การประมวลผลภาพดิจิทัล และการมองเห็นโดยคอมพิวเตอร์

Digital Image Processing and Computer Vision

1 การปรับปรุงคุณภาพภาพ (Image Enhancement): เรียนรู้วิธีการปรับปรุงความคมชัด ความสว่าง และความเปรียบต่างของภาพ เพื่อให้ได้ภาพที่มีคุณภาพดีขึ้น
2 การคืนสภาพภาพ (Image Restoration): ศึกษาเทคนิคการกำจัดสิ่งรบกวนหรือความบกพร่องต่าง ๆ ในภาพ เช่น การเบลอหรือสัญญาณรบกวน
3 การวิเคราะห์และแยกแยะส่วนประกอบของภาพ (Image Segmentation): ทำความเข้าใจวิธีการแบ่งภาพออกเป็นส่วนย่อย ๆ หรือวัตถุต่าง ๆ ที่น่าสนใจ
4 การจำแนกประเภทวัตถุ (Object Recognition): เรียนรู้การสอนให้คอมพิวเตอร์สามารถระบุและจำแนกวัตถุต่าง ๆ ในภาพได้
5 การนำความรู้ไปประยุกต์ใช้: สามารถนำความรู้ไปประยุกต์ใช้ในการแก้ปัญหาจริงในด้านต่าง ๆ เช่น การแพทย์ การเกษตร การรักษาความปลอดภัย และอุตสาหกรรม
 
1 ปรับปรุงเนื้อหาให้ทันสมัยและครอบคลุม: เพิ่มเนื้อหาเกี่ยวกับเทคนิคและอัลกอริทึมล่าสุดในด้านการประมวลผลภาพดิจิทัลและการมองเห็นโดยคอมพิวเตอร์ เช่น การใช้ Deep Learning และ Neural Networks ซึ่งเป็นที่นิยมในปัจจุบัน
2 เน้นการเรียนรู้แบบปฏิบัติจริง: เพิ่มชั่วโมงปฏิบัติการและโครงงานให้มากขึ้น เพื่อให้นักศึกษามีโอกาสได้ลงมือเขียนโค้ดและพัฒนาโปรแกรมที่เกี่ยวข้องกับการประมวลผลภาพ
3 ส่งเสริมทักษะการแก้ปัญหา: ออกแบบโจทย์และกิจกรรมที่ท้าทาย เพื่อให้นักศึกษาได้ฝึกฝนทักษะการวิเคราะห์และแก้ปัญหาที่ซับซ้อนด้วยตนเอง
4 สร้างความเชื่อมโยงกับโลกอุตสาหกรรม: เชิญผู้เชี่ยวชาญจากภาคอุตสาหกรรมมาบรรยายพิเศษ หรือให้นักศึกษาได้ทำโครงงานที่ตอบโจทย์ความต้องการของตลาด เพื่อให้นักศึกษามีความพร้อมในการทำงานจริงหลังสำเร็จการศึกษา
 
ศึกษาและฝึกปฏิบัติ โมเดลการมองเห็นภาพของมนุษย์ หลักการของการเก็บข้อมูลภาพในระบบดิจิตอล การปรับปรุงคุณภาพของภาพ การหาขอบและเส้น การแบ่งพื้นที่ภาพ การฟิลเตอร์ด้วยวิธีแบบเชิงเส้น และแบบไม่เป็นเชิงเส้น การหารูปทรงจากภาพสองตา เฉดสี ลวดลาย เทคโนโลยีการเรียนรู้จดจำเพื่อประมวลผลภาพ
 
Study and practice of the Human visual system model, principle of digital image storage, image enhancement, edge and line detection, image segmentation, linear and non-liner filtering, stereo vision, shade and texture, image recognition.
 
