CMU
หลักสูตร
แยกตามคณะ
ค้นหาหลักสูตร
ปริญญาตรี
ปริญญาโท
ปริญญาเอก
หลักสูตรอื่นๆ
|
การศึกษา
การรับสมัครระดับปริญญาตรี
การรับสมัครระดับบัณฑิตศึกษา
การรับสมัครหลักสูตรนานาชาติ
ทุนอธิการบดีมหาวิทยาลัยเชียงใหม่
|
คณะและหน่วยงาน
คณะ
หน่วยงาน
ส่วนงานอื่นๆ
|
TH
EN
CN
TH
EN
CN
หลักสูตร
แยกตามคณะ
ค้นหาหลักสูตร
ปริญญาตรี
ปริญญาโท
ปริญญาเอก
หลักสูตรอื่นๆ
การศึกษา
การรับสมัครระดับปริญญาตรี
การรับสมัครระดับบัณฑิตศึกษา
การรับสมัครหลักสูตรนานาชาติ
ทุนอธิการบดีมหาวิทยาลัยเชียงใหม่
คณะและหน่วยงาน
คณะ
หน่วยงาน
ส่วนงานอื่นๆ
ข่าวสาร
ข่าวงานวิจัยและนวัตกรรม
ข่าวเด่น
ข่าวบุคคลเด่น
รางวัลและความภาคภูมิใจ
ประชุมสัมมนา/กิจกรรมของมหาวิทยาลัย
ภาพข่าวผู้บริหาร
ข่าวรับสมัครงาน
ข่าวจัดซื้อจัดจ้าง
ปฏิทินกิจกรรม
COVID-19 และ PM2.5
เกี่ยวกับ มช.
ประวัติความเป็นมา
60 ปี มช.
ปณิธาน/วิสัยทัศน์/พันธกิจ/ค่านิยมและวัฒนธรรมองค์กร
อำนาจหน้าที่
สัญลักษณ์มหาวิทยาลัย
เกี่ยวกับมช.
ข้อมูลสาธารณะ
CMU 360 องศา
SDGs
โครงสร้างองค์กรและการบริหารมหาวิทยาลัยเชียงใหม่
แผนพัฒนาการศึกษามช. ระยะ 5 ปี
คณะกรรมการสภามหาวิทยาลัย
คณะผู้บริหารมหาวิทยาลัย
ผู้บริหารส่วนงาน
ผู้บริหารหน่วยงาน
สภาพนักงาน
Download CMU Powerpoint Template
ช่องทางการสอบถามข้อมูล (Q&A)
นโยบายคุ้มครองข้อมูลส่วนบุคคล
ติดต่อเรา
เสนอแนะ/ร้องเรียน
ข่าว
ผลงานวิจัยจากคณะสัตวแพทยศาสตร์ มหาวิทยาลัยเชียงใหม่ เรื่อง Data-driven insights into pre-slaughter mortality: Machine learning for predicting high dead on arrival in meat-type ducks ได้ตีพิมพ์ในวารสารวิชาการนานาชาติ Poultry Science (Published : 6 December 2024)
23 ธันวาคม 2567
คณะสัตวแพทยศาสตร์
หนึ่งในผลงานวิจัยจากคณะสัตวแพทยศาสตร์ มหาวิทยาลัยเชียงใหม่ เรื่อง Data-driven insights into pre-slaughter mortality: Machine learning for predicting high dead on arrival in meat-type ducks ได้ตีพิมพ์ในวารสารวิชาการนานาชาติ Poultry Science (Published : 6 December 2024) ซึ่งอยู่ในฐานข้อมูล ISI tier 1 (Journal Impact factor 3.8), SJR Quartile 1, Scopus Quartile 1
สามารถอ่านข้อมูลเพิ่มเติมได้ที่
https://doi.org/10.1016/j.psj.2024.104648
งานวิจัยเรื่อง Data-driven insights into pre-slaughter mortality: Machine learning for predicting high dead on arrival in meat-type ducks เป็นการศึกษาที่ใช้เทคนิคการเรียนรู้ของเครื่อง (Machine learning) ประเภท supervised learning ในการทำนายและวิเคราะห์ปัจจัยที่ส่งผลต่อการเสียชีวิตระหว่างการขนส่ง (Dead on Arrival: DOA) ในเป็ดเนื้อ โดยใช้ข้อมูลขนาดใหญ่กว่า 20,000 รายการเกี่ยวกับการขนส่งเป็ดเนื้อจากฟาร์มไปยังโรงเชือด การศึกษานี้นำข้อมูลการจัดการระหว่างการขนส่งและการจัดการที่โรงเชือดมาวิเคราะห์ เพื่อระบุปัจจัยสำคัญที่ทำให้อัตราการตายก่อนการเชือดสูงขึ้น และให้แนวทางปรับปรุงสวัสดิภาพสัตว์และลดการสูญเสียในกระบวนการผลิตเป็ดเนื้อ
งานวิจัยและนวัตกรรม
ข่าวเด่น
แกลลอรี่
×
RoomID:
Room Name:
Description: