วันที่ 21 มกราคม 2568 ผศ. ดร.ธนพล นรเสฏฐ์ ผู้ช่วยคณบดีฝ่ายการศึกษา พร้อมด้วย เจ้าหน้าที่และ นักศึกษาคณะเทคโนโลยีสารสนเทศและการสื่อสาร มหาวิทยาลัยมหิดล (ICT Mahidol) เข้าร่วมจัดแสดงผลงานวิชาการในงาน “120 ปี แห่งความภาคภูมิใจ สร้างสรรค์อนาคตด้วยรากฐานแห่งคุณภาพ” ณ โรงเรียนอัสสัมชัญคอนแวนต์
โดยผลงานที่คณะ ICT นำไปจัดแสดง ได้แก่
- ผลงาน “Suture Bot การพัฒนาระบบประเมินผลและให้ข้อเสนอแนะอัตโนมัติจากรูปภาพผลลัพธ์การฝึกเย็บแผลบนชุดฝึกเย็บแผล” ซึ่งเป็นโครงการสำหรับสามารถประเมินผลและให้ข้อเสนอแนะอัตโนมัติจากรูปภาพผลลัพธ์การฝึกเย็บแผลบนชุดฝึกเย็บแผล โดยระบบจะมีการรับข้อมูลผ่านทาง Line Official Account และ Web Application หลังจากนั้น จะประยุกต์ใช้และพัฒนา Machine Learning Techniques และ Image Processing Algorithms เพื่อประเมินผลและให้ข้อเสนอแนะแก่นักศึกษาแพทย์
- ผลงาน “MASENG: Snake Identification through Image Classification การตรวจจับสายพันธุ์งูโดยการจําแนกจากรูปภาพ” ซึ่งเป็นโครงการที่รวมเทคนิคการเรียนรู้เชิงลึกเข้ากับสถาปัตยกรรมของ CNN เพื่อตรวจสอบสายพันธุ์งูที่พบทั่วไปในกรุงเทพมหานคร ประเทศไทย ซึ่งจะช่วยลดเวลาในการระบุพันธุ์งู ลดอันตรายที่ไม่จำเป็น และเพิ่มโอกาสให้ประชาชนเข้าถึงข้อมูลที่ถูกต้องเกี่ยวกับงูอีกด้วย
- ผลงาน “CAMELON: Crime And Accident Monitoring and Estimation from Large-Scale Online News Articles” ซึ่งเป็นโครงการพัฒนาเว็บแอปพลิเคชันที่ให้ข้อมูลเชิงลึกเกี่ยวกับอัตราอาชญากรรมในท้องถิ่นและแนวโน้มในชุมชนต่างๆ
- ผลงาน “eDuck: Adapting LLMs as an Educational Tool for Learning to Code การปรับใช้โมเดลภาษาขนาดใหญ่ในการพัฒนาเครื่องมือสำหรับการศึกษาเพื่อการเรียนโปรแกรม” ซึ่งเป็นโครงการเพื่อช่วยผู้เรียนเขียนโปรแกรมภาษา Python ภายในโปรแกรมแก้ไข Source code “Visual Studio Code”
- ผลงาน “MOSWING: A NOISE-ROBUST MOSQUITO WINGBEAT DETECTION MODEL มอส-วิง: โมเดลในการตรวจจับเสียงการกระพือปี กของยุงให้ต้านทานต่อเสียงรบกวน” ซึ่งเป็นโครงการพัฒนาโมเดลการตรวจจับเสียง (Sound Event Detection Model) ที่สามารถจำแนกพันธุ์และเพศของยุงได้อย่างมีประสิทธิภาพแม้ในพื้นที่เสียงรบกวน ซึ่งสามารถนำไปใช้ในการประมาณประชากรยุงในพื้นที่ต่างๆ
- ผลงานวิจัย “From Views to Verdicts จากมุมมอง สู่คําตัดสิน” ซึ่งเป็นงานวิจัยที่เสนอแนวทางที่ง่ายและมีประสิทธิภาพในการทำนายผลคดี โดยผสมผสาน 5 องค์ประกอบ ได้แก่ การปรับแต่งเอกสารกฎหมาย การใช้ Machine Learning การดึงข้อมูลด้วยเทคนิค NLP การประเมินประสิทธิภาพโมเดล และการใช้ Large Language Models (LLMs)
