深度學習與人工智慧
從 RAG 系統開發到音樂轉譜 AI，累積 200+ 小時深度學習課程與實戰練習。涵蓋檢索增強生成、強化學習、電腦視覺等多個應用領域。
主要專案
Best-SciRAG RAG 引擎 🔍
開發教案領域的混合搜尋 RAG 系統，實現高精度查詢。
核心功能：
- 混合搜尋（稠密向量 + 稀疏關鍵字）
- LLM 輔助 ETL 處理教案資料
- 向量資料庫 (Qdrant) 整合
- 語意搜尋與精確匹配並行
技術架構： LangChain / RAG / Qdrant / 混合搜尋
掃地機器人強化學習 🤖
實現掃地機器人的導航最優化，探索強化學習演算法。
核心技術：
- Q-Learning / DQN 實現導航最優化
- Epsilon Greedy 策略探索
- 經驗回放 (Experience Replay)
- 資源競爭環境模擬
技 術架構： PyTorch / 強化學習 / Q-Learning / DQN
多聲部音樂轉譜 AI 🎵
使用 Vision Transformer 將音樂頻譜圖轉換為樂譜。
核心功能：
- Vision Transformer 將頻譜圖視為影像
- 預測音高與節奏
- 輸出 MusicXML 格式樂譜
- 多聲部音樂處理
技術架構： Vision Transformer / 音樂訊號處理 / MusicXML
課程練習專案 📚
深度學習課程的實戰練習，涵蓋 CNN、DQN、Diffusion Model 等領域。
練習內容：
- CNN 影像分類 (MNIST / CIFAR-10)
- DQN 遊戲 AI (Atari)
- Diffusion Model 生成模型
- 各領域實戰練習
技術架構： PyTorch / TensorFlow / CNN / DQN / Diffusion Model
技術能力
| 分類 | 技術架構 |
|---|---|
| 機器學習 | PyTorch / TensorFlow / Transformers / Vision Transformer |
| 資料處理 | LangChain / RAG / 向量資料庫 (Qdrant) / 混合搜尋 |
| 應用領域 | 語意搜尋 / 強化學習 / 音樂訊號處理 / 深度學習基礎 |