AI開發應用、電腦視覺影像辨識、全部最新 58 筆接案案件

用於哪個行業：軟體代寫 細節說明：Python+Opencv 還有Pyanutogui Ai 麻將機器人

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。

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`）。

需求名稱：影像辨識模型訓練 行業：資訊技術 細節說明：OpenAI Agent Kit — 淘寶 API 版（MVP 專案骨架）

各式AI影像辨識開發, 如合作愉快,可長期合作.

用於哪個行業：AI伺服器地端應用 細節說明：於單一台高階AI伺服器上，同時運行六個獨立且高負載的AI應用程式，並分別輸出至六個螢幕，以展示硬體之極限多工處理能力與算力。 初步規劃如下： 1.(影像)人臉辨識: 情緒/ 年齡/ 換臉 2.(無人機)手勢控制: 手動取代"一般飛手訓練". 3.(無人機)目標偵測: 車輛/ 戰車/ 建築/ 人群. 4.(影像)手勢辨識: 控制電腦3D圖形/ 鍵盤/ 滑鼠 5.(語言)LLM訓練: ML/DL、訓練/優化 6.(性能介面): 伺服器內建1對6應用與資源變化. 以上小程式主題可再進行討論，接受進一步細談，也接受專家建議。 如有意願詳談，請寄E-mail：m11405827@mosolid.com.tw聯繫，謝謝。

甲. 合作內容： 一、 系統項目(共有兩部分)： 1. 圈客行銷部分：第一階段針對台灣地區之「廠商」獲取「台灣地區」及「國外」之準確目標客戶，並對之行銷。 2. 口碑行銷部分：第一階段針對台灣地區之「廠商」產出合意及有效之評論內容，提供消費者對GoogleMap、FB、IG、小紅書、TikTok等五個平台發出評論。 二、 第一階段預估年營業額1億新台幣以上。 三、承攬報酬： 1. 每月紅利分配：月純淨利之20%。 2. 開發費用：開發完成前50個行業支付費用8萬元台幣(開發輪廓、重點、細節應注意部分，大致已清楚)。 3. 前後端系統ONCALL維運及程式增修費用：每月支付費用4萬元台幣。(維運期間每月新增3行業) 四、 有能力及意向之夥伴或團隊，請留言LINE ID及電話詳談細節。 乙. 誠徵精通以下範疇並具實際經驗之合作夥伴或團隊： 一、 按前端(B端)及AI需求爬取及彙整FB、IG、GOOGLEMAP、官網、 amazon.....之內容： 1. 核心技能與經驗： (1) Python或其他爬蟲相關程式語言，至少2年以上實際爬蟲開發經驗。 (2) 閱讀、維護並重構既有爬蟲程式。 (3) 理解 HTTP Request / Response 機制，能處理登入驗證、Headers、Cookies、反爬機制等問題。 (4) 依據現有流程圖為主軸進行程式設計，獨立分析與補充細節，參考已開發程式進行優化與功能擴展。 (5) Web Scraping框架與工具，如Scrapy、BeautifulSoup、Selenium或Puppeteer，並根據需求選擇合適工具。 (6) 基於現有程式碼進行維護、調整與功能迭代，確保系統穩定性與持續改進。 (7) 示警細節與機制、監測平台。 (8) FB/IG自動化創建帳號養、養帳號能力。 (9) VPN上網技術及本系統反爬蟲規劃能力。 (10) 具全端程式及維運能力。 2. 社交媒體爬蟲專長： (1) 爬取Instagram、Facebook等社交平台貼文、短影音（Reels、Stories等）及相關資訊（如留言、按讚數、分享數）。 (2) 熟悉各大社交媒體平台限制規避技巧，確保資料抓取的穩定性與合法性。 (3) 處理動態網頁（JavaScript渲染）與反爬蟲機制（如CAPTCHA、IP封鎖）的挑戰。 (4) 以GraphQL 獲取資料。 3. WhatsApp： (1) 爬取amazon消費者相關資料。 (2) 以WhatsApp帳號發送訊息至messenger。 4. 以FB及IG帳號獲取除FB及IG內容外之「該特定受眾群之資訊及特性」。 二、 自然語言處理（NLP）與語言學，包括： 1. 語意分析、詞向量（word embeddings）、語境理解、語法結構（Syntax）、語義（Semantics）、語用（Pragmatics）。 2. 有效運用關鍵詞、上下文、格式化輸入來影響 AI 輸出。 三、 AI 及大型語言模型（LLM）知識，包括： 1. Transformer、GPT、BERT 等 LLM 的基本原理與工作方式。 2. 模型的限制（如幻覺、偏見、資訊不完整）並以設計之 prompt 避免問題。 3. 以Zero-shot、Few-shot Learning等prompt 技巧，提升 LLM 回應的準確性。 4. Prompt 設計與優化技巧： (1) 精確性（Precision）：以簡單、明確的語言表達需求。 (2) 上下文設計（Context Design）：提供適量資訊，確保 AI 理解目標。 (3) 約束與格式化（Constraints & Formatting）：要求特定輸出格式，如 JSON、Markdown、表格。 (4) 測試與調優（A/B Testing）：針對不同 prompt 設計變體，找出最佳效果。 5. 程式設計與 API 整合： (1) Python 及各大公司 API / LangChain 等框架。 (2) 撰寫腳本（.sh）來自動化 prompt 測試與分析 AI 輸出結果。 (3) 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。 6. 資料分析與評估： (1) 分析 AI 回應的準確度、一致性、創造性，找出最佳 prompt 模式。 (2) 設計 AB 測試比較不同 prompt 的效果。 7. 領域知識（Domain Knowledge）： (1) 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。 (2) 具備 UX / UI 設計思維，確保 AI 輸出對使用者有價值。 8. 版本控制與協作： (1) 有專案合作經驗，看得懂其他人專案的程式碼。 (2) Git / GitHub。 (3) HACKMD：技術文件撰寫、記錄進度 （Prompt、流程） 、設計原則與最佳實踐。 9. 安全與道德考量： (1) 確保 Prompt 避免產生有害內容（如偏見、虛假資訊）。 (2) 瞭解 AI 法規與道德風險，如歧視、隱私保護、內容審查。 四、 資料庫系統設計、優化、與管理 (1) 關聯式資料庫（如MySQL、PostgreSQL）的設計與應用，設計資料結構與索引，針對大規模資料儲存與查詢的優化。 (2) 熟悉Linux 環境，部署與排程（ cron、systemd、Docker，具 Kubernetes (k8s)）。 (3) 設計高效的資料結構與索引，支援跨行業、多帳號的社交媒體資料存儲與快速檢索。 (4) 資料清理與正規化，確保爬取資料的一致性與可用性。 (5) 管理管理資料庫。 五、 軟性技能與其他要求 1. 程式碼品質與文件紀錄：熟悉版本控制工具（如Git），撰寫乾淨、可讀的程式碼，並保持詳細的文件紀錄，確保程式碼易於理解與維護。 2. 資料隱私與合規性：深入了解資料隱私與法律規範（如GDPR、平台使用條款），確保爬蟲行為符合法規要求，並能在設計爬蟲系統時考慮倫理與法律約束。 3. 按既定程序與架構進行：理解既定程序與架構需求，並能密切合作，具備良好的達成能力。 4. 理解業務需求並將其轉化為技術實現。 5. 持續學習與技術更新：對新技術與社交平台API更新的保持敏感，持續學習以適應快速變化的爬蟲環境。 6. 快速理解既有程式邏輯並進行維護、功能調整、錯誤修復及效能優化。 7. Microsoft Azure雲端服務，在Azure環境中部署與擴展爬蟲系統，相關工具（如Azure Functions、Azure Blob Storage）。 8. 容器化技術（如Docker），以支援爬蟲系統的部署與管理。 9. 基本資料分析能力，將爬取資料進行初步結構化處理，方便後續分析應用。 10. 版本控制與監控：Git / GitHub 程式版本管理&錯誤監控與日誌管理（如 Sentry、ELK，或可自製監控腳本）。 六、 創意思維與問題解決能力&持續學習與研究： 1. 應對社交平台反爬蟲機制的變化或資料庫效能瓶頸。 2. 能夠拆解複雜問題，轉化為 AI 可理解的輸入格式。 3. 透過迭代測試找到最有效的 Prompt 組合。 4. 思考如何讓 AI 生成更具創意、符合需求的內容。 5. 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）。 6. 持續優化 Prompt 設計，以適應 AI 的進步與應用需求。 7. 查閱論文研究解決問題，優秀的問題解決能力。

