AI開發應用、軟體程式設計、韌體設計、光學元件設計的全部最新 371 筆接案案件

你好 大綱我想要做一個「中醫醫案 AI 系統」：讓醫師可以用語音或照片輸入病歷，AI 自動把它整理成標準醫案格式，並且可以搜尋名家醫案做比對 。希望做成網站的形式。

AI 應用的行業/領域：科技/軟體 期望協助的任務：創新產品/服務 執行形式：可進一步與專家諮詢

A.按當月驗收完成之行業批量計費/每批行業3-5萬元 B.長期配合/平均每日投入時間至少5小時 C.請留聯絡方式詳談細節 D.能力需求： 1. 自然語言處理（NLP）與語言學 * 熟悉 NLP 基本概念，如語意分析、詞向量（word embeddings）、語境理解等。 * 了解語法結構（Syntax）、語義（Semantics）、語用（Pragmatics）。 * 能有效運用關鍵詞、上下文、格式化輸入來影響 AI 輸出。 2. AI 及大型語言模型（LLM）知識 * 理解 Transformer、GPT、BERT 等 LLM 的基本原理與工作方式。 * 知道模型的限制（如幻覺、偏見、資訊不完整）並能設計 prompt 避免問題。 * 了解 Zero-shot、Few-shot Learning等prompt 技巧，提升 LLM 回應的準確性。 3. Prompt 設計與優化技巧 * 精確性（Precision）：用簡單、明確的語言表達需求。 * 上下文設計（Context Design）：提供適量資訊，確保 AI 理解目標。 * 約束與格式化（Constraints & Formatting）：要求特定輸出格式，如 JSON、Markdown、表 格。 * 測試與調優（A/B Testing）：針對不同 prompt 設計變體，找出最佳效果。 4. 程式設計與 API 整合 * 熟悉 Python 及各大公司 API / LangChain 等框架。 * 能撰寫腳本（.sh）來自動化 prompt 測試與分析 AI 輸出結果。 * 會使用正則表達式、文本處理技巧來提取與過濾 AI 產生的內容。 5. 資料分析與評估 * 分析 AI 回應的準確度、一致性、創造性，找出最佳 prompt 模式。 * 設計 AB 測試比較不同 prompt 的效果。 6. 領域知識（Domain Knowledge） * 針對不同應用場景（如程式碼生成、醫療診斷、法律、行銷、不同產業）調整 Prompt。 * 具備 UX / UI 設計思維，確保 AI 輸出對使用者有價值。 7. 創意思維與問題解決能力 * 能夠拆解複雜問題，轉化為 AI 可理解的輸入格式。 * 透過迭代測試找到最有效的 Prompt 組合。 * 思考如何讓 AI 生成更具創意、符合需求的內容。 8. 版本控制與協作 * 有專案合作經驗，看得懂其他人專案的程式碼 * 熟悉 Git / GitHub，能與開發團隊協作管理 Prompt 與程式碼版本。 * 具備技術文件撰寫能力，記錄進度 （Prompt、流程） 設計原則與最佳實踐。 9. 安全與道德考量 * 確保 Prompt 避免產生有害內容（如偏見、虛假資訊）。 * 瞭解 AI 法規與道德風險，如歧視、隱私保護、內容審查。 10. 持續學習與研究 * 跟蹤 AI / NLP 最新技術（如 OpenAI 發布的新模型、論文、第一手知道Deepseek消息等 等）。 * 持續優化 Prompt 設計，以適應 AI 的進步與應用需求。

