriculum Learning, Artit Suwanbandit
Improving Thai-Dialect Automatic Speech Recognition With Curriculum Learning, Artit Suwanbandit
Chulalongkorn University Theses and Dissertations (Chula ETD)
Automatic Speech Recognition (ASR) has been the foremost feature and integrated in many real-world usages for decades. The novel deep learning approaches prevail in the ASR field as a model architecture. However, ASR still struggles with low-resource data, especially in the Thai dialectal language. Transfer learning is the conventional approach in the machine learning field for escalating the performance of low-resource settings. In the scenario that additional fine-tuning tasks are not achievable, exerting all efficiency of target data is an accountability. To overcome stagnation, we proposed transfer-based curriculum learning for low-resource dialectal ASR, Phonemetically-induced subword Out-of-vocabulary rate (PhIS-OOV), and Model …
Grammatical Error Correction In Thai Sentences For Deaf Students, Supachan Traitruengsakul
Grammatical Error Correction In Thai Sentences For Deaf Students, Supachan Traitruengsakul
Chulalongkorn University Theses and Dissertations (Chula ETD)
Deaf students encounter challenges in written communication due to errors such as insertion, deletion, disorder, misusage, and misspellings. Grammatical error correction (GEC) technology can help mitigate these issues. However, existing GEC models are primarily trained on online resources from second-language hearing learners. In contrast, sentences written by deaf students suffer from a variety of errors not typically found elsewhere. To address this issue, we create the Thai Deaf Corpus (TDC), focusing on identifying and analyzing errors among deaf students in grades 7-12 across four deaf schools. Additionally, we introduce a two-stage system for the Thai-GEC model, automatically detecting and correcting …
การสร้างเทสต์สคริปต์ของโรบอทเฟรมเวิร์คจากยูสเซอร์สตอรีและซีนาริโอ สำหรับการทดสอบเว็บแอปพลิเคชัน, กฤชวัฒน์ เวชสาร
การสร้างเทสต์สคริปต์ของโรบอทเฟรมเวิร์คจากยูสเซอร์สตอรีและซีนาริโอ สำหรับการทดสอบเว็บแอปพลิเคชัน, กฤชวัฒน์ เวชสาร
Chulalongkorn University Theses and Dissertations (Chula ETD)
กระบวนการพัฒนาซอฟต์แวร์ด้วยสกรัมเฟรมเวิร์กและแนวคิดบีเฮฟเวียร์ดริเวนดีเวลลอปเมนต์ (BDD) เป็นกระบวนการที่ได้รับความนิยมในปัจจุบัน โดยความต้องการของผู้ใช้จะถูกเก็บรวบรวมและถ่ายทอดผ่านยูสเซอร์สตอรีและซีนาริโอ ซึ่งทำหน้าที่เป็นทั้งตัวอย่างและเกณฑ์การยอมรับ การแบ่งการพัฒนาออกเป็นช่วงเล็ก ๆ ช่วยลดเวลาและต้นทุนในการพัฒนา อย่างไรก็ตาม กระบวนการที่มีการพัฒนาเป็นช่วงสั้น ๆ อย่างต่อเนื่องนี้สร้างความท้าทายสำหรับการทดสอบ โดยเฉพาะการทดสอบเชิงถดถอย แม้ว่าการทดสอบแบบอัตโนมัติจะถูกนำมาใช้เพื่อลดภาระ แต่การเขียนเทสต์สคริปต์ด้วยตนเองยังคงมีความเสี่ยงที่จะเกิดข้อผิดพลาดและขาดประสิทธิภาพ ส่งผลให้การทดสอบเชิงถดถอยที่สำคัญมักถูกเลื่อนออกไปจนไม่สามารถตรวจพบข้อผิดพลาดได้ทันการณ์ งานวิจัยนี้นำเสนอแนวทางการแก้ปัญหาด้วยการสร้างเทสต์สคริปต์สำหรับโรบอทเฟรมเวิร์กโดยอัตโนมัติจากยูสเซอร์สตอรีและซีนาริโอ โดยใช้ XML เพื่อกำหนดโครงสร้างส่วนต่อประสานผู้ใช้ของหน้าเว็บ ช่วยให้สามารถจัดเตรียมเทสต์สคริปต์ได้ตั้งแต่ขั้นตอนการออกแบบ นอกจากตัวอย่างในซีนาริโอแล้ว ยังใช้ XML Schema Definition (XSD) เพื่อสร้างชุดข้อมูลสำหรับการทดสอบเพิ่มเติมโดยอัตโนมัติ การพารามิเตอร์ไรซ์เทสต์สคริปต์ช่วยรวบรวมกรณีทดสอบที่มีขั้นตอนร่วมกัน แต่ใช้ชุดข้อมูลต่างกันไว้ในสคริปต์เดียวกัน ซึ่งช่วยลดความซับซ้อนและภาระในการบำรุงรักษา เครื่องมือที่พัฒนาขึ้นตามแนวทางนี้สามารถลดความยุ่งยากในการจัดการเทสต์สคริปต์และเพิ่มประสิทธิภาพในการทดสอบเชิงถดถอยได้อย่างมีนัยสำคัญ และช่วยสนับสนุนการตรวจพบข้อผิดพลาดตั้งแต่ช่วงแรกของกระบวนการพัฒนา
Affinity-Based Multi-Character Storyboard Generation Using Rewrite Rules, Ram Sukkirtkijpibul
Affinity-Based Multi-Character Storyboard Generation Using Rewrite Rules, Ram Sukkirtkijpibul
Chulalongkorn University Theses and Dissertations (Chula ETD)
A game story contains interactions between characters as well as the game world. Certain genres of games such as Visual Novels and Role-Playing Games rely on their stories to attract players. There were several proposed algorithms for story generation. They focused mainly on story generation for one main character. To our knowledge, there has not been a generator with support for multiple main characters, where each main character has their own storyline that could overlap with other main characters’ stories. With multiple main characters, players can see the game world through different viewpoints, thus getting more immersed into the game's …
Prediction Of Daily Outpatient Volume Using Ensemble Empirical Mode Decomposition And Long - Short Term Memory, During The Incident, Teeraphat Buengbongkoch
Prediction Of Daily Outpatient Volume Using Ensemble Empirical Mode Decomposition And Long - Short Term Memory, During The Incident, Teeraphat Buengbongkoch
Chulalongkorn University Theses and Dissertations (Chula ETD)
Effective hospital resource management is essential for controlling service costs and enhancing workforce efficiency, particularly during abnormal situations that cause sudden fluctuations in patient volumes. Hospitals often encounter difficulties in managing resources and predicting patient numbers due to uncertain and volatile data. Accurate patient volume predictions during such times can enable hospitals to allocate resources effectively, maintaining appropriate costs and optimizing workforce efficiency.This research presents a solution for predicting daily outpatient visits at a private hospital in Thailand during the COVID-19 outbreak, serving as a case study. The proposed method employs Ensemble Empirical Mode Decomposition (EEMD) to preprocess data by …
Scene Cut Detection In Short Videos Using Pre-Processing Techniques And Convolutional Neural Networks, Nina Lawankowit
Scene Cut Detection In Short Videos Using Pre-Processing Techniques And Convolutional Neural Networks, Nina Lawankowit
Chulalongkorn University Theses and Dissertations (Chula ETD)
This study presents a comprehensive approach to scene cut detection in videos using a combination of frame extraction and a Convolutional Neural Network (VGG16 model) with a Color Histogram method to prevent raw video file reconstruction. The main dataset contains 167,490 frames collected from various users on TikTok for the scene cut detection model development. However, since this research utilizes a modular design that consists of data preparation, data pre-processing, and model implementation stages, it promotes efficient use of resources and guarantees data safety. The results demonstrate that the model performs excellently in recognizing scene cuts. Specifically, video frames with …
Enhancing Financial Market Predictions In Taiwan: A Hybrid Approach Of Traditional Analysis And Machine Learning Techniques, Tse Lin Liu
Chulalongkorn University Theses and Dissertations (Chula ETD)
In the evolving landscape of financial markets, this study explores the predictive power of traditional panel regression and modern machine learning models, including Long Short-Term Memory (LSTM), Support Vector Machine (SVM), and Random Forest (RF), in forecasting stock returns in the Taiwanese market. Utilizing a dataset of 54 Taiwanese companies from 2015 to 2023, the research integrates financial ratios and machine learning algorithms to assess their effectiveness in predicting market trends. The findings reveal that traditional panel regression often outperforms machine learning models in terms of stability and consistency of returns, challenging the assumption that complex algorithms inherently provide superior …
Egg Shape As A Generalized Radial Basis Function For Discard-After-Learn Method In Streaming Data, Warawut Nualplaud
Egg Shape As A Generalized Radial Basis Function For Discard-After-Learn Method In Streaming Data, Warawut Nualplaud
Chulalongkorn University Theses and Dissertations (Chula ETD)
Radial Basis Function is commonly used as the decision boundaries for supervised and unsupervised learning algorithms due to its simplicity. But the symmetric property of the circular or elliptic shapes could deteriorate the fitness of the boundaries when the distribution of the data is asymmetric, especially in the data stream processing where the distribution of the data is temporal.In this thesis, we propose a new 2-dimensional data capsule structure using Yamamoto’s egg function. This structure can adjust its shape to be symmetric (i.e., circular or elliptic) or asymmetric (i.e., egg-shaped) depending on the configuration of its parameters, allowing it to …
