วิศวกรรมอุตสาหการบูรณาการปัญญาประดิษฐ์
วิศวกรรมอุตสาหการบูรณาการปัญญาประดิษฐ์ (AI-Integrated Industrial Engineering) ปรับบทบาทวิศวกรอุตสาหการให้สอดคล้องกับโลกที่อัลกอริทึมสามารถตัดสินใจ ออปติไมซ์ระบบ และประสานเวิร์กโฟลว์ได้ บัณฑิตจะไม่เพียงปรับปรุงกระบวนการเดิม แต่จะร่วมสร้างสรรค์การดำเนินงานที่พร้อมอนาคต โดยใช้ ปัญญาประดิษฐ์ ข้อมูล การจำลอง และดิจิทัลทวิน เป็นเครื่องมือหลัก
หลักสูตรวางรากฐานจาก วิจัยปฏิบัติการ ซัพพลายเชน ระบบการผลิต และปัจจัยมนุษย์ และต่อยอดด้วย การเรียนรู้ของเครื่อง การจำลอง และระบบอัตโนมัติอัจฉริยะ เพื่อขับเคลื่อนการเปลี่ยนแปลงในโรงงาน คลังสินค้า เครือข่ายโลจิสติกส์ และ ภาคบริการ เช่น สาธารณสุข การเงินและอีคอมเมิร์ซ การท่องเที่ยว และบริการสาธารณะ ตั้งแต่ การจัดตารางแบบเรียลไทม์ และ การพยากรณ์-วางแผนสินค้าคงคลัง ไปจนถึง ระบบตัดสินใจที่มนุษย์ทำงานร่วมกับปัญญาประดิษฐ์ ปัญญาประดิษฐ์คือชุดเครื่องมือหลักของวิศวกรยุคใหม่
ภาพรวมหลักสูตร
หลักสูตรนี้เป็นส่วนหนึ่งของ AI-Integrated Engineering Program (AIEP) เฉพาะหลักสูตรภาษาอังกฤษ (IUP) โดยภาควิชาวิศวกรรมอุตสาหการ
- ปริญญาตรี: วิศวกรรมศาสตรบัณฑิต สาขาวิศวกรรมอุตสาหการ (นานาชาติ)
- ปริญญาโท: วิศวกรรมศาสตรมหาบัณฑิต สาขาวิศวกรรมบูรณาการปัญญาประดิษฐ์ (หลักสูตรภาษาไทย)
- เปิดรับรุ่นแรก: ปีการศึกษา 2569
- จำนวนรับ: 30 คน โครงการนานาชาติ IUP
- ช่องทางรับเข้า: TCAS รอบ 1 (แฟ้มสะสมผลงาน), TCAS รอบ 2 (โควตา)
- ไม่เปิดในภาคปกติและภาคพิเศษ (หลักสูตรภาษาไทย)
จุดเด่นของหลักสูตร
- สร้างความเข้าใจ AI ในบริบทของระบบอุตสาหกรรม: ห่วงโซ่อุปทาน การผลิต โลจิสติกส์ บริการ
- รายวิชาร่วมสอนโดยอาจารย์จากวิศวกรรมอุตสาหการและวิศวกรรมคอมพิวเตอร์
- บูรณาการตั้งแต่ต้นน้ำถึงปลายน้ำระหว่างวิศวกรรมอุตสาหการกับปัญญาประดิษฐ์: แบบจำลองวิจัยปฏิบัติการเสริมด้วยการเรียนรู้ของเครื่องและการเรียนรู้เสริมกำลัง การทดสอบนโยบายด้วยการจำลอง เวิร์กโฟลว์ “พยากรณ์แล้วค่อยตัดสินใจเชิงเหมาะสม”
- สตูดิโอและห้องปฏิบัติการ: Digital Twin Studio, Decision Intelligence Laboratory, Automation and Sensing Laboratory (ครอบคลุมอินเทอร์เน็ตของสรรพสิ่งภาคอุตสาหกรรม วิสัยทัศน์คอมพิวเตอร์ และการวิเคราะห์อนุกรมเวลา)
