影像辨識
Azure Computer Vision、Face API、Custom Vision
Google Vertex AI
實作項目:物體偵測、人臉辨識、車牌辨識、信用卡辨識、客製化視覺、岩石分類、動物分類
資料分析
Azure ML Studio
機器學習應用與實作
資料視覺化(Plotly.js、D3.js)
實作項目:動物分類、房價預測、鐵達尼號生存預測、汽車價格預測、年薪分類預測、保險支出預測、企鵝分群、即時匯率視覺化
自然語言處理
Azure Language Service、Speech Service、Translation Service
Line Bot
Language Model - 對話式語意分析
實作項目:文字情緒辨識機器人、雙向翻譯機器人、多國語言翻譯機器人、多國音譯語音機器人、FAQ機器人、智慧家庭機器人(開/關燈)、Gemini Web Chatbot(記憶聊天內容)、Gemini圖片理解(原生+LangChain)
Azure Open AI
Text Completion
Embedding
Whisper
DALL-E
LangChain
實作項目:圖片識別機器人(GPT-4o)、Gemini Audio Chat、Gemini Video Chat、智慧客服機器人、口語翻譯機器人、以圖生文之文生圖、向量資料庫建立與資料搜尋、文章內容問答(LangChain + Data Embedding/Faiss + LLM)、智慧電影資訊查詢機器人
個人專題:AI股市投資大師
技術:Python Flask+網路爬蟲+LLM
過程:
十個散戶,九個賠錢,會想做這個網站是想幫被割韮菜的散戶,包括我自己,誠如我一個朋友說過,散戶想要在股票賺錢,一定要做長線,短線絕對贏不了那些外資,法人,內線,做長線我覺得要從相對客觀的數據著手,加上近年來大語言模型發展非常快速,把財報數據餵給大語言模型,是否可以得到相對好的股票投資建議,是我最初的想法
財報數據的來源我選擇了goodinfo的獲利指標,把剛學到的Python網路爬蟲技術就此學以致用,LLM起初我選擇OpenAI,上網查看了相關的技術文件之後,刷了10美元啟動了API的功能,將爬蟲資料結合提示字元塞給LLM,得到回傳的結果,使用者介面採用以前從未寫過的Python Flask,藉此整個專題全部挑戰全新的技術,由於網路爬蟲跟使用的介面都是Python,因此整合起來並不困難,後來又加入了Gemini LLM,再往返兩個模型的來回,網路爬蟲也需要時間,等待時間非常冗長,使用多執行緒改寫後,得以解決這個問題。
團體專題:保險理賠精算師
使用技術:Flutter + Dart
由於個人專題,成功的使用新學到的技術,讓我有了在團體專題也想採用新技術的想法,從此就踩進了寫App這一個自己挖的大坑當中,至於會選Flutter是因為Flutter是Google推出,主打開源、高效、跨平台的開發框架,它有支援Hot Reload,程式修改後可以很快速的看到結果,最吸引我的是在跨平台的部份,它可以一套程式同時Build成Android 和 IOS的App和其他平台的應用。
在開發的過程中踩到的坑很多,例如開發環境的安裝與設定,官網的資料有些跟實際安裝的軟體對不起來,像Android模擬器的設定,官網上寫要找到Setting Dialog,但實際軟體畫面卻是要從More Actions進去,接著在整合相機功能的時候,發生了無法將API取得的資料往前頁傳,每次往前傳的時候,不僅資料沒過來還會黑畫面,後來我是先把跳頁和傳資料拉出來單獨做好,再加入相機功能,因環境相對單純,才找出錯誤的地方。