| 本班介紹 | 活動議程 | 專題介紹 | 歷屆成果展 |
學員將於活動中簡報專題發想動機、技術架構、開發心得、預計成果等，並於簡報後和現場企業來賓進行交流。 歡迎AI人工智慧、機器學習開發、嵌入式系統開發、韌體開發等技術領域相關企業蒞臨交流。
艾鍗辦訓，秉持著「為用而訓」之原則，幫助學員培養符合業界所需的職能。本此成果展的班隊為數據分析暨機器學習應用班。學員們經過3個多月的紮實的實作學習，產出「為用而生」的技術作品，迫不及待向企業夥伴們展現心血成果。本活動免費，歡迎企業廠商到場來交流喔！
|
||||||||||||||||||||||||||||||||||||||||||||||||||
活動時間
113年08月09日 (五) 下午13:30~16:30
活動地點
集思交通部會議中心2樓(台北市中正區杭州南路一段24號)
若您有停車需求，屆時歡迎停至"中華電信仁愛停車場(大樓B3)"，本公司人員將再協助您處理停車費用
活動報名
聯絡窗口：張先生 Email住址會使用灌水程式保護機制。你需要啟動Javascript才能觀看它 | (02)2316-7734
AI數據預測正在改變各行業的競爭生態。通過巨量數據分析，AI模型比傳統方法更能準確且即時地預測未來趨勢，使公司能快速預測訂單需求、庫存水平、採購需求等，從而制定正確的銷售、廣告、庫存、採購決策，提升市場競爭力。準確的訂單預測對於網路零售店的規劃流程至關重要，影響著人力配置、配送物流、庫存管理和供應鏈效率。通過優化預測，可以減少浪費並簡化營運，使網路零售店服務更加可持續和高效。
參加Kaggle Community的“Rohlik訂單預測挑戰賽”，將強化我們在機器學習時間預測的創新能力。Rohlik Group是歐洲的網路零售店，在捷克共和國、德國、奧地利、匈牙利和羅馬尼亞有11個倉庫。挑戰賽的重點是在選定倉庫預測未來60天內的訂單數量（雜貨配送）。我們將選擇不同AI模型、選擇features、優化參數，找出最準確的AI模型，並比較不同模型的結果，包含XGBoost、CatBoost和LSTM。
零售店未來銷售預測-專題簡報
零售店未來銷售預測-專題作品Demo
每天上班或上課前，我都需要去超商買咖啡提神，但看到長長的排隊人龍和店員逐一掃描商品的情景，總是覺得浪費時間。如果能一次辨識多項商品而不需逐一掃描條碼，將大大減少排隊時間。為此，我們的專題開發了一個基於Web的商品影像辨識與結帳系統。
系統使用WEBCAM擷取商品影像，利用YOLO物件偵測模型快速辨識商品，並通過商品資料庫查詢產生購物車清單。客戶確認購物車內容並結帳後，系統會將結帳資料寫回資料庫，以便商家進行後續的報表分析。
這個系統不僅能提高結帳效率，減少顧客排隊時間，還能幫助商家減少人力成本，提升運營效率，並提供詳細的交易記錄進行數據分析。
秒結(商品辨識)-專題簡報
秒節(商品辨識)-專題作品Demo
求學開始接觸英文書籍時，總有許多單字希望能記錄下來隨時複習，但無論是手做單字卡或是使用現成的 App 皆需花費大量時間一一進行記錄。鑒於此，我們的專題旨在幫助學生能快速的將單字記錄到單字書 App，僅需拍照即可將重要單字紀錄至 App，大幅節省時間。
在實作方面，我們將快速辨識書本上有用「螢光筆」畫記的單字，配合 OCR 轉成英文單字儲存到單字書裡。若書籍無劃記螢光筆，亦可直接使用滑鼠點選圖片上的單字即可儲存到單字書，只要下次打開 Web 即可快速複習已儲存的單字。
速速單字書-專題簡報
速速單字書-專題作品Demo