1. ให้คำปรึกษาผ่านระบบโซเชียลเนตเวิร์ค เช่น ไลน์ หรือเฟสบุค ทั้งการคุยโต้ตอบทันทีและการฝากข้อความทิ้งไว้ใน E-mail และมีการตอบภายหลัง โดยนักศึกษาสามารถขอคำปรึกษาผ่านทางระบบนี้ได้ตลอด 24 ชั่วโมง (นอกเวลาราชการฝากข้อความ) หรือใช้ช่องทางโทรศัพท์ปรึกษาระยะสั้น ใน 8 ชั่วโมงของทุกวันและเวลาราชการ
2. อาจารย์จัดเวลาให้คำปรึกษาเป็นรายบุคคล หรือรายกลุ่มตามความต้องการ 1 ชั่วโมงต่อสัปดาห์ (เฉพาะรายที่ต้องการ)
 
1 ความซื่อสัตย์สุจริต: ไม่ลอกเลียนแบบผลงานของผู้อื่น ไม่ว่าจะในรายงาน โครงการ หรือการสอบ ต้องให้เกียรติและอ้างอิงแหล่งที่มาของข้อมูลอย่างถูกต้อง
2 ความรับผิดชอบและความมีวินัยในตนเอง: ทำงานที่ได้รับมอบหมายให้สำเร็จตามกำหนดเวลา มีความมุ่งมั่นตั้งใจ และรับผิดชอบต่อผลลัพธ์ของงานที่ทำ
3 การเคารพสิทธิส่วนบุคคล: ตระหนักถึงความสำคัญของข้อมูลส่วนตัวและข้อมูลที่เป็นความลับ ไม่นำข้อมูลไปใช้ในทางที่ผิดกฎหมายหรือผิดจริยธรรม
4 จริยธรรมในการใช้ข้อมูล: เข้าใจถึงผลกระทบทางสังคมที่อาจเกิดขึ้นจากการใช้ข้อมูลขนาดใหญ่ (Big Data) และการทำเหมืองข้อมูล เช่น อคติ (Bias) ที่อาจแฝงอยู่ในข้อมูล และผลกระทบต่อการตัดสินใจ
5 การทำงานร่วมกับผู้อื่น: มีความสามารถในการทำงานเป็นทีม รับฟังความคิดเห็นของผู้อื่น และรู้จักแบ่งปันความรู้เพื่อสร้างสรรค์ผลงานที่ดีที่สุด
 
1 การบรรยายสอดแทรก: อาจารย์จะสอดแทรกเรื่องจริยธรรมในการใช้ข้อมูลและผลกระทบทางสังคมของเทคโนโลยีคลังข้อมูลและเหมืองข้อมูลในระหว่างการบรรยาย
2 กรณีศึกษา: ใช้กรณีศึกษาที่เกี่ยวข้องกับประเด็นด้านจริยธรรม เช่น การใช้ข้อมูลลูกค้าอย่างไม่เหมาะสม หรืออคติในโมเดล AI เพื่อกระตุ้นให้นักศึกษาได้คิดและอภิปราย
3 กำหนดเป็นส่วนหนึ่งของโครงการ: มอบหมายให้นักศึกษาทำโครงการที่ต้องพิจารณาประเด็นด้านจริยธรรม เช่น การนำเสนอแนวทางในการใช้ข้อมูลอย่างปลอดภัยและมีจริยธรรม หรือการวิเคราะห์อคติในชุดข้อมูล
4 การทำงานกลุ่ม: ส่งเสริมให้นักศึกษาได้ทำงานร่วมกันในโครงการกลุ่ม เพื่อเรียนรู้การแบ่งปันความรับผิดชอบ การรับฟังความคิดเห็น และการยอมรับในความแตกต่าง
 
1 การสังเกตพฤติกรรมในชั้นเรียน: สังเกตการมีส่วนร่วมในชั้นเรียน การอภิปรายอย่างสร้างสรรค์ และการทำงานร่วมกับผู้อื่น
2 การพิจารณาจากผลงาน: ตรวจสอบความถูกต้องของการอ้างอิงแหล่งที่มาในรายงานและโครงการ เพื่อประเมินความซื่อสัตย์
3 การนำเสนอโครงการ: ประเมินทัศนคติและแนวคิดที่แสดงออกในการนำเสนอโครงการกลุ่ม โดยเฉพาะอย่างยิ่งประเด็นที่เกี่ยวข้องกับจริยธรรม
4 การให้คะแนนจากเพื่อนร่วมทีม (Peer Assessment): ให้นักศึกษาประเมินผลการทำงานของเพื่อนในกลุ่ม เพื่อประเมินความรับผิดชอบและความร่วมมือในการทำงานเป็นทีม
 