Weight Shifting Based Pruning For Convolutional Neural Networks, Panuwat Threethanuchai
Weight Shifting Based Pruning For Convolutional Neural Networks, Panuwat Threethanuchai
Chulalongkorn University Theses and Dissertations (Chula ETD)
The paper presents an adaptation of the novel self-recovering technique known as weight shifting for application in the pruning of nodes from the fully-connected layers of convolutional neural networks. The proposed methodology involves a binary search strategy to identify the optimal subset of nodes for removal, facilitating efficient redistribution of node weights using the Moore-Penrose pseudo-inverse. The proposed methodology was evaluated by across multiple data sets, including CIFAR-100, Food101, Stanford Cars, and Flowers102. The experimental results demonstrated that the proposed methodology is able to maintain high accuracy and top-k categorical accuracy performance with minimal reductions even after pruning a significant …
Mass-Ratio-Convex-Combination-Of-Average-Absolute-Deviation-And-Interquartile-Range Based Outlier Factor For Anomaly Scoring, Zehong Fan
Chulalongkorn University Theses and Dissertations (Chula ETD)
Anomaly detection is increasingly essential across various sectors, including fraud detection, cybersecurity, and industrial process monitoring, where it serves as an early warning system to identify unusual patterns in data. This research presents a novel, parameter-free anomaly scoring algorithm designed to assign scores to data points without the need for user-defined parameters. The algorithm calculates anomaly scores based on the statistical dispersion of the mass-ratio distribution, utilizing five key measures: variance, range, interquartile range (IQR), average absolute deviation (AAD), and the combination of AAD and IQR. The performance of the proposed Mass-Ratio-Convex-Combination-Of-Average-Absoulte-Deviation-And-Interquartile-Range Based Outlier Factor for anomaly scoring algorithm called …
การสร้างแอนิเมชัน 3 มิติ ของใบหน้าขณะพูดภาษาไทยสําหรับใช้ในการพัฒนาเกม, ภัทรานิษฐ์ มุสิกะประยูร
การสร้างแอนิเมชัน 3 มิติ ของใบหน้าขณะพูดภาษาไทยสําหรับใช้ในการพัฒนาเกม, ภัทรานิษฐ์ มุสิกะประยูร
Chulalongkorn University Theses and Dissertations (Chula ETD)
โครงงานมหาบัณฑิตนี้จึงเสนอวิธีการสร้างแอนิเมชัน 3 มิติ ของใบหน้าขณะพูดภาษาไทยสำหรับใช้ในการพัฒนาเกม ในการสร้างแบบจำลองเพื่อทำนายการเคลื่อนไหวของใบหน้าขณะพูดภาษาไทย ได้ใช้ชุดข้อมูลออดิโอวิชวล TSynC-3miti: Audiovisual Speech Synthesis Database from Found Data ร่วมกับแนวคิดจาก งานวิจัย A Decision Tree Framework for Spatiotemporal Sequence Prediction ที่ได้เสนอวิธีการสำหรับการทำนายลำดับข้อมูลที่มีจำนวนมิติสูงและต่อเนื่อง โดยใช้เทคนิคการแบ่งย่อยด้วยหน้าต่างเลื่อนร่วมกับวิธีการรวมกลุ่มของต้นไม้ตัดสินใจ ซึ่งสามารถนำมาประยุกต์ใช้ในการสร้างแอนิเมชันสำหรับการพูดได้ ในการทำนายการเคลื่อนไหวของใบหน้าขณะพูดภาษาไทยในโครงงานมหาบัณฑิตนี้ จะใช้ข้อมูลนำเข้าเป็นลำดับของสัญลักษณ์โฟเนติก จากจึงต้องมีการเตรียมชุดข้อมูลใหม่จากชุดข้อมูลออิดิโอวิชวล TSynC-3miti จากนั้นนำชุดข้อมูลไปฝึกสอนโมเดล และพัฒนาเครื่องมือที่ใช้ในการสร้างแอนิเมชัน โดยเป็นรูปแบบของส่วนเสริมสำหรับใช้ในเกมเอนจิน Unreal Engine โดยรับอินพุตเป็นข้อความภาษาไทย และจะได้ค่าการเคลื่อนไหวใบหน้ามาอ้างอิงบนใบหน้าของตัวละครในแต่ละช่วงเวลา ผลลัพธ์ของการทำงานของส่วนเสริมนี้จะได้เป็นแอนิเมชัน 3 มิติของโมเดลตัวละคร MetaHuman ที่สามารถพูดภาษาไทยได้อย่างสมจริง โดยผลการทดสอบพบว่าแอนิเมชันมีความสมจริงจากมุมมองทั้งหน้าตรงและหน้าเอียง โดยมุมมองหน้าเอียงดูสมจริงมากกว่า และการออกเสียงแต่ละโฟเนติกมีความสมจริงเช่นกัน
การแปลงแผนภาพเครื่องสถานะเชิงพร้อมกันให้เป็นนูเอ็สเอ็มวี, นนทวิชญ์ มากจันทร์
การแปลงแผนภาพเครื่องสถานะเชิงพร้อมกันให้เป็นนูเอ็สเอ็มวี, นนทวิชญ์ มากจันทร์
Chulalongkorn University Theses and Dissertations (Chula ETD)
ระบบเชิงพร้อมกันเป็นระบบที่มีมากกว่าหนึ่งสายโยงใยซึ่งสามารถสลับกันทำงานระหว่างสายโยงใยโดยที่ไม่ต้องรอให้กระบวนการในสายโยงใยใดกระบวนการหนึ่งให้เสร็จสมบูรณ์ ซึ่งระบบเชิงพร้อมกันมักพบในระบบที่มีความซับซ้อน มีหลายงานที่ต้องดำเนินการและสายโยงใยที่ดำเนินงานนั้นอาจมีปฏิสัมพันธ์กัน เช่น เข้าถึงหน่วยความจำเดียวกัน เป็นต้น หนึ่งในวิธีที่สามารถอธิบายระบบเชิงพร้อมกันคือการใช้แผนภาพเครื่องสถานะซึ่งเป็นแผนภาพตามมาตรฐานยูเอ็มแอลรุ่น 2.5 แต่เนื่องจากแผนภาพเครื่องสถานะของระบบเชิงพร้อมกันไม่สามารถนำมาใช้ในการทวนสอบได้ เนื่องจากพฤติกรรมของระบบเชิงพร้อมกันมีรูปแบบเชิงไม่กำหนด งานวิจัยจึงเล็งเห็นประโยชน์ในการพัฒนาเครื่องมือแปลงแผนภาพเครื่องสถานะเป็นโค้ดนูเอ็สเอ็มวี ซึ่งเป็นการแปลงแผนภาพเครื่องสถานะของระบบเชิงพร้อมกันให้อยู่ในรูปของแบบจำลองเชิงรูปนัยให้สามารถทำการทวนสอบได้ โดยเปรียบเทียบและวิเคราะห์ระหว่างองค์ประกอบของแผนภาพเครื่องสถานะของระบบเชิงพร้อมกันตามมาตรฐานยูเอ็มแอลรุ่น 2.5 กับองค์ประกอบของนูเอ็สเอ็มวี แล้วนิยามกฏการแปลงแผนภาพเครื่องสถานะของระบบเชิงพร้อมกันให้เป็นนูเอ็สเอ็มวีเพื่อใช้ในการพัฒนาเครื่องมือการแปลง จากนั้นจึงพัฒนาเครื่องมือการแปลง สร้างแบบจำลองซึ่งเป็นกรณีศึกษาของระบบเชิงพร้อมกันที่อยู่ในรูปของแผนภาพเครื่องสถานะ สร้างข้อกำหนดเชิงรูปนัยที่ใช้ในการทวนสอบกรณีศึกษา และนำเครื่องมือการแปลงมาใช้ในการแปลงแบบจำลองกรณีศึกษาให้เป็นแบบจำลองเชิงรูปนัยนูเอ็สเอ็มวี แล้วทำการทวนสอบด้วยข้อกำหนดเชิงรูปนัยบนนูเอ็มเอ็มวี กระบวนการวิจัยและพัฒนาทั้งหมดที่กล่าวมาพบว่าผู้วิจัยสามารถแปลงแบบจำลองในรูปของแผนภาพเครื่องสถานะให้ป็นแบบจำลองเชิงรูปนัยและเห็นพฤติกรรมของการทำงานของระบบเชิงพร้อมกัน รวมถึงทวนสอบพฤติกรรมของระบบและได้ผลลัพธ์จากการทวนสอบที่เป็นไปตามข้อกำหนดเชิงรูปนัย
การปรับปรุงประสิทธิภาพและยกระดับระบบบริการทางการเงินผ่านการบูรณาการ Olap และ Oltp, ชนม์ชนก วงศ์อภัย
การปรับปรุงประสิทธิภาพและยกระดับระบบบริการทางการเงินผ่านการบูรณาการ Olap และ Oltp, ชนม์ชนก วงศ์อภัย
Chulalongkorn University Theses and Dissertations (Chula ETD)