無線耳機在消費電子市場中迅速增長，深受消費者喜愛。Amazon上有大量無線耳機的產品評論，包含了消費者的真實反饋和情緒。然而，由於評論數量龐大，消費者難以快速獲取有用資訊。為此，我們計劃開發一個智能情緒分析系統，幫助消費者快速了解產品優劣，並為商家改進產品和服務提供參考。系統將從Amazon獲取20,000筆無線耳機評論，清洗數據並將非英文評論翻譯成英文，進行去噪、分詞和詞幹提取。接著，使用BERT模型進行情緒分類，將評論分為正面、中立和負面，並使用TF-IDF算法提取評論關鍵詞來建立文字雲。最後，通過Python進行數據分析，並使用HTML、CSS和JavaScript展示分析結果。這個系統將提升消費者購買決策效率，並為商家提供有價值的反饋，促進產品改進和服務優化。
產品評論情緒分析系統-專題簡報
產品評論情緒分析系統-專題作品Demo
在籃球比賽中，球員的投籃位置與頻率是影響比賽結果的關鍵因素之一。透過分析這些數據，可以了解球員的投籃習慣、熱區以及得分效率，進而幫助教練制定更有效的戰術。本專題將利用機器學習技術，從比賽影片中提取並分析球員的投籃位置與頻率，並結合得分數據進行深入分析。
我們的影片來源自FIBA 3x3賽事的YouTube影片。我們使用YOLOv8偵測出球員、籃球及籃框（含籃網）三種物件。為了動態標識球員所屬的球隊，我們會從偵測到的球員物件中裁剪其圖像，無論其球衣顏色，然後使用ResNet50提取這些球員圖像的特徵，再用K-means（K=2）將球員分成兩隊。
在計算得分方面，我們計算籃球和籃框兩個物件的矩形重疊區域，若重疊區域超過一個門檻值即為得分，反之則沒有得分。最後，我們利用Tkinter設計出一個GUI操作界面，方便使用者對所選影片進行分析。
籃球賽影像分析-專題簡報
籃球賽影像分析-專題作品Demo
| 本班介紹 | 活動議程 | 專題介紹 | 歷屆成果展 |
學員將於活動中簡報專題發想動機、技術架構、開發心得、預計成果等，並於簡報後和現場企業來賓進行交流。 歡迎AI人工智慧、機器學習開發、嵌入式系統開發、韌體開發等技術領域相關企業蒞臨交流。
艾鍗辦訓，秉持著「為用而訓」之原則，幫助學員培養符合業界所需的職能。本此成果展的班隊為數據分析暨機器學習應用班。學員們經過3個多月的紮實的實作學習，產出「為用而生」的技術作品，迫不及待向企業夥伴們展現心血成果。本活動免費，歡迎企業廠商到場來交流喔！
|
||||||||||||||||||||||||||||||||||||||||||||||||||
活動時間
113年10月07日 (一) 下午13:30~16:30
活動地點
集思交通部會議中心2樓(台北市中正區杭州南路一段24號)
若您有停車需求，屆時歡迎停至"中華電信仁愛停車場(大樓B3)"，本公司人員將再協助您處理停車費用
活動報名
聯絡窗口：張先生 Email住址會使用灌水程式保護機制。你需要啟動Javascript才能觀看它 | (02)2316-7734
近年來，多項調查（包括國家衛生研究院、民間基金會及市調公司）顯示，國人外食比例接近七成，尤以早餐及午餐的比例最高。根據國民健康署健康促進統計年報，2017至2020年18歲以上人口過重及肥胖率已達58.4％，且呈逐年上升趨勢。
有鑑於此，本專題針對此問題提出解決方案。系統將根據使用者輸入的基本資料，包括性別、身高、體重和年齡，我們可以估算其基礎代謝率（BMR）。再結合運動消耗的熱量，便能計算出使用者每日的總熱量消耗。若每日攝取的熱量低於總消耗熱量，使用者便能有效降低肥胖風險。在運動消耗熱量的估算上，我們先透過 OpenCV 擷取影像，並利用 Google AI Studio API 辨識四種運動類型：伏地挺身、仰臥起坐、引體向上及深蹲。確定運動類型後，通過 Mediapipe 即時追蹤人體骨架和關節位置，根據關節角度的變化來計算運動次數，進而推算出不同運動類型與次數所消耗的熱量。
