|
1
|
ประชุมวิชาการ The Academic Conference of Applied Mathematics
วันที่ : 30/5/2567 - 4/6/2567
สถานที่ : สาธารณรัฐประชาชนจีน
|
1.
การพยากรณ์ราคาส่งออกสินค้าเกษตรโดยใช้ปัญญาประดิษฐ์ (Artificial Intelligence: AI) เป็นกระบวนการที่ใช้เทคโนโลยี AI เพื่อทำนายแนวโน้มของราคาสินค้าเกษตรในอนาคต โดยอิงจากข้อมูลต่างๆ เช่น ราคาประวัติ สภาพภูมิอากาศ ความต้องการของตลาด และปัจจัยทางเศรษฐกิจที่เกี่ยวข้อง ซึ่งวิธีการนี้สามารถช่วยเกษตรกรและผู้ส่งออกในการวางแผนการผลิตและการขายได้อย่างมีประสิทธิภาพมากขึ้น **ขั้นตอนหลักในการพยากรณ์ด้วย AI**: 1. **รวบรวมข้อมูล**: การเก็บข้อมูลจากแหล่งต่างๆ เช่น ราคาสินค้าเกษตรในอดีต ปริมาณการผลิต สภาพอากาศ และข้อมูลทางเศรษฐกิจ เช่น ค่าเงินและภาษี 2. **การเตรียมข้อมูล**: ข้อมูลที่ได้รับจะต้องถูกปรับแต่งเพื่อให้อยู่ในรูปแบบที่ AI สามารถประมวลผลได้ เช่น การจัดการข้อมูลที่ขาดหายหรือไม่สอดคล้องกัน 3. **การสร้างโมเดล AI**: ใช้เทคนิคต่างๆ เช่น การเรียนรู้ของเครื่อง (Machine Learning) หรือโครงข่ายประสาทเทียม (Neural Networks) ในการสร้างแบบจำลองที่สามารถทำนายแนวโน้มราคาสินค้าเกษตรในอนาคตได้ 4. **การทดสอบและปรับปรุงโมเดล**: หลังจากสร้างโมเดลแล้วจะต้องทำการทดสอบด้วยข้อมูลใหม่ๆ เพื่อวัดความแม่นยำ และปรับปรุงโมเดลให้มีประสิทธิภาพสูงสุด 5. **การพยากรณ์**: เมื่อโมเดลทำงานได้ดีแล้ว จะสามารถใช้ข้อมูลใหม่ในการทำนายแนวโน้มราคาในอนาคต **ประโยชน์ของการใช้ AI**: - **ความแม่นยำ**: AI สามารถพยากรณ์ได้แม่นยำขึ้นเมื่อเปรียบเทียบกับวิธีดั้งเดิม เพราะมันสามารถวิเคราะห์ข้อมูลจำนวนมากได้อย่างรวดเร็วและละเอียด - **การตัดสินใจที่ดีขึ้น**: ช่วยเกษตรกรและผู้ส่งออกในการตัดสินใจเรื่องการผลิต การจัดการคลังสินค้า และการส่งออกได้อย่างมีประสิทธิภาพ - **ลดความเสี่ยง**: การรู้แนวโน้มราคาล่วงหน้าจะช่วยลดความเสี่ยงจากความผันผวนของตลาด การพยากรณ์ราคาส่งออกสินค้าเกษตรโดยใช้ปัญญาประดิษฐ์เป็นวิธีที่มีศักยภาพสูงในการช่วยให้ผู้ประกอบการในภาคเกษตรสามารถจัดการธุรกิจได้ดียิ่งขึ้นในโลกที่มีความไม่แน่นอนทางเศรษฐกิจ
|
|
2
|
แลกเปลี่ยนเรียนรู้ การสร้างผลการเรียนรู้ของผู้เรียนในรายวิชา (Course Learning outcomes: CLOs) ให้สอดคล้องกับผลลัพธ์การเรียนรู้ (Program Learning Outcomes: PLOs) ของหลักสูตร กิจกรรมที่ 1
วันที่ : 7/11/2566 - 7/11/2566
สถานที่ : ห้องประชุม 2 อาคารจุฬาภรณ์ คณะวิทยาศาสตร์
|
1.
Learning Outcomes มีประโยชน์อย่างไร ส าหรับผู้สอน - Effective course design: ผู้สอนทราบอย่างชัดเจนว่าหลักสูตรนี้ เนื้อหาที่สอนนี้ต้องการให้นิสิต รู้อะไร รวมถึงกิจกรรมการสอนและการวัดประเมินผลที่ตรงตามระดับการเรียนรู้ Effective assessments of learning: ง่ายต่อการวัดประเมินผลพัฒนาการของนิสิตได้อย่างถูกต้อง ตามระดับการเรียนรู้ที่กําหนด Better time management: ผู้สอนสามารถออกแบบบทเรียน กิจกรรมและการวัดประเมินผลได้ง่าย และตรงตาม ความต้องการของ Outcome ที่ต้องการของรายวิชาได้ง่ายขึ้น Improved communication: ผู้สอนและ ผู้เรียนทราบอย่างชัดเจน และตรงกันว่าจะวัดผลอะไร Improved teaching experience: ผู้สอนมีความกังลง เกี่ยวกับวัตถุประสงค์ของการสอนในรายวิชา ลดลง และสามารถออกแบบการสอนได้หลากหลายมากขึ้น การก าหนด ELOs or PLOs 1. การกําหนด ELOs ของหลักสูตรต้องพิจารณาความสอดคล้องกับหน่วยงานหลัก ทั้งระดับประเทศ มหาวิทยาลัย และคณะ และตรงตามความต้องการของผู้มีส่วนได้ส่วนเสียกับหลักสูตร หรือความ ต้องการ เฉพาะกลุ่มตามที่หลักสูตรกําหนด โดยเฉพาะอย่างยิ่งความต้องการของผู้มีส่วนได้ส่วนเสียกับ หลักสูตร ที่จําเป็นต้องวางแผน/กําหนดวิธีการเพื่อให้ได้มาซึ่งข้อมูลที่จําเป็น และเป็นผู้มีส่วนได้ส่วนเสียที่ แท้จริง นอกจากนี้อาจต้องมองหลักสูตรที่คล้ายกันกับมหาวิทยาลัยอื่นว่าเค้ากําหนดอะไรไว้สําหรับนิสิตของ เค้า นิสิตเรา สู้ได้ไม้ อะไรคือจุดแข็งของนิสิตเรา
|