- ข้อมูลจริง ผลลัพธ์วัดได้: โครงงานอุตสาหกรรมที่มุ่งผลด้านอัตราการผลิต งานระหว่างทำ ระยะเวลานำ ระดับการให้บริการ และการใช้พลังงาน
- ปัญญาประดิษฐ์ที่ยึดมนุษย์เป็นศูนย์กลาง: ส่วนติดต่อที่อธิบายได้ การออกแบบภาระงาน และความปลอดภัยตามหลักการยศาสตร์
- มุมมองการนำไปใช้จริง: แนวปฏิบัติการใช้งานปัญญาประดิษฐ์ระดับปฏิบัติการ ธรรมาภิบาล ความเป็นส่วนตัว จริยธรรม และการจัดการการเปลี่ยนแปลง
- เน้นภาคบริการ: การวิเคราะห์บริการหลายช่องทาง การจัดเวรและกำลังคน เครือข่ายคิว ระบบนัดหมายและบริหารขีดความสามารถ การบริหารรายได้ และการดำเนินงานตามข้อตกลงระดับการให้บริการ (ศูนย์ติดต่อ โรงพยาบาลและคลินิก ท่าอากาศยานและสายการบิน ธนาคารและอีคอมเมิร์ซ และหน่วยงานสาธารณะ)
- เส้นทางจากตรีสู่โท: โครงงานสำเร็จการศึกษาที่สอดรับกับเส้นทางเร่งรัดสี่บวกหนึ่งไปสู่การควบคุมเชิงการเรียนรู้
สิ่งที่จะได้เรียนรู้
ในหลักสูตรวิศวกรรมอุตสาหการบูรณาการปัญญาประดิษฐ์ ผู้เรียนจะได้ศึกษาแกนความรู้ด้านวิศวกรรมอุตสาหการ เช่น วิจัยปฏิบัติการเชิงกำหนดและเชิงสุ่ม การวางแผนการผลิตและสินค้าคงคลัง ผังโรงงาน ทฤษฎีคิว รวมถึงการยศาสตร์และความปลอดภัย ควบคู่ไปกับแกนด้านปัญญาประดิษฐ์และข้อมูล อาทิ การเขียนโปรแกรมเพื่อข้อมูล การจำลองแบบอนุกรมเวลาและการตรวจจับความผิดปกติ การเรียนรู้ของเครื่องทั้งแบบมีผู้สอนและไม่มีผู้สอน ตลอดจนการเรียนรู้เสริมกำลังสำหรับการจัดตารางและการควบคุม อีกทั้งยังได้ฝึกการจำลองและการใช้ดิจิทัลทวิน โดยครอบคลุมการจำลองเหตุการณ์ไม่ต่อเนื่องและหลายตัวแทน การทดลองเชิงนโยบายบนดิจิทัลทวิน และการทดสอบความทนทานของนโยบาย
นอกจากนี้ ผู้เรียนจะได้พัฒนาทักษะด้านการหาค่าที่เหมาะสมเชิงขนาดใหญ่ ตั้งแต่การโปรแกรมเชิงจำนวนเต็มผสม การโปรแกรมแบบมีข้อจำกัดและการแยกย่อย ไปจนถึงวิธีเชิงเฮอริสติกและเมตาเฮอริสติก รวมถึงการวางแผนเชิงทนทานที่คำนึงถึงความเสี่ยง ในด้านปัญญาการตัดสินใจ จะได้เรียนรู้เวิร์กโฟลว์ “พยากรณ์แล้วจึงตัดสินใจเชิงเหมาะสม” การให้เหตุผลเชิงสาเหตุ การออกแบบตัวชี้วัดและแดชบอร์ด ความสามารถในการอธิบายผลลัพธ์ และระบบที่มนุษย์มีส่วนร่วมในการตัดสินใจ