我們設計了一個網頁使用者介面，包含 BMR 計算、運動影片上傳與食物選擇區。使用者選取食物後，系統會自動累加食物熱量，若超過每日總消耗熱量，系統將發出警示。此外，我們還運用檢索增強生成（RAG）技術，為使用者提供專業的健康建議，協助他們做出更健康的飲食選擇。
AI熱量管理師-專題簡報
AI熱量管理師-專題作品Demo
本專題旨在開發一個電影分類與賣座電影預測系統。我們首先對資料集進行清理與處理，提取的主要特徵包括電影名稱、摘要、導演與演員名字，以及電影進入排行榜的次數等。文字特徵則透過 BERT 模型轉換為深層語義特徵向量。
- 進行電影的多標籤分類，如動作、喜劇、科幻等。
- 透過歷史排行的紀錄特徵，預測新電影在市場上的排行表現潛力機率。
- 針對電影描述生成精準關鍵字推薦，以輔助市場行銷人員撰寫影片文案。
- 系統具備自動文案評分功能，根據文案流暢度與內容相關性給出評分，協助影視行銷人員改進文案的內容。
我們採用 DNN 網絡構建多標籤分類模型，使一部電影能同時被歸類為動作、喜劇、科幻等多種類型。由於資料集中包含每週 TOP10 電影的歷史記錄，DNN 模型還能進行電影進榜次數的回歸估計，進榜次數越高，電影成為賣座片的可能性越大。此外，我們應用了 NLP 自然語言處理技術，從賣座電影中的文案提取關鍵詞與語言特徵，這些詞彙可用於撰寫電影廣告文案，為市場行銷企劃人員提供有力支持，從而提升宣傳效果。
串流平台Netflix熱門電影
與節目特徵分析
及排行上榜預測平台-專題簡報
串流平台Netflix熱門電影
與節目特徵分析及
排行上榜預測平台-專題作品Demo
類流感症狀包括發燒、頭痛、肌肉痠痛、疲倦、流鼻水、喉嚨痛和咳嗽等，嚴重時可能引發併發症，甚至導致死亡。
本專題旨在預測台灣及六大地區（台北區、北區、中區、南區、高屏區、東區）未來四週的類流感門診與急診感染人數，藉此提前部署醫療設備與人力資源，同時向民眾提供警示。我們利用政府開放資料進行資料探勘，分析各地染病率、類流感的季節性傳播規律及疫情期間的變化趨勢。基於這些分析結果，我們創建了特徵來建立預測模型，以準確推估未來四週的類流感門診與急診感染人數。模型的預測精度使用兩個指標來評估：Hit Rate和 MAPE。HitRate 用於評估預測的趨勢變動與實際趨勢變動的一致性（值越高，模型對趨勢的預測越準確）；MAPE 則衡量實際就診數與預測值之間的誤差比例（值越低，代表模型的預測誤差越小）。我們採用集成學習（Ensemble）進行預測，整合了ARIMA、Random Forest、SVR和XGBoost等多種模型。
最終，我們將這些 AI 模型整合至 Flask Web 框架中，讓使用者透過前端瀏覽器查看疫情趨勢圖及未來四週的感染人數預測。
流感案件預測-專題簡報
流感案件預測-專題作品Demo
目標是透過太空天文望遠鏡所觀察的 673 顆系外行星的凌日數據，預測其他系外行星大氣的化學光譜與其σ(不確定性範圍)。這有助於進一步理解行星大氣特性，並量化模型預測的精度，為歐洲太空總署於2029年Ariel系外行星探測計畫做準備。
在資料處理上，利用去除噪聲、資料平滑化去觀測凌日現象*(注1)推測該行星其大氣的成分。並使用Lasso Regression、Ridge Regression、XGBoost等方式切入訓練模型。