1 หลักการพื้นฐาน: เข้าใจถึงลักษณะของภาพดิจิทัล การแทนค่าสี และการแปลงข้อมูลภาพ
2 การประมวลผลภาพ: เรียนรู้เทคนิคต่างๆ เช่น การปรับปรุงคุณภาพภาพ การกรองสัญญาณรบกวน การแปลงภาพจากโดเมนหนึ่งไปอีกโดเมนหนึ่ง (เช่น การแปลงฟูเรียร์)
3 การวิเคราะห์ภาพ: สามารถประยุกต์ใช้เทคนิคการแบ่งส่วนภาพ (segmentation) การตรวจจับขอบ (edge detection) และการสกัดคุณลักษณะ (feature extraction)
4 การมองเห็นโดยคอมพิวเตอร์: เข้าใจหลักการทำงานของระบบการมองเห็นโดยคอมพิวเตอร์เบื้องต้น เช่น การรู้จำวัตถุ (object recognition) และการติดตามวัตถุ (object tracking)
 
1 การบรรยาย: อธิบายหลักการและทฤษฎีพื้นฐานที่สำคัญ
2 การสอนเชิงปฏิบัติการ (Lab Sessions): ใช้เครื่องมือและซอฟต์แวร์ในการทดลองประมวลผลภาพจริง เพื่อให้นักศึกษาได้ลงมือปฏิบัติด้วยตนเอง
3 การศึกษาด้วยตนเอง: ให้โจทย์ให้นักศึกษาค้นคว้าเพิ่มเติมและพัฒนาทักษะการแก้ปัญหาด้วยตัวเอง
4 การทำโครงงาน (Project-Based Learning): มอบหมายโครงงานที่ให้นักศึกษานำความรู้ที่ได้มาพัฒนาโปรแกรมประมวลผลภาพง่ายๆ หรือสร้างระบบการมองเห็นโดยคอมพิวเตอร์ขนาดเล็ก
5 การอภิปรายกลุ่ม: ส่งเสริมให้นักศึกษาแลกเปลี่ยนความคิดเห็นและเรียนรู้จากเพื่อนร่วมชั้น
 
1 การสอบกลางภาคและปลายภาค: วัดความเข้าใจในทฤษฎีและหลักการพื้นฐาน
2 แบบฝึกหัดและรายงาน: วัดความสามารถในการแก้ปัญหาและประยุกต์ใช้เทคนิคที่เรียน
3 โครงงาน (Project): เป็นการประเมินผลที่สำคัญที่สุด โดยดูจากความสามารถในการวางแผน ออกแบบ และพัฒนาโปรแกรมประมวลผลภาพ รวมถึงการนำเสนอผลงาน
4 การมีส่วนร่วมในชั้นเรียน: ประเมินจากการเข้าร่วมอภิปรายและการทำกิจกรรมในห้องเรียน
 
1 ทักษะการคิดวิเคราะห์: สามารถแยกแยะปัญหาที่ซับซ้อนออกเป็นส่วนย่อยๆ เพื่อทำความเข้าใจโครงสร้างของปัญหาในบริบทของข้อมูลได้
2 ทักษะการคิดเชิงสังเคราะห์: สามารถรวบรวมและเชื่อมโยงแนวคิดหรือข้อมูลที่แตกต่างกัน เพื่อสร้างเป็นแนวทางแก้ไขปัญหาที่สมเหตุสมผลและมีประสิทธิภาพ
3 ทักษะการคิดเชิงสร้างสรรค์และนวัตกรรม: สามารถคิดค้นวิธีการใหม่ๆ ในการใช้ข้อมูลเพื่อแก้ปัญหาหรือค้นพบข้อมูลเชิงลึกที่ไม่เคยมีมาก่อน
4 ทักษะการแก้ปัญหา: สามารถระบุปัญหา เลือกใช้เครื่องมือและเทคนิคที่เหมาะสม วางแผน และดำเนินการเพื่อแก้ไขปัญหาที่เกี่ยวข้องกับข้อมูลได้อย่างเป็นระบบ
5 ทักษะการคิดเชิงระบบ: เข้าใจความสัมพันธ์และผลกระทบระหว่างส่วนประกอบต่างๆ ในระบบคลังข้อมูลและเหมืองข้อมูล เพื่อให้สามารถออกแบบและจัดการระบบได้อย่างมีประสิทธิภาพ
 