หลักสูตรยังเน้นการนำ AI ไปใช้อย่างรับผิดชอบ ครอบคลุมธรรมาภิบาลข้อมูล การตรวจสอบความถูกต้องของแบบจำลอง การทดลองแบบควบคุม (A/B testing) การติดตามเฝ้าระวัง และการจัดการวงจรชีวิตระบบ ตลอดจนความรู้ด้านระบบบริการ ไม่ว่าจะเป็นการออกแบบบริการและเครือข่ายคิว การกำหนดเส้นทางและการวิเคราะห์ศูนย์ติดต่อ การนัดหมายและบริหารกำลังการผลิตในบริการสุขภาพ การกำหนดราคาแบบไดนามิกและการบริหารรายได้ การวิเคราะห์เส้นทางประสบการณ์และการรักษาลูกค้า รวมถึงวิศวกรรมคุณภาพบริการและข้อตกลงระดับการให้บริการ เพื่อให้ผู้เรียนสามารถประยุกต์องค์ความรู้ได้อย่างรอบด้านและยั่งยืน
หัวข้อโครงงานและวิจัยตัวอย่าง
- การจัดตารางงานแบบงานหลายขั้นตอนด้วยการเรียนรู้เสริมกำลัง ภายใต้วัตถุประสงค์ด้านพลังงานหรือกำหนดส่ง
- การบำรุงรักษาเชิงพยากรณ์จากข้อมูลเซนเซอร์และบันทึกเหตุการณ์ พร้อมการเพิ่มประสิทธิภาพต้นทุนความเสียหาย
- การรับรู้แนวโน้มอุปสงค์พร้อมการเพิ่มประสิทธิภาพสินค้าคงคลังภายใต้เป้าหมายระดับการให้บริการ
- ดิจิทัลทวินของคลังสินค้าเพื่อหาค่าที่เหมาะสมร่วมของเส้นทาง การจัดวางสินค้า และการจัดตารางกำลังคน
- การกำหนดเส้นทางยานพาหนะเชิงไดนามิกภายใต้เวลาการเดินทางที่ไม่แน่นอนและการสั่งการแบบเรียลไทม์
- การวิเคราะห์คุณภาพด้วยวิสัยทัศน์คอมพิวเตอร์ร่วมกับนโยบายการแก้ไขงานเชิงสั่งการ
- งานบริการ: การจัดเวรที่คำนึงถึงความเป็นธรรม ความล้า และความไม่แน่นอนของอุปสงค์
- ระบบช่วยตัดสินใจในห้องควบคุม: การคัดกรองสัญญาณเตือนและคำแนะนำที่อธิบายได้
- ภาคบริการ: การวางกำลังคนและการกำหนดเส้นทางตามทักษะในศูนย์ติดต่อ การนัดหมายคลินิกและการวางแผนขีดความสามารถของเตียงและห้องผ่าตัด การฟื้นฟูตารางบินและการจัดคู่ลูกเรือ การกำหนดราคาและการจัดสรรขีดความสามารถแบบไดนามิกสำหรับอีคอมเมิร์ซหรือบริการเดินทาง การเพิ่มประสิทธิภาพข้อตกลงระดับการให้บริการสำหรับงานเทคโนโลยีสารสนเทศและศูนย์บริการรวม
พันธมิตรด้านอุตสาหกรรมและวิจัย
- บริษัท เดลต้า อีเลคโทรนิคส์ (ความร่วมมือด้านโรงงานอัจฉริยะ)
- บริษัทด้านโลจิสติกส์ คลังสินค้า และระบบอัตโนมัติอุตสาหกรรม ในประเทศไทย (ระหว่างพัฒนา)
- กลุ่มวิจัยระบบอัจฉริยะ มหาวิทยาลัยเกษตรศาสตร์
- พันธมิตรภาคบริการ: เครือโรงพยาบาลและระบบสุขภาพ ธนาคารและเทคโนโลยีการเงิน แพลตฟอร์มอีคอมเมิร์ซ และหน่วยงานบริการสาธารณะ (ระหว่างพัฒนา)
เส้นทาง 4+1
- นิสิตจะต้องผ่านเกณฑ์ด้านวิชาการ โดยในช่วง 3 ปีแรกของการเรียนระดับปริญญาตรีจะต้องลงทะเบียนรายวิชาพื้นฐานด้านปัญญาประดิษฐ์