不僅適用於遙測訊號的處理，還能應用於其他需要涉及大數據、時序資料、影像處理、統計分析和模式識別等領域，例如金融市場趨勢數據分析、電商推薦系統與消費行為分析、社交網路互動數據、醫學影像處理、預測交通流量車輛路徑等。
＊注1：當行星凌日時，恆星的光會穿過行星的大氣層，通過分析光譜，可以得知行星大氣的成分和溫度。
飛向Kaggle宇宙-
系外行星之光譜
與物質濃度分析-專題簡報
飛向Kaggle宇宙-
系外行星之光譜
與物質濃度分析-專題作品Demo
在這裡專題的描述中，目的是解決貸款者缺乏傳統信用數據的問題，並通過數據科學的方法來提高貸款預測的準確性，即使是那些沒有足夠信用歷史的人也可以被公平地評估償還能力。
專題描述中提到了三個重要的機器學習模型：XGBoost、LightGBM、CatBoost，這些模型擅長處理大量特徵和複雜的數據，並且已在金融風險預測中取得了不錯的效果。
這專題的挑戰包括：
- 整理異構且複雜的資料，將不同類型的數據統一並轉化為可供模型使用的形式。
- 優化模型的參數，並在多個模型中進行比較，以找到最具預測能力的模型。
- 在Kaggle競賽中挑戰其他參賽者，力爭在排行榜上取得前10%的排名。
Kaggle_貸款風險預測模型開發-專題簡報
Kaggle_貸款風險預測模型開發-專題作品Demo
| 本班介紹 | 活動議程 | 專題介紹 | 歷屆成果展 |
艾鍗學院長期以來與學術單位緊密合作，此次，艾鍗學院協辦華梵大學「數據分析工程師養成班」成果發表暨企業徵才活動。33位學員歷經三個月的密集實作訓練， 產出「為用而生」的技術作品，迫不及待向企業夥伴們展現心血成果。本活動完全免費，歡迎企業夥伴到場來交流喔！
|
||||||||||||||||||||||||||||||||||||||||||||||||||
活動時間
114年6月13日 (五) 下午13:30~17:00
活動地點
華梵大學推廣教育處新北板橋中心(新北市板橋區文化路二段242號6樓)
活動報名
聯絡窗口：張先生 Email住址會使用灌水程式保護機制。你需要啟動Javascript才能觀看它 | (02)2316-7734
本專題旨在開發一套車用智慧盲點偵測系統，解決傳統系統誤報率高與警示反應太慢的問題。系統以 BDD100K 大型影像資料集訓練 YOLOv11 物件偵測模型，結合車道線偵測演算法，即時判斷周遭車輛（含機車、自行車、行人等）是否有進入盲區或風險區域，並依風險等級（高、中、低）提供分級語音警示。
此外，系統整合疲勞駕駛偵測模組，運用 MediaPipe 人臉關鍵點技術，搭配眼睛長寬比（EAR）演算法，即時判斷駕駛者是否有打瞌睡傾向的警示聲，來提升整體行車安全。
開發流程涵蓋資料處理、模型訓練、風險判斷邏輯與GUI介面整合，並以 Tkinter 建構互動模擬介面，實現具備語音回饋與智慧警示的輔助駕駛原型系統。專題展現電腦視覺與深度學習技術於智慧交通領域的實作應用。
本專題致力於開發一套 AI 語音複製系統，採用先進的 Few-shot Voice Cloning 技術，僅需 3 至 5 分鐘的語音樣本，即可精準複製使用者獨特的音色與說話韻律，並生成任意文字內容的個人化語音。本系統以語音祝福卡片為應用場景，展示個人化語音合成的潛力與溫度。
系統設計採模組化架構，涵蓋語音預處理、特徵擷取、語音合成與後處理等流程，以確保系統具備高度彈性與合成品質。整體技術架構基於端到端的深度學習流程：首先，透過 ECAPA-TDNN 模型提取語者嵌入向量（Speaker Embedding），捕捉個人語音的指紋與韻律特徵；接著，將語者特徵與目標文字輸入 VITS 語音合成模型，生成對應的 Mel-spectrogram；最後，透過 HiFi-GAN 聲碼器將頻譜轉換為自然且流暢的語音波形。
