學習

開發環境與版本控管​​​

Spyder：適合影像辨識與模型訓練中的數據處理

​

VS Code：主要用來撰寫程式碼和debug，同時VS Code 支援 Copilot，可以協助編寫程式，提升開發效率

​

Git 與 Azure DevOps： 主要進行版本控管，透過 Git 進行版本管理，並使用 commit 記錄每次修改的內容與進度

​

Anaconda: 方便管理虛擬環境，並且針對專案配置獨立的環境，可以避免不同專案需求的套件衝突問題

 

 

 

影像辨識模型優化​​​

使用YOLO 演算法進行目標檢測與分類，並使⽤ LabelImg和 LabelMe 進⾏標記及前處理。最後進⾏模型的參數調整，

提升影像辨識準確率。

​​

​​

​

​

OCR 模型訓練​​​

使⽤ Azure AI 的 Document Intelligence Studio，對貨運單的關鍵欄位進⾏標記與訓練，實現貨運單數據的⾃動提取與結構化處理，提⾼⽂件處理效率。

 

​

GPT 模型應用與地端測試​​​

以軟體需求規格書為根據，針對 GPT 模型進⾏參數調整、模型微調，並進⾏優化，幫助模型更準確地回答，最後達到 95%以上的準確率。

 

此外，透過 Postman 測試地端模型的 API 串接，確保數據正確性及 QA 功能是否符合預期

​​

​

即時語音識別、摘要與多語下載​​​

結合 Azure Speech Service，將語⾳即時轉換為⽂字，並⽀持多語⾔識別，滿⾜不同語⾔⽤⼾的需求。同時利⽤Azure OpenAI 對累積⽂本進⾏翻譯與摘要⽣成，確保多語⾔的準確翻譯和簡潔摘要。

最終，透過 Azure Static Web 發佈網站，提供⽤⼾便捷的即時語⾳轉⽂字、多語⾔翻譯及摘要服務，並支援逐字稿與摘要的多語言下載。

​​

​

模型部署與操作界⾯設計​​​

利⽤ Ollama 將 GPT 模型部署到伺服器，並整合 Open

Web UI，提供直觀的操作界⾯以展⽰模型功能。提升⽤⼾交互體驗，並作為專案的測試與demo樣本

​​

​

​

​

​