- นิสิตจะเริ่มเรียนรายวิชาระดับบัณฑิตศึกษาในการเรียนปีที่ 4 (ดูรายละเอียดหลักสูตรวิศวกรรมบูรณาการปัญญาประดิษฐ์)
- โครงงานวิศวกรรมระดับชั้นปีที่ 4 จะเชื่อมโยงกับหัวข้อวิทยานิพนธ์ในระดับปริญญาโท
- จะได้รับปริญญาวิศวกรรมศาสตรบัณฑิต และวิศวกรรมศาสตรมหาบัณฑิตภายในเวลา 5 ปี และพร้อมที่จะเป็นวิศวกรยุคใหม่
แผนการเรียนโดยละเอียดแสดงด้านล่าง สามารถอ่านเกี่ยวกับรายวิชาพื้นฐานด้าน AI ระดับปริญญาตรี และหลักสูตรระดับปริญญาโทได้
แผนการเรียน
| ชั้นปีที่ 1 ภาคต้น | |||
|---|---|---|---|
| 01208111 | การเขียนแบบวิศวกรรม | 3 (2-3-6) | |
| 01417167 | คณิตศาสตร์วิศวกรรม I | 3 (3-5-6) | |
| 01420111 | ฟิสิกส์ทั่วไป I | 3 (3-5-6) | |
| 01420113 | ปฏิบัติการฟิสิกส์ I | 1 (5-3-2) | |
| 51999111 | ศาสตร์แห่งแผ่นดิน | 2 (2-5-4) | |
| วิชาภาษาไทย | 3 (- -) | ||
| วิชาสารสนเทศ/คอมพิวเตอร์ | 3 (- -) | ||
| วิชาศึกษาทั่วไป กลุ่มสาระสุนทรียศาสตร์ | 3 (- -) | ||
| รวม | 21 (- -) | ||
| ชั้นปีที่ 1 ภาคปลาย | |||
| 01204111 | คอมพิวเตอร์และการโปรแกรม | 3 (2-3-6) | |
| 01403114 | ปฏิบัติการหลักมูลเคมีทั่วไป | 1 (0-3-2) | |
| 01403117 | หลักมูลเคมีทั่วไป | 3 (3-0-6) | |
| 01417168 | คณิตศาสตร์วิศวกรรม II | 3 (3-0-6) | |
| 01175xxx | กิจกรรมพลศึกษา | 1 (0-2-1) | |
| ภาษาต่างประเทศ 1 ภาษา | 3 (- -) | ||
| วิชาศึกษาทั่วไป กลุ่มสาระอยู่ดีมีสุข | 3 (- -) | ||
| วิชาศึกษาทั่วไป กลุ่มสาระศาสตร์แห่งผู้ประกอบการ | 3 (- -) | ||
| รวม | 20 (- -) | ||
| ชั้นปีที่ 2 ภาคต้น | |||
| 01206221 | ความน่าจะเป็นและสถิติประยุกต์สำหรับวิศวกร | 3 (3-0-6) | |
| 01208221 | กลศาสตรวิศวกรรม I | 3 (3-0-6) | |
| 01208241 | อุณหพลศาสตร์ | 3 (3-0-6) | |
| 01208281 | การฝึกงานโรงงาน | 1 (0-3-2) | |
| 01213211 | วัสดุศาสตร์สำหรับวิศวกร | 3 (3-0-6) | |
| 01417267 | คณิตศาสตร์วิศวกรรม III | 3 (3-0-6) | |
| 01204162 | เอไอประยุกต์สำหรับงานวิศวกรรม | 3 (3-0-6) | รายวิชาพื้นฐานด้าน AI |
| รวม | 19 (- -) | ||
| ชั้นปีที่ 2 ภาคปลาย | |||
| 01205201 | วิศวกรรมไฟฟ้าเบื้องต้น | 3 (3-0-6) | |
| 01206223 | การออกแบบแผนการทดลองเบื้องต้นสำหรับวิศวกร | 3 (3-0-6) | |
| 01206224 | การวิเคราะห์ข้อมูลเบื้องต้นสำหรับวิศวกรอุตสาหการ | 3 (3-0-6) | |