本專題以語音祝福卡片作為初步應用，未來亦具備延伸潛力，可擴展至多語言語音克隆、情緒語音合成等多樣化場景。
本專題旨在開發一套「英文題目分類系統」，針對現行英文題庫中題型混亂與難度分佈不均的問題，提出智能化解決方案。系統核心功能包括：
- 自動題型辨識：運用自然語言處理技術進行詞性標註與語法分析，自動分類題型，如使役動詞、主被動語態、連綴動詞等。
- 難度標註機制：根據語法結構複雜度、句長與詞彙難易度等特徵，透過 Ensemble模式進行難度分級，並提供人工校正介面以提高準確性與彈性。
- 智慧出題工具：結合 Tkinter 圖形化介面，協助教師依據學生程度快速生成題型分佈均衡、難度適中的練習卷。
資料來源涵蓋英文家教教師的題庫、線上英文教學資源及 AI 自動生成題目，總計約 3,000 筆。我們以 Pandas 進行資料整理與處理，並透過特徵工程與 NLP 機器學習技術，實現題型分類與難度標註功能。本系統透過智慧化的出題流程，不僅有助於提升學生學習效率與成就感，也可大幅減輕教師備課負擔，展現智慧教學應用的可行性與實用價值。
本專題旨在開發一套基於AI語音互動的五子棋遊戲系統，透過語音指令取代滑鼠與鍵盤操作，實現更自然、直覺的人機互動體驗。系統整合語音辨識、自然語言處理（NLP）與遊戲引擎三大核心技術，打造創新的語音控制遊戲平台。
語音輸入部分採用OpenAI Whisper模型進行即時語音轉文字（Speech-to-Text），並結合語意解析（Semantic Parsing）擷取玩家指令中的棋子顏色與棋盤座標（如「黑子下在F4」）。解析後的指令經由API傳遞至Unity引擎，即時控制棋子下落與棋盤更新。
系統亦內建具備對弈策略的NPC電腦對手，使用遊戲邏輯模組實現人機對弈功能。整體流程涵蓋語音擷取、語意理解、指令轉譯與互動回饋，構成閉環式語音操控流程。
本專題展示語音導向介面（VUI）技術於互動娛樂領域的可行性與擴展性，未來可應用於多元語音遊戲、無障礙互動系統與智慧家庭娛樂平台。
本專題開發AI詐騙訊息辨識與預警系統，運用自然語言處理技術協助使用者即時識別可疑訊息，有效預防社群平台詐騙行為。系統核心功能包括：使用者輸入任意訊息（如LINE或簡訊內容）後，模型將自動判斷其是否具詐騙風險，並標記關鍵詞（如「中獎」、「帳號異常」、「立即點擊」）以提供即時警示。
技術架構採用預訓練語言模型BERT進行深度語意理解與文字向量化，Logistic Regression)、SVM等多種機器學習演算法進行分類模型訓練與效能評估。訓練資料來自新聞報導的真實詐騙案例及社群平台資料，經人工標註與資料前處理技術確保訓練資料品質，提升模型準確率。
| 本班介紹 | 活動議程 | 專題介紹 | 歷屆成果展 |
學員將於活動中簡報專題發想動機、技術架構、開發心得、預計成果等，並於簡報後和現場企業來賓進行交流。 歡迎AI人工智慧、機器學習開發、嵌入式系統開發、韌體開發等技術領域相關企業蒞臨交流。
艾鍗辦訓，秉持著「為用而訓」之原則，幫助學員培養符合業界所需的職能。本此成果展的班隊為數據分析暨機器學習應用班。學員們經過3個多月的紮實的實作學習，產出「為用而生」的技術作品，迫不及待向企業夥伴們展現心血成果。本活動免費，歡迎企業廠商到場來交流喔！
|
||||||||||||||||||||||||||||||||||||||||||||||||||
