
推薦系統效能提昇
協助藥廠業務擬定商品推銷對象清單,將其原有推薦系統之準確度提昇 10%。
針對企業現況及痛點進行分析,幫助企業明白哪些技術適合其當前問題。
依企業需求與問題安排合適之技術課程或培訓活動,培訓企業內部人才,並提供顧問諮詢、知識解決方案,協助企業利用人工智慧進行產業升級或數位轉型。
媒合逢甲大學學生參與專案,讓學生提前了解產業真實問題,透過專案過程深入分析企業問題,累積技術實力及問題解決能力。
定期與合作夥伴討論,檢視執行進度及方向,專案執行過程中適時調整,最大化合作夥伴價值。
完善教育訓練與技術移轉程序,讓產學合作之成果可以成功於企業落地,並且媒合具備專業知能、經驗的學生進入企業工作。

協助藥廠業務擬定商品推銷對象清單,將其原有推薦系統之準確度提昇 10%。

開發 AI 電腦視覺方法,從福衛二號衛星影像中,辨認地面太陽能板的位置,辨識之 F1-Score 達 0.8。

以機器學習方法協助廠商 B2C 之行銷活動的廣告投放,由本專案所研發之推薦模型,其準確度較原本行銷人員所提出之推薦名單增加約 2.5 倍。

開發具備解釋性之機器學習模型,分析商品暢銷因素,協助開發人員設計商品行銷策略,商品銷售預測準確度 R2 達 0.8,此項技術目前專利申請中。

以機器學習與圖卷積等深度學習方法,進行公共自行車流量預測、綁車調度預測,以及停車場餘位預測等工作,目前流量預測模型之誤差 RMSLE 約為 0.48,與 SOTA 相仿,然而本模型對於尖峰流量有較佳之預測準確度。

藉由文字探勘以及 Hello Taipei 過去人工分案之紀錄,建立機器學習模型,成功減少 50% 未分類案件,將其正確歸類。

由睡眠眼電訊號 (EOG) 中擷取精細復合多尺度熵 (refined composite multiscale entropy, RCMSE) 為特徵並建立出短時間失眠檢測模型,大幅減少原本需收錄整晚睡眠生理資料之時間。

提出一套應用於石化業關鍵設備壓縮機之集成式智慧預知維護系統,以預知跳機時間。不僅能優化設備的運作時間和性能,並減少預防性維護的時間和人力成本,提升企業在製程安全管理的能力。

開發一準確的集成式卷積神經網路模型用於區分良性及惡性卵巢腫瘤超音波圖像,並透過 Grad-CAM 網路模型之決策可視化技術讓專家了解模型的決策依據,使專家可以更信賴模型判讀的結果。

在進行染色體的排列分對時,要從排序混亂的染色體圖當中找出其為第幾對並做排列是一件非常耗時的工作。本計畫開發一套染色體自動列對系統,以大幅減少人工判讀所需的時間。

訓練模型建立農業語料與文章語意網,幫助農友有效從網站獲取所需資訊。

開發一套基板設計重用比對系統,利用計算機視覺技術抽取過往基板設計中的關鍵元素,利用人工智慧技術與資料分析協助設計部門從過往設計中尋找可用重用基板設計,系統可搜尋 BGA/CSP 等產品,降低設計人員整體工時。
歡迎與我們聯繫,共同探索人工智慧在您產業的應用。
聯絡信箱:contact@fcuai.tw