一.每日平均投入時間至少5小時/長期配合 二.按驗收完成之行業批量計費/每批行業3-5萬元 三.需留言LINEID及電話詳談細節 四.能力需求： 1. 自然語言處理（NLP）與語言學 * 熟悉 NLP 基本概念，如語意分析、詞向量（word embeddings）、語境理解等。 * 了解語法結構（Syntax）、語義（Semantics）、語用（Pragmatics）。 * 能有效運用關鍵詞、上下文、格式化輸入來影響 AI 輸出。 2. AI 及大型語言模型（LLM）知識 * 理解 Transformer、GPT、BERT 等 LLM 的基本原理與工作方式。 * 知道模型的限制（如幻覺、偏見、資訊不完整）並能設計 prompt 避免問題。 * 了解 Zero-shot、Few-shot Learning等prompt 技巧，提升 LLM 回應的準確性。 3. Prompt 設計與優化技巧 * 精確性（Precision）：用簡單、明確的語言表達需求。 * 上下文設計（Context Design）：提供適量資訊，確保 AI 理解目標。 * 約束與格式化（Constraints & Formatting）：要求特定輸出格式，如 JSON、Markdown、表 格。 * 測試與調優（A/B Testing）：針對不同 prompt 設計變體，找出最佳效果。 4. 程式設計與 API 整合 * 熟悉 Python 及各大公司 API / LangChain 等框架。 * 能撰寫腳本（.sh）來自動化 prompt 測試與分析 AI 輸出結果。 * 會使用正則表達式、文本處理技巧來提取與過濾 AI 產生的內容。 5. 資料分析與評估 * 分析 AI 回應的準確度、一致性、創造性，找出最佳 prompt 模式。 * 設計 AB 測試比較不同 prompt 的效果。 6. 領域知識（Domain Knowledge） * 針對不同應用場景（如程式碼生成、醫療診斷、法律、行銷、不同產業）調整 Prompt。 * 具備 UX / UI 設計思維，確保 AI 輸出對使用者有價值。 7. 創意思維與問題解決能力 * 能夠拆解複雜問題，轉化為 AI 可理解的輸入格式。 * 透過迭代測試找到最有效的 Prompt 組合。 * 思考如何讓 AI 生成更具創意、符合需求的內容。 8. 版本控制與協作 * 有專案合作經驗，看得懂其他人專案的程式碼 * 熟悉 Git / GitHub，能與開發團隊協作管理 Prompt 與程式碼版本。 * 具備技術文件撰寫能力，記錄進度 （Prompt、流程） 設計原則與最佳實踐。 9. 安全與道德考量 * 確保 Prompt 避免產生有害內容（如偏見、虛假資訊）。 * 瞭解 AI 法規與道德風險，如歧視、隱私保護、內容審查。 10. 持續學習與研究 * 跟蹤 AI / NLP 最新技術（如 OpenAI 發布的新模型、論文、第一手知道Deepseek消息等 等）。 * 持續優化 Prompt 設計，以適應 AI 的進步與應用需求。

一.按驗收完成之行業批量計費/每批行業3-5萬元 二.每日平均投入時間至少5小時/長期配合 三.需留言聯絡方式詳談細節 四.能力需求： 1. 自然語言處理（NLP）與語言學 * 熟悉 NLP 基本概念，如語意分析、詞向量（word embeddings）、語境理解等。 * 了解語法結構（Syntax）、語義（Semantics）、語用（Pragmatics）。 * 能有效運用關鍵詞、上下文、格式化輸入來影響 AI 輸出。 2. AI 及大型語言模型（LLM）知識 * 理解 Transformer、GPT、BERT 等 LLM 的基本原理與工作方式。 * 知道模型的限制（如幻覺、偏見、資訊不完整）並能設計 prompt 避免問題。 * 了解 Zero-shot、Few-shot Learning等prompt 技巧，提升 LLM 回應的準確性。 3. Prompt 設計與優化技巧 * 精確性（Precision）：用簡單、明確的語言表達需求。 * 上下文設計（Context Design）：提供適量資訊，確保 AI 理解目標。 * 約束與格式化（Constraints & Formatting）：要求特定輸出格式，如 JSON、Markdown、表 格。 * 測試與調優（A/B Testing）：針對不同 prompt 設計變體，找出最佳效果。 4. 程式設計與 API 整合 * 熟悉 Python 及各大公司 API / LangChain 等框架。 * 能撰寫腳本（.sh）來自動化 prompt 測試與分析 AI 輸出結果。 * 會使用正則表達式、文本處理技巧來提取與過濾 AI 產生的內容。 5. 資料分析與評估 * 分析 AI 回應的準確度、一致性、創造性，找出最佳 prompt 模式。 * 設計 AB 測試比較不同 prompt 的效果。 6. 領域知識（Domain Knowledge） * 針對不同應用場景（如程式碼生成、醫療診斷、法律、行銷、不同產業）調整 Prompt。 * 具備 UX / UI 設計思維，確保 AI 輸出對使用者有價值。 7. 創意思維與問題解決能力 * 能夠拆解複雜問題，轉化為 AI 可理解的輸入格式。 * 透過迭代測試找到最有效的 Prompt 組合。 * 思考如何讓 AI 生成更具創意、符合需求的內容。 8. 版本控制與協作 * 有專案合作經驗，看得懂其他人專案的程式碼 * 熟悉 Git / GitHub，能與開發團隊協作管理 Prompt 與程式碼版本。 * 具備技術文件撰寫能力，記錄進度 （Prompt、流程） 設計原則與最佳實踐。 9. 安全與道德考量 * 確保 Prompt 避免產生有害內容（如偏見、虛假資訊）。 * 瞭解 AI 法規與道德風險，如歧視、隱私保護、內容審查。 10. 持續學習與研究 * 跟蹤 AI / NLP 最新技術（如 OpenAI 發布的新模型、論文、第一手知道Deepseek消息等 等）。 * 持續優化 Prompt 設計，以適應 AI 的進步與應用需求。