1 การวิเคราะห์กรณีศึกษา (Case Study Analysis): มอบหมายให้นักศึกษาวิเคราะห์กรณีศึกษาที่ซับซ้อนในโลกธุรกิจ โดยให้นักศึกษาเสนอแนวทางในการใช้คลังข้อมูลและเหมืองข้อมูลเพื่อแก้ปัญหา
2 โครงการกลุ่ม (Group Project): กำหนดให้มีโครงการที่ท้าทาย ซึ่งนักศึกษาต้องออกแบบและสร้างระบบคลังข้อมูล หรือทำการวิเคราะห์ข้อมูลตั้งแต่ต้นจนจบ เพื่อให้ได้ฝึกฝนการคิดเชิงสังเคราะห์และการแก้ปัญหาร่วมกัน
3 การอภิปรายในชั้นเรียน: กระตุ้นให้นักศึกษามีส่วนร่วมในการอภิปรายเกี่ยวกับแนวคิดที่หลากหลายและวิธีการแก้ไขปัญหาที่แตกต่างกัน เพื่อฝึกฝนการคิดวิเคราะห์และเปิดรับมุมมองใหม่ๆ
4 การมอบหมายงานปลายเปิด (Open-Ended Assignments): ให้โจทย์ที่ไม่มีคำตอบที่ตายตัว เพื่อให้นักศึกษาได้คิดค้นวิธีการใหม่ๆ และใช้ความคิดสร้างสรรค์ในการนำเสนอผลลัพธ์
 
1 การประเมินจากโครงการ (Project-Based Assessment): ประเมินจากคุณภาพของรายงานโครงการและผลลัพธ์ที่ได้ โดยพิจารณาจากความลึกของการวิเคราะห์ การใช้เครื่องมือที่เหมาะสม และความสมเหตุสมผลของแนวทางแก้ไขปัญหา
2 การสอบที่เน้นการแก้ปัญหา (Problem-Solving Exams): แทนที่จะเน้นการท่องจำ ควรออกแบบข้อสอบที่มีสถานการณ์จำลอง (Scenario-Based Questions) เพื่อทดสอบความสามารถในการประยุกต์ใช้ความรู้และทักษะเพื่อแก้ไขปัญหาจริง
3 การนำเสนอผลงาน (Presentation): ประเมินจากการนำเสนอแนวคิด การวิเคราะห์ และผลลัพธ์ของโครงการ โดยเฉพาะอย่างยิ่งการตอบคำถามและการให้เหตุผลในการตัดสินใจต่างๆ
4 การประเมินการมีส่วนร่วม (Participation Assessment): ประเมินจากคุณภาพของการมีส่วนร่วมในการอภิปรายในชั้นเรียน รวมถึงความสามารถในการแสดงความคิดเห็นอย่างมีเหตุผลและสร้างสรรค์
 
1 ทักษะการทำงานเป็นทีม: สามารถทำงานร่วมกับผู้อื่นได้ในสถานการณ์ที่แตกต่างกัน มีส่วนร่วมอย่างแข็งขันในการอภิปรายกลุ่ม และสามารถแลกเปลี่ยนความคิดเห็นได้อย่างสร้างสรรค์
2 ความรับผิดชอบต่อหน้าที่: มีวินัยในตนเอง สามารถบริหารจัดการเวลาและทำงานที่ได้รับมอบหมายให้สำเร็จตามเป้าหมายและกำหนดเวลาที่กำหนดไว้
3 การสื่อสารอย่างมีประสิทธิภาพ: สามารถนำเสนอแนวคิด ผลการวิเคราะห์ และข้อสรุปต่างๆ ได้อย่างชัดเจน ทั้งในรูปแบบการพูดและการเขียน
4 ความเข้าใจในบทบาทของตนเอง: ตระหนักถึงหน้าที่และความรับผิดชอบของตนเองในการทำงานกลุ่ม รวมถึงการให้ความช่วยเหลือและสนับสนุนเพื่อนร่วมทีม
5 การปรับตัวและเปิดใจยอมรับความแตกต่าง: สามารถทำงานร่วมกับผู้อื่นที่มีพื้นฐานความรู้ ทัศนคติ หรือความถนัดที่แตกต่างกันได้
 