用於哪個行業： 細節說明：ai voice chat bot. AI voice

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

正在尋找的 AI 服務：AI 導入流程 AI 應用的行業/領域：科技/軟體 期望 AI 導入流程解決的痛點：營運成本過高、效率不彰、客戶體驗不佳、流失率高、市場競爭激烈、創新不足、數據應用困難、決策缺乏依據、內部流程繁瑣、協作效率低、產品服務品質待提升、人才短缺/技能斷層、可進一步與專家諮詢 期望應用的業務流程：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 執行時長：1 個月以上

正在尋找的 AI 服務：專屬 AI 解決方案 AI 應用的行業/領域：製造業 期望專屬 AI 解決方案協助的任務：可進一步與專家諮詢 期望使用的 AI 生成工具：可進一步與專家諮詢 執行形式：進行客製化的專案開發 執行時長：可進一步與專家諮詢

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）

需求概述：需求名稱：智能眼鏡Software Develop kits. 用於哪個行業：AR.XR 智能眼鏡 細節說明： 智能眼鏡跟手機連結：App、AI、來電等. 30種語言翻譯功能、 步行導航功能、 提醒、提詞功能、

用於哪個行業：智能眼鏡AR,XR與手機 App、AI 連結. 細節說明： 智能眼鏡的Software Develop kits、 與手機功能BT聯結、 AI功能：1）30種語言翻譯. 2）導航走路、腳踏車. 3）提醒、提詞功能. 4）重要簡訊通知. 5）其他:音樂、接聽手機.

需求概述：需求名稱：戶外演唱會 用於哪個行業： 細節說明：手機變色與現場活動互動

AI 應用的行業/領域：製造業 想解決的痛點：內部流程繁瑣、協作效率低 執行形式：可進一步與專家諮詢

我正在尋求專家可以提供客製化媒合平台開發相關服務，服務內容 請參考：https://www.tasker.com.tw/workroom/qYVgJ7?se=3XyZ 若您能提供相關服務，歡迎提供報價與合作資訊。

AI 應用的行業/領域：教育/培訓 想解決的痛點：市場競爭激烈、創新不足 執行形式：進行客製化的專案開發

AI 應用的行業/領域：個人專案 想解決的痛點：營運成本過高、效率不彰 執行形式：提供現成的 AI 解決方案