| 01206251 | เศรษฐศาสตร์วิศวกรรม | 3 (3-0-6) | |
| 01206272 | ความปลอดภัยในอุตสาหกรรม | 3 (3-0-6) | |
| 01204261 | คณิตศาสตร์พื้นฐานสำหรับเอไอประยุกต์ | 3 (3-0-6) | รายวิชาพื้นฐานด้าน AI |
| ภาษาต่างประเทศ 1 ภาษา | 3 (- -) | ||
| รวม | 21 (- -) | ||
| ชั้นปีที่ 3 ภาคต้น | |||
| 01205202 | ปฏิบัติการวิศวกรรมไฟฟ้า I | 1 (0-3-2) | |
| 01206311 | กระบวนการผลิต I | 3 (3-0-6) | |
| 01206321 | การวิจัยการดำเนินงานสำหรับวิศวกร I | 3 (3-0-6) | |
| 01206341 | การศึกษาการทำงานทางอุตสาหกรรม | 3 (3-0-6) | |
| 01206381 | ปฏิบัติการวิศวกรรมอุตสาหการ I | 1 (0-3-2) | |
| 01208381 | ปฏิบัติการวิศวกรรมเครื่องกล I | 1 (0-3-2) | |
| 01204262 | หลักการโปรแกรมเพื่อการประมวลผลข้อมูลสำหรับเอไอประยุกต์ | 3 (3-0-6) | รายวิชาพื้นฐานด้าน AI |
| ภาษาต่างประเทศ ภาษา 1 | 3 (- -) | ||
| วิชาศึกษาทั่วไป กลุ่มสาระอยู่ดีมีสุข | 3 (- -) | ||
| รวม | 21 (- -) | ||
| ชั้นปีที่ 3 ภาคปลาย | |||
| 01206312 | การศึกษาอุตสาหกรรม | 1 (0-3-2) | |
| 01206322 | การควบคุมคุณภาพ | 3 (3-0-6) | |
| 01206323 | การวิจัยการดำเนินงานสำหรับวิศวกร II | 3 (3-0-6) | |
| 01206342 | การวางแผนและการควบคุมการผลิต | 3 (3-0-6) | |
| 01206343 | การออกแบบโรงงานอุตสาหกรรม | 3 (3-0-6) | |
| 01206361 | คอมพิวเตอร์ประยุกต์สำหรับวิศวกรอุตสาหการ | 3 (3-0-6) | |
| 01206362 | ระบบการผลิตอัตโนมัติ | 3 (3-0-6) | |
| 01206382 | ปฏิบัติการวิศวกรรมอุตสาหการ II | 1 (0-3-2) | |
| รวม | 20 (- -) | ||
| ชั้นปีที่ 4 ภาคต้น | |||
| 01206399 | การฝึกงาน | 1 | |
| 01206452 | บัญชีการเงินและการวิเคราะห์ต้นทุนทางอุตสาหกรรม | 3 (3-0-6) | |
| 01206495 | การเตรียมโครงงานวิศวกรรมอุตสาหการ | 1 (0-3-2) | |
| วิชาเฉพาะเลือก | 6 (- -) | ||
| วิชาเลือกเสรี | 3 (- -) | ||
| รวม | 14 (- -) | ||
| รายวิชาระดับบัณฑิตศึกษา (เรียนตอนปี 4 ภาคต้น) | |||
| 01204xxx | Research methodology | 1 | รายวิชาบังคับระดับบัณฑิตศึกษา |
| 01204xxx | Data Acquisition | 1 | รายวิชาบังคับระดับบัณฑิตศึกษา |
| 01204xxx | Data Preprocessing | 1 | รายวิชาบังคับระดับบัณฑิตศึกษา |
| 01204xxx | Database and Data Warehouse | 1 | รายวิชาบังคับระดับบัณฑิตศึกษา |
| Electives | 2 - 3 | รายวิชาเลือกระดับบัณฑิตศึกษา | |
| ชั้นปีที่ 4 ภาคปลาย | |||
| 01206497 | สัมมนา | 1 | |
| 01206499 | โครงงานวิศวกรรมอุตสาหการ | 2 (0-6-3) | |
| วิชาเฉพาะเลือก | 3 (- -) | ||
| วิชาเลือกเสรี | 3 (- -) | ||
| รวม | 9 (- -) | ||
| รายวิชาระดับบัณฑิตศึกษา (เรียนตอนปี 4 ภาคปลาย) | |||
| 01204xxx | Seminar | 1 | รายวิชาบังคับระดับบัณฑิตศึกษา |
| 01204xxx | Advanced Machine Learning I | 1 | รายวิชาบังคับระดับบัณฑิตศึกษา |
| 01204xxx | Advanced Machine Learning II | 1 | รายวิชาบังคับระดับบัณฑิตศึกษา |
| 01204xxx | AI for data interpretation | 1 | รายวิชาบังคับระดับบัณฑิตศึกษา |
| Electives | 2 - 3 | รายวิชาเลือกระดับบัณฑิตศึกษา | |
| บัณฑิตศึกษาปีที่ 1 ภาคต้น | |||
| 01204xxx | Seminar | 1 | รายวิชาบังคับระดับบัณฑิตศึกษา |
| 01204xxx | Thesis | 6 | วิทยานิพนธ์ |
| Electives | 6 - 7 | รายวิชาเลือกระดับบัณฑิตศึกษา | |
| บัณฑิตศึกษาปีที่ 1 ภาคปลาย | |||
| 01204xxx | Thesis | 6 | วิทยานิพนธ์ |
| Electives | 3 - 4 | รายวิชาเลือกระดับบัณฑิตศึกษา | |
เส้นทางอาชีพ
- วิศวกรโรงงานอัจฉริยะและระบบอัตโนมัติ สำหรับสายการผลิต การประสานหุ่นยนต์ และการควบคุมแบบเรียลไทม์
- วิศวกรวิจัยปฏิบัติการและการหาค่าที่เหมาะสม สำหรับการจัดตาราง การวางแผน และการออกแบบเครือข่าย
- ผู้เชี่ยวชาญการวิเคราะห์ซัพพลายเชนและโลจิสติกส์ สำหรับการพยากรณ์ สินค้าคงคลัง การจัดเส้นทาง และการวางแผนที่คำนึงความเสี่ยง
- นักวิทยาศาสตร์ข้อมูลเชิงอุตสาหกรรมและวิศวกรการจำลอง สำหรับการวิเคราะห์อนุกรมเวลา การตรวจจับความผิดปกติ และการทดลองบนดิจิทัลทวิน
- วิศวกรดิจิทัลทวินและการบูรณาการระบบ สำหรับโรงงาน คลังสินค้า และงานบริการ
- ผู้ออกแบบระบบปัญญาการตัดสินใจและระบบที่ยึดมนุษย์เป็นศูนย์กลาง สำหรับห้องควบคุม ศูนย์ติดต่อ และแพลตฟอร์มองค์กร
- วิศวกรความเชื่อถือได้และการบำรุงรักษาเชิงพยากรณ์ โดยใช้ข้อมูลจากเซนเซอร์และเหตุการณ์
- ผู้จัดการปฏิบัติการในภาคการผลิตหรือบริการ ผู้สามารถนำเทคโนโลยีไปใช้และขับเคลื่อนการเปลี่ยนแปลง
- ผู้ประกอบการหรือผู้นำผลิตภัณฑ์ ที่พัฒนาโซลูชันการตัดสินใจและระบบอัตโนมัติสำหรับอุตสาหกรรมและบริการ
จุดแข็งของหลักสูตร