1 โครงการกลุ่ม (Group Project): กำหนดให้มีโครงการที่ซับซ้อนและต้องใช้ความร่วมมือจากหลายฝ่าย เพื่อให้นักศึกษาได้ฝึกฝนการทำงานเป็นทีม การแบ่งงาน และการสื่อสาร
2 การอภิปรายกลุ่ม: จัดกิจกรรมอภิปรายในชั้นเรียนเป็นกลุ่มย่อย เพื่อให้นักศึกษาได้ฝึกการแสดงความคิดเห็น การรับฟังผู้อื่น และการหาข้อสรุปร่วมกัน
3 การนำเสนอผลงานกลุ่ม: ให้นักศึกษาทำงานร่วมกันเพื่อเตรียมการนำเสนอผลงาน โดยทุกคนต้องมีส่วนร่วมและแสดงบทบาทที่ชัดเจน เพื่อฝึกฝนทักษะการสื่อสารและการทำงานร่วมกัน
4 การมอบหมายงานที่มีกำหนดเวลาชัดเจน: กำหนดส่งงานแต่ละชิ้นด้วยกำหนดเวลาที่แน่นอน เพื่อฝึกความรับผิดชอบและการบริหารจัดการเวลาของตนเอง
 
1 การประเมินจากผลงานกลุ่ม: พิจารณาคุณภาพของผลงานที่ทำร่วมกันเป็นทีม เช่น รายงานและผลลัพธ์ของโครงการ เพื่อสะท้อนถึงการทำงานร่วมกันอย่างมีประสิทธิภาพ
2 การประเมินโดยเพื่อนร่วมทีม (Peer Assessment): ให้นักศึกษาประเมินผลการทำงานของเพื่อนร่วมทีม เพื่อให้เกิดการประเมินที่มาจากมุมมองที่หลากหลายและสะท้อนถึงความรับผิดชอบของแต่ละคนในกลุ่ม
3 การประเมินการนำเสนอ: พิจารณาจากความชัดเจนในการนำเสนอ ความสามารถในการตอบคำถาม และการทำงานร่วมกันของสมาชิกในกลุ่มขณะนำเสนอ
4 การสังเกตพฤติกรรม: สังเกตพฤติกรรมระหว่างการทำกิจกรรมกลุ่ม การอภิปราย และการทำงานในห้องเรียน เพื่อประเมินการมีส่วนร่วมและความรับผิดชอบของนักศึกษาแต่ละคน
 
1 ทักษะการวิเคราะห์เชิงตัวเลข: สามารถวิเคราะห์และตีความข้อมูลตัวเลขที่ซับซ้อนในภาพดิจิทัลได้ เช่น การคำนวณค่าเฉลี่ย ค่าเบี่ยงเบนมาตรฐาน หรือการวิเคราะห์สถิติเพื่อปรับปรุงคุณภาพของภาพ.
2 ทักษะการสื่อสาร: สามารถอธิบายหลักการและผลลัพธ์ของการประมวลผลภาพให้ผู้อื่นเข้าใจได้.
3 ทักษะการใช้เทคโนโลยีสารสนเทศ: สามารถใช้เครื่องมือและซอฟต์แวร์ประมวลผลภาพ เช่น Python, MATLAB, หรือ OpenCV ได้อย่างมีประสิทธิภาพ.
 
1 การบรรยายและสาธิต: อธิบายหลักการทางคณิตศาสตร์และสถิติที่ใช้ในการประมวลผลภาพ พร้อมทั้งสาธิตการใช้เครื่องมือต่างๆ.
2 การทำแบบฝึกหัดในห้องปฏิบัติการ: ให้โจทย์ที่ต้องใช้การวิเคราะห์และเขียนโปรแกรมเพื่อประมวลผลภาพจริง.
3 การนำเสนอผลงาน: ให้นักศึกษานำเสนอโครงงานที่ได้ทำ เพื่อฝึกทักษะการสื่อสารและการอธิบายหลักการทำงาน.
4 การทำงานเป็นทีม: ส่งเสริมให้นักศึกษาทำงานร่วมกันเพื่อแก้ปัญหาที่ซับซ้อน.
 