活動時間
113年11月05日 (二) 下午13:30~16:30
活動地點
集思交通部會議中心2樓(台北市中正區杭州南路一段24號)
若您有停車需求，屆時歡迎停至"中華電信仁愛停車場(大樓B3)"，本公司人員將再協助您處理停車費用
活動報名
聯絡窗口：張先生 Email住址會使用灌水程式保護機制。你需要啟動Javascript才能觀看它 | (02)2316-7734
本系統利用 YOLOv8 物件偵測模型建立 PCB 表面缺陷影像辨識系統，旨在減少對人工檢測的依賴，降低人力成本。針對 PCB 製造業須符合 ISO 規範及客戶需求，生成大量驗廠文件的挑戰，本專題同時導入大型語言模型（LLM），自動生成範本文件，減輕產線人員的文書負擔。此外，為解決廠區內部門地理分散導致的資訊不暢問題，系統應用 Retrieval Augmented Generation（RAG）技術，使語言模型學習產業特定知識，構建內部知識共享平台。
AI人工智能打造企業內部
知識管理系統-以PCB為例-專題簡報
AI人工智能打造企業內部
知識管理系統-以PCB為例-專題作品Demo
本專題開發了一套智慧型行車偵測系統，旨在透過分析行車記錄器影像來增強駕駛者的安全性。該系統整合多項關鍵功能，包括車道線辨識、道路物件偵測、交通號誌識別與物件距離估算，為駕駛者提供全面的安全輔助支持。系統的技術架構主要依賴 YOLOv8 Segmentation 模型進行精細的影像分割與物件辨識，並結合
OpenCV 的即時影像處理功能，以準確推估物件距離，實現精確的物件偵測與預警。
未來，系統將持續優化偵測性能，進一步擴展可偵測物件的類別和範圍。同時，將結合LiDAR 等感測器數據，提升系統在不同場景和複雜環境中的穩定性與可靠性。隨著技術的發展，該系統期望在自動駕駛與先進駕駛輔助系統（ADAS）領域中發揮重要作用，為行車安全提供更高層次的保障。
AI智慧偵測行車系統-專題簡報
AI智慧偵測行車系統-專題作品Demo
-->
本專題旨在開發一套整合 AI 語音複製與翻譯功能的系統，讓使用者能以自身聲音或選擇的名人聲音風格流利地說英語。系統的核心功能在於將中文語音轉換為英文語音，並根據使用者的偏好，套用個人語音風格或預先訓練的名人聲音風格，生成自然且流暢的英文語音。
此系統運用了 AI 模型來分析使用者的語音樣本，提取個人聲音特徵，包括音色、語調、語速等，並將這些特徵應用於文本轉語音（TTS）模型，生成高品質的語音波形。透過這項技術，使用者可以選擇以名人的聲音風格來朗讀文章，或用於電影配音及廣告等多種場景。
AI語音複製 X 翻譯-專題簡報
AI語音複製 X 翻譯-專題作品Demo
我們開發了一套名為「角色生成大師」的軟體，它是一款融合 AI 技術的角色創作工具，旨在透過 Stable Diffusion 模型的圖像生成能力與 Gemini 大模型的故事生成功能，協助使用者輕鬆創作角色。Stable Diffusion 採用擴散式生成模型，能快速生成高解析度、風格多樣且細節豐富的圖像，而 Gemini 大模型則依賴深度學習技術，提供創意性高且語義一致的故事生成功能。使用者只需透過直觀的Tkinter 介面設定角色特徵，如年齡、體型、髮型等，即可自動生成與想像匹配的角色圖像和背景故事。這款工具不僅適合遊戲開發者和小說家，也適用於任何對角色設計有興趣的創作者，為他們提供便利且強大的創作支持。
角色生成大師-專題簡報
角色生成大師-專題作品Demo
