โครงสร้างหลักสูตร
โครงสร้างหลักสูตร แผนการเรียนรายปี เส้นทางอาชีพ และการวัดผล ของหลักสูตรวิทยาศาสตรบัณฑิต สาขา AI for Science (AISCI) จุฬาลงกรณ์มหาวิทยาลัย
AISCI นำปัญญาประดิษฐ์เข้าสู่โลกแห่งการค้นพบทางวิทยาศาสตร์และนวัตกรรมทางเทคโนโลยี หลักสูตรสร้างรากฐานที่แข็งแกร่งด้านคณิตศาสตร์ การเขียนโปรแกรม วิทยาศาสตร์ข้อมูล และ AI ขั้นสูง ควบคู่กับการประยุกต์ใช้ในฟิสิกส์ เคมี ชีววิทยา และพันธุศาสตร์ ผ่านโครงงานปฏิบัติการและการเรียนรู้จากโจทย์จริง เพื่อให้นิสิตมีทักษะในการสร้างโซลูชันอัจฉริยะและก้าวสู่อาชีพหรือศึกษาต่อในสาขา AI ข้อมูล ซอฟต์แวร์ และเทคโนโลยี
-
124
หน่วยกิตตลอดหลักสูตร
-
4
ปี
-
3
หมวดวิชา
-
ภาษาอังกฤษ
ภาษาที่ใช้สอน
- หมวดวิชาศึกษาทั่วไป (General Education) 24 หน่วยกิต
- หมวดวิชาเฉพาะ (Specialization) 94 หน่วยกิต
- หมวดวิชาเลือกเสรี (Free Elective Course) 6 หน่วยกิต
โครงสร้างหลักสูตร
หมวดวิชาศึกษาทั่วไป (General Education)
- วิชาศึกษาทั่วไป (General Education) 12 หน่วยกิต
- วิชาภาษา (Language) 12 หน่วยกิต
24 หน่วยกิต
หมวดวิชาเฉพาะ (Specialization)
- วิชาวิทยาศาสตร์พื้นฐาน (Basic Science) 15 หน่วยกิต
- วิชาบังคับ (Required Course) 51 หน่วยกิต
- วิชาเลือก (Elective Course) 18 หน่วยกิต
- ประสบการณ์ภาคสนาม (Field Experience) 10 หน่วยกิต
94 หน่วยกิต
หมวดวิชาเลือกเสรี (Free Elective Course)
- วิชาเลือกเสรี (Free Elective Course) 6 หน่วยกิต
6 หน่วยกิต
แผนการเรียนรายปี
- 1
ปีที่ 1 · ภาคการศึกษาที่ 1–2
ทักษะพื้นฐานคณิตศาสตร์และวิทยาการคอมพิวเตอร์
- คณิตศาสตร์และสถิติ
- พื้นฐานการเขียนโปรแกรม
- อัลกอริทึมและการพัฒนาเว็บ
- ระบบคอมพิวเตอร์และจริยธรรม AI
- 2
ปีที่ 2 · ภาคการศึกษาที่ 3–4
เปิดมุมมองสู่องค์ความรู้ที่กว้างขึ้น
- คณิตศาสตร์รากฐานสำหรับ AI
- การเรียนรู้ของเครื่องและวิทยาการข้อมูล
- การเรียนรู้เชิงลึกและการแทนข้อมูล
- วิทยาศาสตร์สำหรับเทคโนโลยีดิจิทัล
- โครงงานและทักษะการสื่อสาร
- 3
ปีที่ 3 ขึ้นไป · ภาคการศึกษาที่ 5 เป็นต้นไป
จากนวัตกรรมสู่การใช้งานจริง
- Generative AI และเทคโนโลยีคลาวด์
- โครงงานขนาดเล็กและโครงงานรวบยอด
- วิชาเลือกเฉพาะทาง
หลังสำเร็จการศึกษา
รายละเอียดเส้นทางอาชีพและการศึกษาต่อ →เส้นทางอาชีพ
- วิศวกรปัญญาประดิษฐ์และการเรียนรู้ของเครื่อง (AI & ML Engineer)
- นักวิทยาศาสตร์ข้อมูลและนักวิเคราะห์ข้อมูล (Data Scientist & Analyst)
- นักพัฒนาเจเนอเรทีฟเอไอและระบบคลาวด์ (Generative AI & Cloud Developer)
- นักพัฒนาซอฟต์แวร์และฟูลสแตก (Software & Full-Stack Developer)
- ผู้เชี่ยวชาญเทคโนโลยีดิจิทัลและวิทยาศาสตร์ (Scientific & Digital Technology Specialist)
- นักวิจัยปัญญาประดิษฐ์และผู้ประกอบการเทคโนโลยี (AI Researcher & Technology Entrepreneur)
สาขาสำหรับการศึกษาต่อ
- ปัญญาประดิษฐ์และวิทยาศาสตร์ข้อมูล (AI & Data Science)
- วิทยาการคอมพิวเตอร์และวิศวกรรมซอฟต์แวร์ (Computer Science & SE)
- ชีวสารสนเทศศาสตร์และวิทยาการคำนวณ (Bioinformatics & Scientific Computing)
- หุ่นยนต์และระบบอัจฉริยะ (Robotics & Intelligent Systems)
- การจัดการเทคโนโลยีดิจิทัลและนวัตกรรม (Digital Technology Management)
การวัดผลและเกียรตินิยม
ระบบเกรดมาตรฐานของจุฬาลงกรณ์มหาวิทยาลัย
-
A
ดีเยี่ยม
แต้ม: 4.00
-
B+
ดีมาก
แต้ม: 3.50
-
B
ดี
แต้ม: 3.00
-
C+
ค่อนข้างดี
แต้ม: 2.50
-
C
พอใช้
แต้ม: 2.00
-
D+
อ่อน
แต้ม: 1.50
-
D
อ่อนมาก
แต้ม: 1.00
-
F
ตก (ต้องลงทะเบียนเรียนซ้ำ)
แต้ม: 0.00
| เกรด | ความหมาย | แต้ม |
|---|---|---|
| A | ดีเยี่ยม | 4.00 |
| B+ | ดีมาก | 3.50 |
| B | ดี | 3.00 |
| C+ | ค่อนข้างดี | 2.50 |
| C | พอใช้ | 2.00 |
| D+ | อ่อน | 1.50 |
| D | อ่อนมาก | 1.00 |
| F | ตก (ต้องลงทะเบียนเรียนซ้ำ) | 0.00 |
เกียรตินิยม
-
เกียรตินิยมอันดับ 1 GPAX ≥ 3.60
เรียนครบตามจำนวนหน่วยกิตที่หลักสูตรกำหนด ได้ GPAX ไม่ต่ำกว่า 3.60 และไม่มีรายวิชาใดได้ F หรือ U
-
เกียรตินิยมอันดับ 2 GPAX ≥ 3.25
เรียนครบตามจำนวนหน่วยกิตที่หลักสูตรกำหนด ได้ GPAX ไม่ต่ำกว่า 3.25 และไม่มีรายวิชาใดได้ F หรือ U