1 การสอบปฏิบัติ: ให้นักศึกษาเขียนโปรแกรมเพื่อแก้ปัญหาที่เกี่ยวข้องกับการประมวลผลภาพ.
2 การประเมินจากโครงงาน: วัดความสามารถในการวิเคราะห์ ออกแบบ และนำเสนอผลงาน.
3 การนำเสนอผลงาน: ประเมินทักษะการสื่อสารจากการอธิบายแนวคิดและผลลัพธ์ของโครงงาน.
4 การเข้าร่วมในห้องเรียน: ประเมินจากการมีส่วนร่วมในการทำกิจกรรมและการแสดงความคิดเห็น.
 
1 ทักษะการใช้เครื่องมือและซอฟต์แวร์: สามารถใช้โปรแกรมหรือภาษาโปรแกรมที่เกี่ยวข้องกับการจัดการและวิเคราะห์ข้อมูลได้อย่างเชี่ยวชาญ เช่น การใช้เครื่องมือ ETL ในการดึงข้อมูล การใช้เครื่องมือ BI ในการสร้างแดชบอร์ด และการใช้ภาษาโปรแกรม (Python, R) เพื่อสร้างโมเดลเหมืองข้อมูล
2 ทักษะการออกแบบและพัฒนา: สามารถออกแบบโครงสร้างคลังข้อมูล (Dimensional Modeling) และพัฒนากระบวนการ ETL ได้อย่างเป็นระบบ
3 ทักษะการปฏิบัติงานในโครงการ: สามารถนำความรู้และทฤษฎีมาประยุกต์ใช้ในการทำโครงการจริงได้ ตั้งแต่การตั้งโจทย์ การรวบรวมข้อมูล การวิเคราะห์ และการนำเสนอผลลัพธ์
4 ทักษะการทำงานในสภาพแวดล้อมจริง: สามารถจัดการกับปัญหาที่อาจเกิดขึ้นระหว่างการทำงานกับข้อมูลขนาดใหญ่ เช่น ข้อมูลที่ไม่มีคุณภาพ หรือปัญหาด้านประสิทธิภาพของระบบ
 
1 การฝึกปฏิบัติในห้องแล็บ: จัดให้นักศึกษาได้ใช้เครื่องมือและซอฟต์แวร์จริงเพื่อทำแบบฝึกหัดที่หลากหลาย เช่น การสร้าง Star Schema, การเขียนสคริปต์เพื่อทำความสะอาดข้อมูล หรือการสร้างโมเดลจำแนกประเภท (Classification Model)
2 โครงการกลุ่ม (Project-Based Learning): กำหนดให้มีโครงการที่นักศึกษาต้องทำตั้งแต่ต้นจนจบ ซึ่งอาจเป็นการสร้างคลังข้อมูลขนาดเล็ก หรือการแก้ปัญหาธุรกิจโดยใช้เทคนิคเหมืองข้อมูล เพื่อให้นักศึกษาได้ฝึกฝนทักษะการปฏิบัติงานในทุกขั้นตอน
3 การจำลองสถานการณ์ (Simulation): จัดกิจกรรมที่จำลองสถานการณ์จริงที่อาจเกิดขึ้นในโลกการทำงาน เพื่อให้นักศึกษาได้ฝึกการแก้ไขปัญหาเฉพาะหน้าและตัดสินใจภายใต้สถานการณ์ที่ซับซ้อน
4 การนำเสนอผลงาน: ให้นักศึกษาได้นำเสนอผลงานที่ได้จากการปฏิบัติ เพื่อฝึกทักษะการสื่อสารและอธิบายขั้นตอนการทำงานที่ชัดเจน
 
1 การประเมินจากงานในห้องแล็บ: ตรวจสอบผลงานที่ได้จากการทำแบบฝึกหัดในห้องแล็บ เพื่อประเมินความสามารถในการใช้เครื่องมือและซอฟต์แวร์
2 การประเมินจากผลงานโครงการ: พิจารณาจากคุณภาพของผลงานโครงการ ไม่ว่าจะเป็นฐานข้อมูลที่สร้างขึ้น, โค้ดที่เขียน, หรือรายงานผลการวิเคราะห์ เพื่อประเมินความสามารถในการประยุกต์ใช้ความรู้
3 การสอบปฏิบัติ (Practical Exam): อาจมีการสอบที่ให้นักศึกษาแก้โจทย์ปัญหาเชิงปฏิบัติโดยใช้คอมพิวเตอร์และซอฟต์แวร์ที่เกี่ยวข้อง
4 การประเมินการนำเสนอผลงาน: ให้คะแนนจากการนำเสนอโครงการ โดยพิจารณาจากความชัดเจนในการอธิบายขั้นตอนการทำงานและทักษะการใช้เครื่องมือประกอบการนำเสนอ
 
กิจกรรมที่ ผลการเรียนรู้ * วิธีการประเมินผลนักศึกษา สัปดาห์ที่ประเมิน สัดส่วนของการประเมินผล
1 ทดสอบย่อย 1 ทดสอบย่อย 2 สอบกลางภาคเรียน สอบปลายภาคเรียน แบบทดสอบ Google Form, ข้อสอบทฤษฎี, ข้อสอบปฏิบัติ 4 8 9 17 10% 10% 25% 25%
2 การทำงานกลุ่มและผลงาน วิเคราะห์กรณีศึกษาค้นคว้า การนำเสนอ รายงาน ตลอดภาคการศึกษา 20%
3 เข้าชั้นเรียน การเข้าชั้นเรียน การมีส่วนร่วม อภิปราย เสนอความคิดเห็นผ่านระบบออนไลน์ ตลอดภาคการศึกษา 10%
1 Rafael C. Gonzalez, Richard E. Woods, และ Steven L. Eddins. Digital Image Processing. ฉบับที่ 4 หรือล่าสุด, Pearson Education, 2018. (เป็นตำราหลักที่ครอบคลุมเนื้อหาพื้นฐานและขั้นสูงของการประมวลผลภาพดิจิทัลอย่างละเอียด)
2 Prince, Jerry L., และ Jonathan M. Scott. Image Processing: A Signal Detection and Analysis Approach. John Wiley & Sons, 2012. (นำเสนอแนวคิดการประมวลผลภาพในมุมของทฤษฎีสัญญาณ ซึ่งช่วยให้เข้าใจหลักการทางคณิตศาสตร์ได้ดีขึ้น)
3 เอกสารประกอบการสอนของรายวิชา: จัดทำโดยอาจารย์ผู้สอน ซึ่งจะมีการสรุปเนื้อหาหลักในแต่ละบทเรียน พร้อมตัวอย่างประกอบ และแบบฝึกหัด
 
1 บทความวิจัย: บทความวิจัยในวารสารระดับนานาชาติที่เกี่ยวข้องกับหัวข้อต่าง ๆ ในรายวิชา เช่น IEEE Transactions on Image Processing, Computer Vision and Image Understanding เป็นต้น
2 คู่มือและเอกสารอ้างอิงของไลบรารี: คู่มือการใช้งานไลบรารีที่ใช้ในการเขียนโปรแกรม เช่น OpenCV (เป็นไลบรารีหลักสำหรับการมองเห็นโดยคอมพิวเตอร์) และ Scikit-image (สำหรับการประมวลผลภาพในภาษา Python)
3 ชุดข้อมูลสาธารณะ: แหล่งรวมชุดข้อมูลภาพที่ใช้ในการฝึกฝนโมเดล เช่น MNIST (สำหรับตัวเลข), CIFAR-10 (สำหรับวัตถุขนาดเล็ก), และ COCO Dataset (สำหรับวัตถุขนาดใหญ่และซับซ้อน)
 
1 Computer Vision: Algorithms and Applications โดย Richard Szeliski (ให้ความรู้เชิงลึกเกี่ยวกับอัลกอริทึมและแนวคิดของการมองเห็นโดยคอมพิวเตอร์)
2 Deep Learning โดย Ian Goodfellow, Yoshua Bengio, และ Aaron Courville (เป็นตำราหลักที่อธิบายพื้นฐานของ Deep Learning ซึ่งมีบทบาทสำคัญในการมองเห็นโดยคอมพิวเตอร์สมัยใหม่)
3 Coursera, edX: คอร์สออนไลน์ที่สอนโดยผู้เชี่ยวชาญจากมหาวิทยาลัยชั้นนำ เช่น "Computer Vision" จาก Stanford University หรือ "Deep Learning Specialization" จาก deeplearning.ai
4 Blog และบทความทางเทคนิค: แหล่งข้อมูลจากนักพัฒนาและผู้เชี่ยวชาญ เช่น https://www.google.com/search?q=blog.openai.com, medium.com/tag/computer-vision หรือ paperswithcode.com
 