ระบบการเงินในปัจจุบันต้องเผชิญกับการจัดการข้อมูลจำนวนมากในแต่ละวัน เช่น การสั่งซื้อสินค้า การชำระเงิน และการเติมเงินเข้าสู่ระบบ ซึ่งต้องดำเนินการด้วยความรวดเร็วและความถูกต้องแม่นยำ ระบบดั้งเดิมที่ใช้ฐานข้อมูลประเภท OLTP ได้รับการออกแบบมาเพื่อรองรับการประมวลผลธุรกรรมแบบเรียลไทม์ แต่เมื่อปริมาณข้อมูลเพิ่มมากขึ้น ระบบเริ่มประสบกับข้อจำกัดในด้านประสิทธิภาพ การใช้ทรัพยากรสูง และความซับซ้อนในการตรวจสอบข้อมูล โดยเฉพาะอย่างยิ่งเมื่อต้องรองรับการทำงานพร้อมกันของหลายบริการ ทำให้ระบบต้องรับภาระที่มากขึ้นและส่งผลให้เกิดความล่าช้าในการเรียกดูข้อมูล โครงการนี้จึงมุ่งเน้นการออกแบบและพัฒนาระบบใหม่ที่ผสานความสามารถในการวิเคราะห์ข้อมูลเชิงลึกเข้ากับการประมวลผลธุรกรรมแบบเรียลไทม์ เพื่อลดข้อจำกัดด้านประสิทธิภาพและปรับปรุงการจัดการข้อมูลขนาดใหญ่ ระบบที่ออกแบบใหม่นี้จะช่วยเพิ่มศักยภาพในการวิเคราะห์ข้อมูลที่ซับซ้อน ช่วยให้การจัดทำรายงานและการตรวจสอบธุรกรรมเป็นไปอย่างมีประสิทธิภาพและรวดเร็ว โดยระบบสามารถดึงข้อมูลเชิงลึกเพื่อใช้ในการวิเคราะห์และการตัดสินใจได้อย่างแม่นยำ แนวทางการบูรณาการระหว่างการประมวลผลแบบ OLTP และการจัดการข้อมูลแบบ OLAP ที่นำเสนอในโครงการนี้ ไม่เพียงแต่ช่วยลดภาระการทำงานของฐานข้อมูล แต่ยังทำให้การวิเคราะห์ข้อมูลที่มีความซับซ้อนสูงสามารถทำได้อย่างรวดเร็วและมีประสิทธิภาพมากยิ่งขึ้น นอกจากนี้ โครงการยังได้พัฒนาแอปพลิเคชันสำหรับการเรียกดูข้อมูลโดยอิงจากแบบจำลองข้อมูล (Data Model) ซึ่งช่วยให้ผู้ใช้งานสามารถจัดการและวิเคราะห์ข้อมูลได้เองผ่านส่วนต่อประสานที่ใช้งานง่าย ไม่จำเป็นต้องมีความเชี่ยวชาญด้านฐานข้อมูล แอปพลิเคชันนี้ช่วยให้ผู้ใช้สามารถมองเห็นภาพรวมของข้อมูล เลือกวิเคราะห์ในเชิงลึก และสร้างรายงานได้อย่างคล่องตัว จากการศึกษาและทดลองพบว่าการใช้งานฐานข้อมูลประเภท OLAP ร่วมกับ OLTP ช่วยเพิ่มความสามารถในการเรียกดูข้อมูลที่มีปริมาณมากและซับซ้อนได้อย่างรวดเร็วมากขึ้นโดยที่ไม่จำเป็นต้องเปลี่ยนแปลงโครงสร้างของฐานข้อมูลดังเดิมที่เป็นประเภท OLTP ดังนั้นโครงการนี้จึงสามารถแก้ไขปัญหาที่พบในระบบเดิม ด้วยระบบที่สามารถดึงข้อมูลขนาดใหญ่ได้อย่างรวดเร็วและมีประสิทธิภาพสูง พร้อมแอปพลิเคชันที่ช่วยให้ผู้ใช้งานสามารถวิเคราะห์ข้อมูลได้ด้วยตนเอง เพิ่มขีดความสามารถในการตัดสินใจเชิงกลยุทธ์ ตอบสนองต่อความต้องการทางธุรกิจได้อย่างแม่นยำและคล่องตัว
การพัฒนาระบบสำหรับการวิเคราะห์ความต้องการด้านความสามารถของผู้จัดการโครงการซอฟต์แวร์ในประเทศไทยตามกรอบงานพัฒนาความสามารถด้านการจัดการโครงการ, ธัญญา ธารากุล
Chulalongkorn University Theses and Dissertations (Chula ETD)
อาชีพการบริหารโครงการในประเทศไทยได้รับความสนใจอย่างมาก โดยมีบุคคลจำนวนมากที่ประกอบอาชีพนี้อยู่ในปัจจุบันและอีกหลายคนที่ต้องการเข้ามาทำงานในสายอาชีพนี้ ความท้าทายหลักที่บุคลากรเหล่านี้พบคือการขาดแหล่งข้อมูลที่สามารถให้ความรู้เกี่ยวกับเส้นทางการเติบโตในอาชีพ โดยเฉพาะอย่างยิ่งในด้านทักษะและความสามารถที่จำเป็นต่อความสำเร็จในการทำงาน งานวิจัยนี้มุ่งเน้นแก้ไขปัญหาดังกล่าวโดยใช้กรอบการพัฒนาความสามารถของผู้จัดการโครงการ หรือ เฟรมเวิร์กพีเอ็มซีดี (Project Manager Competency Development Framework หรือ PMCD Framework) ซึ่งได้รับการสนับสนุนจากสถาบันการจัดการโครงการ หรือ PMI ที่แบ่งความสามารถออกเป็น 3 ด้าน ได้แก่ ความสามารถเชิงความรู้ (Knowledge Competence) ความสามารถเชิงปฏิบัติการ (Performance Competence) และความสามารถทางบุคลากร (Personal Competence) โครงงานนี้มีวัตถุประสงค์เพื่อพัฒนาเว็บแอปพลิเคชันที่ช่วยให้ผู้ที่สนใจในสายอาชีพผู้จัดการโครงการสามารถค้นคืนความสามารถที่เป็นที่ต้องการในตลาดงานของประเทศไทยในเอกสารรับสมัครงานได้ โดยใช้คำค้นสารสนเทศที่อ้างอิงมาจากพีเอ็มซีดีและพจนานุกรมของกูเกิล และนำผลลัพธ์ที่ได้มาทำการวิเคราะห์ว่าความสามารถใดเป็นที่ต้องการของผู้จ้างงาน ผลลัพธ์ที่ได้จากการวิเคราะห์ข้อมูลนี้จะทำให้ทราบถึงความต้องการด้านความสามารถของผู้จัดการโครงการซอฟต์แวร์ในประเทศไทย ได้ให้ข้อมูลเกี่ยวกับความสามารถที่สำคัญและจำเป็นต่อสายอาชีพผู้จัดการโครงการ ซึ่งจะช่วยให้ผู้ที่ประกอบอาชีพการจัดการโครงการและผู้ที่มีความสนใจจะเข้ามาประกอบอาชีพในสายงานนี้ได้มีแนวทางที่ชัดเจนในการพัฒนาตนเองต่อไปอย่างถูกต้องและสอดคล้องกับความต้องการของตลาดแรงงานได้อย่างมีประสิทธิภาพ
Zero-Shot Adaptation Of Molecular Generative Adversarial Network For Specific Protein Targets, Ravipas Aphikulvanich
Zero-Shot Adaptation Of Molecular Generative Adversarial Network For Specific Protein Targets, Ravipas Aphikulvanich
Chulalongkorn University Theses and Dissertations (Chula ETD)
Drug discovery, crucial for identifying new potential drug candidates to treat diseases and improve health, is increasingly enhanced by deep learning approaches such as molecular generation models. However, creating drug candidates with desired properties, such as the quantitative estimate of drug-likeness (QED), synthetic accessibility (SA), and binding affinity (BA), remains a significant challenge, especially when training generative models for specific protein targets with limited pharmaceutical data. Addressing these challenges, this thesis presents Mol-Zero-GAN, a novel framework designed to generate drug candidates tailored to specific protein targets without additional data by employing zero-shot adaptation techniques and Bayesian optimization (BO). By fine-tuning …
Machine Learning Model For Skill Level Prediction Inmultiplayer Online Battle Arena, Vachirawit Pepatang
Machine Learning Model For Skill Level Prediction Inmultiplayer Online Battle Arena, Vachirawit Pepatang
Chulalongkorn University Theses and Dissertations (Chula ETD)
The ranked matchmaking system in MOBA games like DotA 2 matches players with similar skill levels, enhancing enjoyment, fairness, and competitiveness. However, current MOBA ranking systems calculate a player's ranking based on match outcomes rather than the player's individual performance, resulting in unfairness for players who perform better or worse than the rest of the team. Therefore, it is necessary to use multiple match data to correctly rate players' skills. Additionally, boosting leads to players using accounts that do not match their actual skill level. This causes negative experiences for other players and ultimately makes the game less enjoyable. This …