AI 應用的行業/領域：科技/軟體 期望協助的任務：文案撰寫與內容創作 交付形式：程式碼

用於哪個行業：健身器材 細節說明： 📌 專案內容 • 撰寫 主程式邏輯（接收骨架數據、計算分析） • 報告產出（統計數據、圖表輸出） • UI 介面開發（由美工提供圖片產出、結果檢視） ✅ 技能需求 • 精通 Python • 熟悉 MySQL（資料讀寫） • 能開發 報表/數據輸出功能 • 具備 基礎 GUI 開發經驗（PyQt、Tkinter 或其他） 🎯 加分條件 • 曾做過 資料分析/報告系統 • 有 醫療、運動、復健領域專案 經驗 💼 專案資訊 • 合作方式：遠端 / 兼職皆可 • 交付內容：主程式、UI 介面、報告輸出模組 • 驗收方式：能穩定產出正確數據與報表

正在尋找的 AI 服務：AI Agent 助理 AI 應用的行業/領域：電子商務/零售、音樂書籍 期望 AI Agent 助理協助的任務：程式開發與自動化、文案撰寫與內容創作 期望內容產出的風格/語氣：專業嚴謹 交付形式：n8n、ChatGPT-4、可進一步與專家諮詢

用於哪個行業：夾抓存取機座控制電路及 軟體 細節說明： 1.夾抓存取桶機座控制電路及軟體 2.平板電腦介面操作軟體 3.定位用影像鏡頭組 4.取桶進出門控 5.人員進出門控 6.搖擺座震動器電源接頭 7.控排風/控溫/溼度

需求概述：需求名稱：NVidia 平台軟韌體開發 用於哪個行業：系統應用 細節說明： Nvidia Nano 平台，感光元件驅動，YOLO AI模型導入， 特制化應用

正在尋找的 AI 服務：AI 導入流程 AI 應用的行業/領域：製造業 期望 AI 導入流程解決的痛點：營運成本過高、效率不彰、數據應用困難、決策缺乏依據、內部流程繁瑣、協作效率低、人才短缺/技能斷層 期望應用的業務流程：行銷與銷售 (如：潛在客群自動貼標)、生產與製造 (如：智慧工廠、品質檢測) 執行形式：提供現成的 AI 解決方案、提供技術諮詢與策略規劃、進行客製化的專案開發

我們需要做一個API 將圖片/影片傳入, 能判斷回傳是否有被加工過的功能

正在尋找的 AI 服務：專屬 AI 解決方案 AI 應用的行業/領域：醫療保健 期望專屬 AI 解決方案協助的任務：提升效率/降低成本、創新產品/服務、優化行銷與客戶互動、輔助決策制定、內容創作與生成 期望使用的 AI 生成工具：ChatGPT、Claude、Gemini、可進一步與專家諮詢 執行形式：提供現成的 AI 解決方案、提供技術諮詢與策略規劃、進行客製化的專案開發、可進一步與專家諮詢

正在尋找的 AI 服務：專屬 AI 解決方案 AI 應用的行業/領域：科技/軟體 期望專屬 AI 解決方案協助的任務：自動化重複性工作 期望使用的 AI 生成工具：N8n 執行形式：進行客製化的專案開發 執行時長：1-2 週 交付日期：2025/10/9

