DataWow-Startup พัฒนา AI พยากรณ์ฝุ่นละออง PM2.5 ได้อย่างแม่นยำ

Published on

DataWow-Startup ไทยประสบความสำเร็จในการพัฒนา AI พยากรณ์ฝุ่นละออง PM2.5 ได้อย่างแม่นยำ

DataWow สตาร์ทอัพไทย ที่กำลังเติบโตและมีความเชี่ยวชาญด้านการพัฒนา AI, Machine Learning, Deep Learning ได้ประสบความสำเร็จในการพัฒนาระบบ AI สำหรับพยากรณ์ฝุ่นละออง PM2.5 โดยใช้ตัวแปรเช่นทิศทางลม ความชื้น และฝน ในการพยากรณ์ ทำให้ทราบข้อมูลคุณภาพอากาศในประเทศไทย ซึ่งได้เผยแพร่เพื่อเป็นประโยชน์ต่อประชาชน โดยได้นำข้อมูลจากเว็บไซต์ของกรมควบคุมมลพิษมาประกอบเป็นข้อมูลในการดำเนินงาน อาทิ อุณหภูมิ , ความชื้นสัมพัทธ์ ,ปริมาณน้ำฝน และปริมาณฝุ่นละออง PM2.5 เป็นต้น

โดยทีม DataWow เลือกสถานีในกรุงเทพฯ และ จังหวัดที่อยู่ในแนวตะวันออก — ตะวันตกของกรุงเทพฯ ซึ่งใช้ข้อมูลในช่วงวันที่ 18 ธันวาคม 2561 ถึงวันที่ 17 มกราคม 2562 ด้วยการเก็บสถิติข้อมูลทุก 1 ชั่วโมง ปรากฎว่าปริมาณฝุ่นละออง PM2.5 มีการเปลี่ยนแปลงเป็นขึ้นลงตามช่วงเวลา โดยมีตัวแปรสำคัญอยู่ที่สภาพแวดล้อมต่างๆ ได้แก่ กระแสลม หรือ ปริมาณน้ำฝน รวมไปถึงเวลา ส่งผลกระทบกับปริมาณ PM2.5 ทั้งนี้ ได้ใช้ระบบ GRUs ในการสร้าง model ปริมาณฝุ่นละออง PM2.5 เนื่องจาก GRUs สามารถนำเก็บข้อมูลในอดีตมาใช้ทำนายผลลัพธ์แบบเดียวกับใน Long-Short Term Memory Network (LSTMs) แต่ใน GRUs มีจำนวน model parameters น้อยกว่า ซึ่งเหมาะสมกับสถานการณ์ที่ข้อมูลมีจำนวนไม่มากเช่นข้อมูล PM2.5 นับเป็นผลวิจัยทางสถิติที่เป็นประโยชน์ และสามารถนำข้อมูลกลับไปพัฒนารูปแบบการลดปัญหามลพิษทางอากาศต่อไป

DataWow เป็นสตาร์ทอัพไทยที่ขยายธุรกิจจากบริษัท Nanameue (นานาเมะอุเอะ) โดยมีคุณเจษฎากร สมิทธิอรรถกร หรือคุณต้นผู้บริหาร DataWow เนื่องจาก นานาเมะอุเอะเป็นบริษัทพัฒนาแอพพลิเคชั่นโซเชียลมีเดียสำหรับคนเฉพาะกลุ่ม เช่น โซเชียลมีเดียสำหรับนักเรียน, สำหรับแม่บ้านหรือสำหรับกลุ่มอาชีพ เป็นต้น โดยมีแอพพลิเคชั่นนับร้อยในการดูแล ซึ่งปัญหาสำคัญที่ นานาเมะอุเอะ เจอจากทุกแอพพลิเคชั่นเหมือนๆ กันคือ ผู้ใช้มีการอัพโหลดภาพหรือข้อความที่ไม่เหมาะสมขึ้นบนแพลตฟอร์ม นานาเมะอุเอะ จึงต้องหาโซลูชันสำหรับการคัดกรองภาพและข้อมูล บริการแรกของ DataWow คือการตรวจสอบความถูกต้องของข้อมูล (Data Validation) ให้กับนานาเมะอุเอะ ทั้งการตรวจสอบ โพสรูปภาพ วิดิโอและข้อความภาษาญี่ปุ่นที่มีเนื้อหาไม่เหมาะสม โดยในแต่ละวันจะมีคอนเทนท์ให้ตรวจสอบมากกว่า 500,000 รายการต่อวัน ซึ่งเป็นจำนวนมาก DataWow จึงพัฒนาโมเดล Machine Learning และ Deep Learning เพื่อตอบโจทย์การตรวจสอบคอนเทนท์ (Content Moderation) จนสามารถลดเวลาการทำงานและแรงงานคนได้อย่างมาก มีความถูกต้องแม่นยำ และตัว Model ของระบบ AI ก็ถูกพัฒนาให้เก่งขึ้นเรื่อยๆ ปัจจุบัน DataWow เริ่มขยายธุรกิจไปยังอุตสาหกรรมอื่นที่ระบบ AI, Deep learning สามารถตอบโจทย์ได้ เช่นการวิเคราะห์รูปภาพ X-Ray, การจดจำใบหน้า (Face Recognition), การวิเคราะห์ข้อมูลจาก AI และอื่นๆ ซึ่งเป็นสิ่งที่ทาง DataWow มีองค์ความรู้ (Know-How) อยู่แล้ว