1 การประเมินผลการสอนออนไลน์: ใช้แบบสอบถามอิเล็กทรอนิกส์ท้ายภาคเรียนเพื่อให้นักศึกษาแสดงความคิดเห็นต่อเนื้อหาการสอน วิธีการสอน สื่อการสอน และการวัดผล
2 การพูดคุยแบบไม่เป็นทางการ: มีการเปิดโอกาสให้นักศึกษาได้ให้ข้อเสนอแนะและสะท้อนความคิดเห็นในชั้นเรียนระหว่างการสอน
3 การประชุมตัวแทนนักศึกษา: จัดประชุมระหว่างผู้สอนกับตัวแทนนักศึกษาเพื่อรวบรวมข้อมูลเชิงลึกและข้อเสนอแนะสำหรับการปรับปรุงรายวิชา
 
1 การประเมินโดยเพื่อนร่วมงาน: ให้เพื่อนอาจารย์ในสาขาวิชาเดียวกันเข้าร่วมสังเกตการณ์การสอน และให้ข้อเสนอแนะที่เป็นประโยชน์
2 การประเมินตนเอง: ผู้สอนทบทวนและประเมินการสอนของตนเองเป็นประจำทุกสัปดาห์ เพื่อปรับปรุงวิธีการสอนให้มีประสิทธิภาพยิ่งขึ้น
3 ผลการประเมินของนักศึกษา: นำผลการประเมินรายวิชาที่นักศึกษาให้ไว้ในส่วนที่ 1 มาใช้เป็นข้อมูลสำคัญในการประเมินและพัฒนาการสอน
 
1 การปรับปรุงเนื้อหาและสื่อการสอน: เพิ่มตัวอย่างและกรณีศึกษาที่ทันสมัย รวมถึงปรับปรุงสไลด์และเอกสารประกอบการสอนให้เข้าใจง่ายขึ้น
2 การปรับปรุงวิธีการสอน: จัดกิจกรรมในชั้นเรียนที่หลากหลาย เช่น การอภิปรายกลุ่ม การนำเสนอผลงาน และการใช้ PBL (Problem-Based Learning) เพื่อส่งเสริมการเรียนรู้เชิงรุก
3 การเพิ่มเครื่องมือช่วยสอน: นำโปรแกรมจำลองหรือชุดข้อมูลใหม่ ๆ มาใช้ในการสอนภาคปฏิบัติ เพื่อให้นักศึกษาได้ฝึกฝนกับโจทย์ที่ใกล้เคียงกับสถานการณ์จริงมากขึ้น
 
1 การทวนสอบข้อสอบและคะแนน: ตรวจสอบความถูกต้องและเหมาะสมของข้อสอบ การให้คะแนน และประเมินผล
2 การสุ่มตรวจผลงาน: สุ่มตรวจผลงานและชิ้นงานของนักศึกษา เช่น รายงานโครงงาน หรือการบ้าน เพื่อตรวจสอบว่าการให้คะแนนสอดคล้องกับเกณฑ์ที่กำหนดไว้หรือไม่
3 การประเมินจากผู้ทรงคุณวุฒิ: เชิญผู้ทรงคุณวุฒิจากภายนอกมาช่วยประเมินผลงานของนักศึกษาในส่วนที่สำคัญ เช่น โครงงานปลายภาคเรียน  
 
1 การรวบรวมข้อมูล: รวบรวมข้อมูลจากการประเมินในทุกด้าน ทั้งจากนักศึกษา ผู้สอน และเพื่อนร่วมงาน
2 การประชุมผู้สอน: จัดประชุมผู้สอนในรายวิชาเพื่อวิเคราะห์ข้อมูลที่รวบรวมมา และระบุจุดแข็ง จุดอ่อน และโอกาสในการปรับปรุง
3 การวางแผนปรับปรุง: กำหนดแผนการปรับปรุงที่ชัดเจนสำหรับภาคการศึกษาถัดไป เช่น การปรับปรุงเนื้อหา การเพิ่มกิจกรรม หรือการเปลี่ยนแปลงวิธีการประเมิน
4 การนำไปปฏิบัติและติดตามผล: นำแผนการปรับปรุงไปใช้ และติดตามผลอย่างใกล้ชิด เพื่อให้แน่ใจว่าการปรับปรุงนั้นส่งผลดีต่อคุณภาพของรายวิชาอย่างแท้จริง