| 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。