我正在尋求專家可以提供n8n AI 自動化流程開發服務相關服務，服務內容 請參考：https://www.tasker.com.tw/workroom/nJN23Y?se=KBaW 若您能提供相關服務，歡迎提供報價與合作資訊。

需求名稱：咖啡瑕疵豆自動篩選 目標：開發一個能偵測「正常豆」與「瑕疵豆」的系統，並能配合已製作的樂高實體機器。 細節說明： 1. 影像處理與標註：對正常豆與瑕疵豆進行影像處理和標註。 2. 訓練深度學習模型：使用YOLOv8和OpenCV進行模型訓練。 3. 提供應用程式：支持桌面或網頁應用，可上傳圖片或即時拍攝。自動偵測並標記瑕疵豆，匯出包含影像和CSV統計的檢測結果。

用於哪個行業：資訊業 細節說明： 開發和優化檢索增強生成（RAG）系統 開發和優化模型以提高生成文本的準確性和相關性 有相關經驗優先合作

工作地點：遠端 工作類型：全職 職位描述： 我們正在尋找一名AI/ML工程師加入我們的機器人團隊，專注於為我們的先進機器人系統進行資料收集、處理和模型開發。您將負責建構為我們的類腦運算技術提供動力的資料基礎設施和AI模型。 主要職責： • 設計和實施機器人系統的資料收集管道 • 發展動作捕捉和動作辨識系統 • 建構機器人感知的視覺處理模型 • 創建人機互動的語言對話模型 • 處理多模態資料流（視覺、聽覺、觸覺、語言） • 實施資料加密和隱私保護系統 • 與後端工程師合作進行高併發資料處理 技術要求： • 熟練Python和C/C++編程 • 具備機器學習框架經驗（TensorFlow、PyTorch） • 了解電腦視覺和NLP技術 • 具備資料管道開發經驗 • 理解機器人技術和感測器資料處理 • 熟悉雲端運算和分散式系統 • 具備即時數據處理經驗