- ก้าวข้าม Excel และ heuristics — ใช้ AI ล้ำสมัยในการแก้ปัญหาอุตสาหกรรม
- ความสามารถครบวงจร: ตั้งแต่การสร้างแบบจำลองและการพยากรณ์ → การหาค่าที่เหมาะสม → การติดตั้งใช้งาน → การติดตามต่อเนื่อง
- เชี่ยวชาญเครื่องมือด้านการจำลอง การควบคุมแบบเรียลไทม์ และการสร้างแบบจำลองการตัดสินใจ
- พร้อมรับมือกับการดิสรัปต์ — ไม่ถูกแทนที่ แต่เป็นผู้ออกแบบระบบอนาคต
- เป็นส่วนหนึ่งของระบบนิเวศ AI x Engineering แบบข้ามศาสตร์
กิจกรรมเสริม
- โครงงาน Capstone ร่วมกับภาคอุตสาหกรรมในด้าน smart manufacturing หรือ logistics
- โอกาสทำวิจัยระดับปริญญาตรี (UROP) กับห้องวิจัยด้าน AI และ optimization
- ฝึกงานในโรงงาน ภาคบริการ หรือทีมวิเคราะห์ข้อมูล
- เวิร์กช็อปด้านการบูรณาการวิจัยเชิงเทคนิคเกี่ยวกับ OR + ML + การจำลอง
- เยี่ยมชมสถานที่ประยุกต์ใช้ AI ในอุตสาหกรรม
- สัมมนาผู้เชี่ยวชาญ แขกรับเชิญ และการให้คำปรึกษาจากภาคอุตสาหกรรม
- การแข่งขันกรณีศึกษาและสตูดิโอออกแบบ ที่มุ่งปัญญาการตัดสินใจและระบบที่มนุษย์ทำงานร่วมกับปัญญาประดิษฐ์
รายวิชาพื้นฐานด้าน AI (เลือกเรียนในระดับปริญญาตรี)
นิสิตจะต้องลงเรียนรายวิชาต่อไปนี้ ระหว่างการเรียน 3 ปีแรก
- 01204162 เอไอประยุกต์สำหรับงานวิศวกรรม (Applied AI for Engineering)
- คณิตศาสตร์พื้นฐานสำหรับวิศวกรปัญญาประดิษฐ์ (Mathematical Foundations for AI Engineers) รายวิชาอยู่ระหว่างการพัฒนา
- หลักการโปรแกรมเพื่อการประมวลผลและวิเคราะห์ข้อมูล (Programming Concepts for Data Processing and Analysis) รายวิชาอยู่ระหว่างการพัฒนา
นอกจากนี้อาจมีการเทียบรายวิชาจากสาขาวิศวกรรมอุตสาหการเพื่อเทียบเท่ากับรายวิชาเหล่านี้ได้
ผลลัพธ์บัณฑิตที่โดดเด่น
บัณฑิตจากหลักสูตรนี้จะสามารถ:
- ผสานวิธีการของวิศวกรรมอุตสาหการแบบดั้งเดิมเข้ากับเทคนิคปัญญาประดิษฐ์สมัยใหม่
- สร้างแบบจำลอง วิเคราะห์ และเพิ่มประสิทธิภาพการดำเนินงานที่ซับซ้อน ทั้งภาคการผลิต โลจิสติกส์ และบริการ
- ออกแบบระบบที่ขับเคลื่อนด้วยข้อมูลและปรับตัวได้ตามการเปลี่ยนแปลงแบบเรียลไทม์
- นำโครงการระบบอัตโนมัติที่ผสานการตัดสินใจของมนุษย์และปัญญาประดิษฐ์
- สื่อสารกับทั้งทีมหน้างานและทีมเทคโนโลยีสารสนเทศ เพื่อขับเคลื่อนการเปลี่ยนแปลงข้ามสายงาน
- มีความยืดหยุ่นในตลาดงานที่ปัญญาประดิษฐ์กำลังกำหนดบทบาทผู้นำด้านปฏิบัติการรูปแบบใหม่