本專題針對微型代購市場中以可愛卡通人物為主的商品辨識需求，開發了一個基於多模態模型的圖像辨識系統。由於此類商品的造型多元，變體眾多，使用者難以透過文字搜尋獲取特定商品資訊。為了解決這一問題，我們設計了圖像辨識器，讓使用者能夠透過上傳圖片快速獲取商品名稱、價格等相關資訊。為了建立高品質的訓練資料集，我們運用 Selenium 網頁爬蟲技術，從臉書社團收集大量商品圖片和文本資料，並進行整理與標註。在技術實現上，採用了 YOLOv8 模型進行物件偵測與圖像切割，有效識別商品的關鍵區域。此外，開發了自動化的資料清洗流程，確保資料的準確性與一致性。經過模型訓練，系統能夠高效且準確地辨識商品，並提供詳細的相關資訊。為了提升使用體驗，我們整合了 LINE Bot 介面，使使用者能夠通過手機相機即時拍攝並獲取商品資訊，實現了商品識別的便捷化與自動化。
吉伊卡哇臉盲終結者-專題簡報
吉伊卡哇臉盲終結者-專題作品Demo
| 本班介紹 | 活動議程 | 專題介紹 | 歷屆成果展 |
學員將於活動中簡報專題發想動機、技術架構、開發心得、預計成果等，並於簡報後和現場企業來賓進行交流。 歡迎AI人工智慧、機器學習開發、嵌入式系統開發、韌體開發等技術領域相關企業蒞臨交流。
艾鍗辦訓，秉持著「為用而訓」之原則，幫助學員培養符合業界所需的職能。本此成果展的班隊為數據分析暨機器學習應用班。學員們經過3個多月的紮實的實作學習，產出「為用而生」的技術作品，迫不及待向企業夥伴們展現心血成果。本活動免費，歡迎企業廠商到場來交流喔！
|
||||||||||||||||||||||||||||||||||||||||||||||||||
活動時間
114年07月18日 (五) 下午13:30~16:30
活動地點
集思交通部會議中心2樓(台北市中正區杭州南路一段24號)
若您有停車需求，屆時歡迎停至"中華電信仁愛停車場(大樓B3)"，本公司人員將再協助您處理停車費用
活動報名
聯絡窗口：張先生 Email住址會使用灌水程式保護機制。你需要啟動Javascript才能觀看它 | (02)2316-7734
本專案旨在建構一套結合機器學習技術的 AI 飆股預測系統，專門針對台灣股市中 20 個交易日內漲幅超過 30% 的潛力個股進行預測。系統聚焦四大核心預測任務：飆股判定、漲跌方向、漲跌幅度與買賣訊號強度，能廣泛應用於多種金融投資情境。
在技術架構上，本系統採用多模型集成策略，以 XGBoost 與 Random Forest 為主要預測模型，兩者皆擅長處理非線性特徵及金融時間序列，並具備良好的缺失值容忍能力。資料來源整合 FinMind 與 Kaggle 平台，涵蓋 21 個關鍵欄位，包含 OHLC 價格資訊、成交量、市值、PER、PBR 等基本面與市場指標。
資料處理部分重點放在特徵工程，加入 RSI、MACD、布林通道等技術指標與時間特徵，並透過 StandardScaler 進行標準化處理，以提升模型表現。模型評估採用多元指標，包括分類任務的F1-score，及迴歸任務的 MAPE。最終，系統可同步輸出多項預測結果，提供投資決策全面參考。
本專案旨在開發一套智慧型預警系統，以因應台灣黑熊保育成功後，牠們活動範圍與人類聚落逐漸重疊，所引發的人熊衝突問題。系統核心技術為 YOLOv8 物件偵測模型，負責即時辨識影像中的台灣黑熊，並透過信心度閾值設定有效降低誤報率。
訓練資料取自紀錄片《台灣黑熊保衛戰》，共蒐集 3,000 張圖片，其中 1,000 張已標註為「kumay」，另有 200 張山豬與黑狗等負樣本以提升模型判別能力。圖片統一調整為 640x360 尺寸，模型訓練設定 100 個 Epochs，以提升準確度與穩定性。
