ขอเชิญเข้าร่วมอบรมเชิงปฏิบัติการ เรื่อง “AI กับงานวิจัย: บทบาท ความสามารถ และการใช้งานจริง”

” เปิดรับสมัครเข้าร่วมอบรม เพิ่มจำนวน 40 คน !! (รวม 90 คน) และแจ้งเปลี่ยนสถานที่จัดอบรม”

สถาบันวิจัยและพัฒนาแห่งมหาวิทยาลัยเกษตรศาสตร์

ขอเชิญอาจารย์และนักวิจัย มก.  

เข้าอบรมเชิงปฏิบัติการ

เรื่อง “AI กับงานวิจัย: บทบาท ความสามารถ และการใช้งานจริง”

โดยวิทยากร รองศาสตราจารย์ ดร.พันธุ์ปิติ เปี่ยมสง่า

และ ผู้ช่วยศาสตราจารย์ ดร.ธนาวินท์ รักธรรมานนท์

  ภาควิชาวิศวกรรมคอมพิวเตอร์ คณะวิศวกรรมศาสตร์

♦ วันและเวลา : วันพุธที่ 12 มีนาคม 2568 เวลา 08.30-16.00 น.

♦ สถานที่ : ห้อง 406 ชั้น 4 สำนักบริการคอมพิวเตอร์

♦ จำนวนที่นั่ง : 50 คน + เพิ่ม 40 คน 

♦ หลักสูตรและกำหนดการอบรม

วันพุธที่ 12 มีนาคม 2568
เวลา 08.30 – 08.45 น.	ลงทะเบียน
เวลา 08.45 – 09.00 น.	กล่าวเปิดการอบรมฯ ผู้อำนวยการสถาบันวิจัยและพัฒนาแห่ง มก.
เวลา 09.00 – 16.00 น.	เนื้อหาหลักสูตร* Part 1: Introduction to AI in Research 📌 Overview AI & Machine Learning ในงานวิจัย • AI และ ML กับการพัฒนาองค์ความรู้ • Generative AI กับการช่วยวิจัย • Ethical Considerations และข้อจำกัด 📌 AI ใช้ทำอะไรได้บ้างในงานวิจัย? • Literature Review & Paper Summarization • Data Analysis & Visualization • Writing & Editing Assistance • Peer Review & Evaluation • Research Proposal & Grant Writing 📌 Case Study ตัวอย่าง AI ที่ช่วยงานวิจัย • ใช้ AI หาและสรุปงานวิจัย • ใช้ AI ช่วยเขียนบทความ • ใช้ AI สำหรับการทำ Data SciencePart 2: AI กับการทำ Research Assistant 📌 เปรียบเทียบ AI กับ Research Assistant แบบดั้งเดิม • ความสามารถของ AI กับงานที่ Research Assistant ทำ • ข้อดี-ข้อเสีย ของการใช้ AI แทนนิสิต 📌 AI ใช้ทำอะไรแทนนิสิตผู้ช่วยวิจัยได้? • ค้นหาข้อมูล → AI ช่วยสรุปงานวิจัยจากหลายแหล่งข้อมูล • แปลภาษา & Proofreading • การเขียนโค้ดวิเคราะห์ข้อมูล → AI ช่วยเขียน Python / R สำหรับ Data Analysis • AI ช่วยประเมินบทความทางวิชาการ → Peer Review ด้วย AI • สร้างแผนที่องค์ความรู้ (Knowledge Graph) → AI กับ Citation Networks 📌 Hands-on: • ใช้ AI ค้นหาข้อมูล + สรุปเปเปอร์ • ใช้ AI ช่วยตรวจสอบงานเขียน • ทดลองใช้ AI ช่วยตรวจสอบ Code และช่วย DebugPart 3: AI กับงานวิเคราะห์ข้อมูล และการสร้าง Visualization 📌 AI กับ Data Analysis • AI ช่วยวิเคราะห์ข้อมูลวิจัยได้อย่างไร? • AutoML และ AI-based Statistical Analysis • AI กับการทำ Meta-Analysis 📌 AI กับ Data Visualization • AI สร้าง Graph, Charts และ Data Summary • AI ช่วย Clean Data และ Detect Patterns 📌 Hands-on: • ใช้ AI สร้าง Data Visualization ด้วย Python • ทดลองใช้ AutoML ช่วยสร้างโมเดลง่าย ๆ Part 4: AI กับงานเขียนบทความทางวิชาการ และการเป็นผู้ประเมินบทความ 📌 AI ช่วยเขียนอะไรได้บ้าง? • Abstract, Introduction, Related Work • Methodology, Results & Discussion • Conclusion & Future Work 📌 AI กับงานอ้างอิง (Citation & Referencing) • ใช้ AI สร้าง Citation อัตโนมัติ • ตรวจสอบความถูกต้องของ AI-generated citations 📌 Hands-on: • ใช้ AI เขียน Abstract และ Introduction • ใช้ AI สรุปบทความเพื่อทำ Related Work • ใช้ AI ช่วยจัดการอ้างอิงอัตโนมัติ 📌 AI ในงาน Peer Review & Manuscript Evaluation • AI ใช้ช่วยตรวจสอบบทความที่ส่งตีพิมพ์ • AI ช่วยตรวจจับ Plagiarism และ Paper Quality 📌 Hands-on: • ทดลองใช้ AI ประเมิน Abstract และ Introduction • ใช้ AI วิเคราะห์จุดอ่อนของงานวิจัย

*หลักสูตรอาจมีการปรับเปลี่ยนได้ตามความเหมาะสม

♦ ลงทะเบียนเข้าร่วมฟังบรรยายพิเศษ [คลิก] หรือ สแกนคิวอาร์โค๊ดด้านล่าง

 

♦ รายชื่อผู้เข้าอบรมและ Waiting list [คลิก]

 

ติดต่อสอบถามข้อมูลเพิ่มเติม

คุณธีรศักดิ์ สุนทรา (ฝ่ายพัฒนาศักยภาพการวิจัย)

สายใน 61-1806, 61-1459 หรือ สายนอก 02-942-8455 

E-mail : theerasak.su@ku.th

และคุณนันทิศักดิ์ ประทีปสุข (ฝ่ายสารสนเทศงานวิจัย)

สายใน 611459 หรือ สายนอก 02-561-4640

E-mail : rdinsp@ku.ac.th