ทั้งนี้ DataWow มีความเชี่ยวชาญในการพัฒนาระบบ AI, Machine Learning, Deep Learning ทีมงานส่วนใหญ่ คือ Engineer และ Developer มีทั้งที่เป็น Data Scientist และเขียนโมเดล Machine Learning / Deep Learning ตามความต้องการของลูกค้า โดยใช้ภาษา Ruby เป็นหลักในการทำงาน สำหรับองค์กรใดที่กำลังสนใจจะพัฒนาระบบ AI, Learning Machine ทาง DataWow สามารถสอบถามรายละเอียดเพิ่มเติมได้ที่ Email: info@datawow.io

Latest articles

 รวมไฮไลต์ WA! JAPAN: CRAFT & MATCHA มนตร์เสน่ห์แห่งญี่ปุ่น ณ สยาม ทาคาชิมายะ

ครั้งแรกในประเทศไทย  กับการรวบรวมวัฒนธรรมอันงดงามของญี่ปุ่นไว้ในงาน “WA! JAPAN : CRAFT & MATCHA” ภายใต้คอนเซ็ปต์ “HARMONY OF JAPAN มนตร์เสน่ห์แห่งญี่ปุ่น” จัดเต็ม!! เสน่ห์ความงดงามทางวัฒนธรรมญี่ปุ่นกับงานหัตถศิลป์ดั้งเดิม

เสื้อวิ่ง แลคตาซอย เอกลักษณ์คทั่วไทย ชวน “วิ่งเดี่ยว ก็จอยได้” 

สายวิ่งเตรียมตัวให้พร้อม! “แลคตาซอย” ชวนคนรักการวิ่งทั่วประเทศร่วมเป็นเจ้าของเสื้อวิ่ง ORIGINAL RUNNER Limited Edition ภายใต้แคมเปญ “Lactasoy ORIGINAL – ตัวจริง วิ่งพร้อมกัน”

คนไทยเที่ยวต่างประเทศพุ่ง ดันยอดเคลมประกันภัยเดินทาง เผยเคสค่าใช้จ่ายสูงสุดแตะ 5 ล้านบาท

การท่องเที่ยวต่างประเทศกลายเป็นส่วนหนึ่งของไลฟ์สไตล์ของคนไทยในปัจจุบัน จากสถิติในปี 2568* มีคนไทยเดินทางไปต่างแดนสูงถึง 13.06 ล้านคน เพิ่มขึ้น 11.4% ขณะที่มีการใช้จ่ายรวมกว่า 5.59 แสนล้านบาทหรือเพิ่มขึ้น 29.5% หรือคิดเป็นค่าใช้จ่ายเฉลี่ย 42,790 บาทต่อทริป

TED Fund ปักธงปี 70 เดินหน้า “Matching Fund” เชื่อมทุนรัฐ–เอกชน

TED Fund ขานรับนโยบายกระทรวง อว. ขับเคลื่อนเศรษฐกิจไทยด้วยเทคโนโลยีและนวัตกรรม ประกาศทิศทางปี 2570 เดินหน้าขยายบทบาทจาก “Funding” สู่ “Matching” เตรียมกลไก Matching Fund

More like this