------------ 案件需求說明 ------------ https://youtu.be/dbHtdYGbtyc Edge Sentinel AI SDK 核心夥伴招募（基於現有 MVP 基礎整合離線人臉活體檢測功能） 本專案主要目的在尋找具備 Android 及機器學習模型整合經驗的研發夥伴。我們將在一個已具備關鍵功能的 MVP 基礎上進行深度開發，目標是將其產品化為市場上最具競爭力的 離線活體檢測 SDK。 ------------- 專案目標與背景 ------------- 本專案在解決現有人臉辨識技術的最大安全痛點：「欺詐攻擊」（Presentation Attack Detection, PAD）。現有的應用程式容易被照片、回放的影片或 3D 面具欺騙。 您的任務是將我們客製化訓練的 TensorFlow Lite 模型（現稱為 LiteRT）無縫整合進現有即時人臉辨識流程，以實現 完全離線、即時、免費的活體檢測 功能。 關鍵要求： 確保人臉必須被判定為 真實活體，才能進入後續的身份辨識流程，大幅提升應用程式的 防詐欺能力。 ----------------------- 現有 MVP 狀態（工作基礎） ----------------------- 本專案基於一個 已完成 且功能穩定的 Android MVP 進行開發，現有程式碼（codes/complete 分支）已具備以下核心架構與功能： 1. 即時影像串流：利用 Camera2 API 和 CameraConnectionFragment 顯示即時攝影機畫面。 2. 人臉偵測：使用 Google ML Kit 函式庫從影像幀中檢測人臉位置並繪製邊框。 3. 特徵辨識：使用 FaceNet 或 MobileFaceNet 模型（`.tflite` 格式：如 `facenet.tflite`, `mobile_face_net.tflite`）進行人臉特徵嵌入（embedding）計算。 4. 本地資料庫：支援人臉註冊（Face Registration），將嵌入向量與姓名儲存於本地資料庫（`db/DBHelper.java`）。 5. 活體模組：`codes/complete` 分支中已包含 `Face_Recognition/LivenessDetector.java` 類別及對應的 `model.tflite` 模型，但需優化並串接至核心流程。 -------------------- 核心整合任務與技術細節 -------------------- 開發夥伴需完成以下 最小可行產品 (MVP) 級別的整合任務，並為延伸功能打下基礎： 1. 模型載入與初始化：確保 `app/build.gradle` 包含必要的 TensorFlow Lite / LiteRT 依賴，並在 `MainActivity` 中初始化 `LivenessDetector` 物件。傳遞 欺詐閾值（例如 0.5）給建構函式。 2. 影像前處理：將 ML Kit 偵測後裁切的人臉影像，精準調整為活體模型要求的 224x224 像素的 4D 陣列 作為輸入。 3. 活體檢測 Gate 串接： * 在處理流程（例如 `performFaceRecognition` 方法內）中，必須 在進行人臉辨識（Face Recognition）之前，先呼叫活體檢測邏輯。 * 流程阻斷：如果模型輸出值（介於 0 到 1 之間，接近 1 為欺詐） 大於或等於 預設閾值（`isLive()` 返回 false），則 立即停止後續的辨識流程。 * 結果顯示：若判定為欺詐，則在人臉框旁顯示 「spoof」 或本地化警告，而不顯示人名。 -------------------------- 延伸功能 (加分項，納入 Open-Core 商業化) -------------------------- 我們計畫將專案進一步升級，以實現市場區隔： 1. 活體策略增強：整合 被動式活體（靜默）與 主動式活體（如眨眼、點頭挑戰指令）的風險升級機制。 2. 可驗證性：設計 PAD 測試腳本，並輸出包含模型分數、延遲與判定理由的 可審計 JSON Log。 3. 安全與隱私：對本地儲存的人臉嵌入進行 加密（如 SQLCipher/Android Keystore），並啟用 ProGuard/D8 混淆。 4. 跨平台/擴展：確保 TFLite 模型能在 iOS (透過 Swift/Objective-C API) 與 Raspberry Pi (C++/Python API) 上運行，保持核心邏輯的共享性。 ------------------------ 開發者技能要求（必須具備） ------------------------ 我們尋求具備以下經驗與能力的夥伴： * 精通 Java/Kotlin 語言：具備 Android 應用程式開發與現有代碼庫修改能力。 * TensorFlow Lite 整合經驗：有在 Android 裝置端載入、運行和優化 TFLite 模型（或新版 LiteRT API）輸入/輸出的實戰經驗。 * 機器視覺基礎：了解人臉檢測（ML Kit）與人臉辨識（FaceNet/embedding/距離比較）的基本工作原理。 * 問題解決能力強：能獨立調試、測試並優化活體檢測效能，例如根據測試結果調整欺詐閾值（`spoof threshold`）。

工作地點：台北市大安區復興南路（近科技大樓捷運站） 上班時間：週一至週五，9am – 6pm 雇用型態：12 個月專案合約制（全職接案者 / 非受僱身分），期滿視表現可轉任正職 【工作內容】 • 全端開發與維護：涵蓋需求分析、系統設計、程式開發、上線維運 • 前端：React、TailwindCSS、Vite (TypeScript 為主) • 後端：Node.js、Fastify、GraphQL、Prisma • 資料庫：PostgreSQL 設計與效能優化，快取應用 Redis • 環境部署：Docker 建置與維運，GitHub 協作流程 • 與設計師及產品團隊合作，使用 Figma 完成交互驗證 • 學習並應用 AI 輔助開發工具（如 Cursor、Copilot） 提升效率 • 撰寫與維護技術文件，確保程式碼可讀性 【職務需求】 • 資訊相關科系學士學位，或具備同等實務能力 • 2–5 年全端開發經驗 • 熟悉 TypeScript / JavaScript • 具備前端 (React) 與後端 (Node.js) 開發經驗 • 熟悉資料庫操作 (PostgreSQL) 與效能調校 • 有良好溝通能力，能獨立作業並具團隊合作精神 加分條件: • 具 CI/CD 或雲端平台（AWS / GCP / Azure）經驗 • 熟悉自動化測試框架 (Jest、Playwright 等) • 曾參與跨國專案或大型系統 【待遇福利】 • 💰 總合約報酬與期滿獎金，合計 83萬–100萬 NTD （依經驗調整） • 📈 轉正制度：滿一年依表現評估轉任正職 • 🏆 參與跨國專案，累積實戰經驗 • 🤖 提供 AI 工具培訓 (Cursor、Copilot、AI Coding 平台) • 🎓 專業訓練與明確職涯發展路徑（Trainee → Developer → Senior → Tech Lead）