系統功能包括黑熊即時偵測、物件標記（Bounding Box）、辨識結果紀錄（時間戳、定位座標、信心度）並寫入 PostgreSQL 資料庫，以供後續資料分析與視覺化，進一步生成黑熊活動熱點圖。系統亦整合通報模組，透過 Telegram 或簡訊 API 即時提醒當地居民與保育單位「熊出沒注意！」。
未來將拓展支援多物種偵測、結合紅外線與熱成像設備，並與林務局或社區簡訊平台串接，推動實地部署與智慧保育。
本專題開發一套具備條件式輸入與虛擬試衣功能的 AI 造型顧問系統，讓使用者僅需上傳個人照片，並依自身條件（如性別、年齡、臉型、膚色、身形比例與心情）進行自訂輸入，系統將綜合天氣、節慶與場合等背景情境，自動推薦合適的穿搭風格。推薦結果將直接應用於使用者圖像，呈現個人化虛擬試穿效果。
圖像處理流程包含三個階段：第一階段使用 U²-Net 模型進行語意分割，精準擷取上衣與下身區域，並輸出對應顏色遮罩（mask）；第二階段透過 OpenCV 色域範圍判斷，將指定布料紋理自動平鋪至遮罩區域，完成初步貼圖替換。但此方式在處理皺摺、光影變化時常顯生硬，缺乏真實感。為此，系統第三階段導入 Stable Diffusion Inpainting 模型，依據輸入條件動態組合成文字提示（prompt），搭配遮罩資訊進行局部服裝圖像重建，使新衣物自然融入原圖，並保留人物五官與姿勢特徵。此系統具備高度擴充性，未來可應用於時尚電商、虛擬試衣服務與個人造型推薦平台。
關鍵詞 : 虛擬試衣（Virtual Try-On）, U²-Net, 語意分割（Semantic Segmentation）, Stable Diffusion Inpainting
本專題旨在開發一套結合人臉辨識與重複圖片偵測功能的智慧型圖片管理系統，協助使用者從龐大的圖庫中快速整理重複影像，並有效篩選出特定人物照片。系統包含兩大核心模組：重複圖片偵測與個人臉部照片篩選。
在重複圖片偵測方面，系統首先透過訓練一個SimCLR 模型能將類似圖片，類似照片即同一個圖片其經過角度旋轉、平移、亮度不同、些許雜點的細微變化來仍能建立相同的特徵向量，再搭配 DBSCAN 聚類演算法將高度相似圖片自動分群，輔助使用者批次刪除或整合冗餘影像。在人臉篩選模組中，使用者可上傳一張樣本臉，系統使用 FaceNet 擷取臉部區域並生成嵌入向量，接著比對指定資料夾中所有影像的臉部特徵向量，篩選出相似度高的個人照片，並自動搬移至指定目的地資料夾，實現高效率的人臉照片搜尋與整理功能。
關鍵詞 : SimCLR , DBSCAN, FaceNet , 人臉辨識
本專案「BentoCal（食刻拍）」旨在開發一套 AI 驅動的便當與自助餐影像辨識與熱量估算系統。使用者可透過網站上傳餐盒照片，系統將自動辨識照片中的各類食材，並依據食材比例推估熱量，進而提供個人化飲食建議，協助用戶進行熱量管理與健康控制。
技術架構整合多項深度學習模型：核心辨識模型採用 YOLOv8，負責即時定位並辨識便當中各項菜餚；系統依據每個食材物件框佔據便當盒的比例，估算其相對體積與熱量。模型初期訓練準確率約為 60%，經優化標註策略、擴增圖像資料（每類食材超過 200 張）與參數調校後，已提升至 90% 以上。
資料來源包括自行拍攝與標註的便當圖片、透過爬蟲工具蒐集的網路食物圖像，以及「Taiwan Food 101」開放資料集。系統亦依據台灣飲食習慣建立食材分類架構，涵蓋蔬菜、豆製品、蛋類與多種肉品。
未來可結合使用者 BMR（基礎代謝率）與健康目標，提供飲食建議與記錄功能，並擴展應用至智慧餐盤或個人健康管理平台。
