0
提案數
0
諮詢數
0
成交數
0%
回覆率
- 軟體程式設計
- APP軟體開發
- 網路應用程式設計
- 全端系統開發
- AI 系統開發
我是 Andy,提供 AI 功能整合、App 與網站開發、資料分析及預測系統實作。 我創辦並主要負責開發的 Zonr App 已上架 iOS/Android,我負責產品規劃與全端開發,把目標拆成任務,串接排程、專注與回顧。另有 LensGuard AI 安全研究及 10 萬筆 POS 銷售預測系統經驗。 合作先釐清使用情境、必要功能與驗收方式,再討論範圍、時程及報價。以遠端合作為主,可中文或日常英文溝通;可透過 Gmail 聯繫。歡迎告訴我想解決的問題、目前使用的系統或資料,以及希望完成時間。
作品(3)
LensGuard|影像AI安全原型
LensGuard 研究影像中的文字如何誤導 AI,以及如何區分影像內容、可引用證據與獲准執行的行動。我與工程夥伴共同完成參賽原型,負責研究方向、實驗設計、資料標註、測試分析、技術文件與協作開發;夥伴主責系統工程。先導評估比較 5 個模型,使用 81 張合成影像及 54 張實拍照片。公開團隊原型使用 React/TypeScript 前端與 Python/FastAPI 後端。獲 Hyperbloom September AI/ML Hackathon 第一名及 Adaption 獎。展示為研究原型,工具操作與撥號皆為模擬,不代表商業客戶合作或全面安全保證。 GitHub:https://github.com/tyc4d/LensGuard Devpost:https://devpost.com/software/lensguard-us6dil
- AI 系統開發
銷售預測與減廢|資料到備貨參考
【解決的問題】 把歷史交易紀錄轉成未來 7 天各商品的備貨參考,協助店家在備料量與剩餘浪費之間做判斷。本專案整理 10 萬筆以上 POS 資料,將預測模型整合進可操作的網頁系統。 【我的角色】 技術主導與研究開發:資料整理、特徵設計、模型比較、網頁及資料庫整合;兩位同學協助企劃書。我負責把分析流程串成可以使用的系統,而非只交付單一模型。 【技術與實作流程】 ・資料層:彙整交易紀錄,納入天氣、節慶、歷史銷售延遲值與滾動統計,形成多品項預測資料。 ・模型層:以 Python 建立 XGBoost、LSTM 與集成預測流程,比較模型輸出及實際銷量,提供未來 7 天的備貨依據。 ・應用層:使用 Flask 建置網頁流程、MySQL 整合資料庫,將分析結果連到操作介面。 ・評估方式:以歷史資料比較預測與實際銷量,再透過店內短期試行觀察可用性與廢棄情形;不把曲線貼合度直接當成商業成效。 【成果與適用範圍】 麵包店一週試行記錄廢棄率下降 21.5%,屬特定店家、特定一週的觀察,不代表所有商品或未來案件均有相同結果。展示圖為歷史資料的實際銷量與模型預測比較。 【可延伸合作】 交易資料清理、銷售預測、模型比較、分析報表、資料庫串接,以及把分析結果做成網頁功能。歡迎說明現有資料格式、需要預測的品項與決策用途,先確認資料品質及驗收指標,再討論範圍與報價。
- 軟體程式設計
Zonr|AI目標規劃App
【產品解決什麼問題】 Zonr 把「想完成的目標」轉成每天能執行的任務,串接計畫、排程、專注及回顧。使用者輸入目標、期限與可投入時間,先檢視及修改 AI 提案,再決定建立;完成、延後或跳過後,可依實際進度調整安排。 【我的角色】 創辦人暨主要開發者,帶領兩人團隊。我負責產品規劃、App 與後端功能、資料庫整合,以及 AI 情境管理與非同步任務流程。 【功能與技術分層】 ・App 端:React Native、Expo、TypeScript,實作目標輸入、階段與任務檢視、今日優先事項、日程、專注與回顧介面。 ・後端:Node.js/Express,串接前端、AI API 與任務處理流程,讓多步任務不只依賴單次聊天。 ・資料層:PostgreSQL、Prisma、Supabase,整合產品資料與持續更新的使用情境。 ・AI 情境與記憶:版本快照、來源追蹤、到期管理及 token 預算壓縮,使模型取得與當前任務相關的資訊。 ・非同步處理:持久 AI jobs 支援較長、多步驟工作,不把整個流程綁在一次即時回應。 【實際成果】 已上架 iOS 與 Android。入選 BeChangeMaker 2026 全球前 15;該屆共 700 件申請,來自 77 個國家與地區。展示為實際 App 畫面,不代表對學習成果或使用成效的保證。 【可合作範圍】 App 原型與功能開發、AI API 整合、任務/排程流程、前後端與資料庫串接。歡迎提供使用情境、現有系統與希望完成時間,先確認必要功能及驗收方式,再討論時程與報價。
- APP軟體開發
作品(3)
LensGuard|影像AI安全原型
LensGuard 研究影像中的文字如何誤導 AI,以及如何區分影像內容、可引用證據與獲准執行的行動。我與工程夥伴共同完成參賽原型,負責研究方向、實驗設計、資料標註、測試分析、技術文件與協作開發;夥伴主責系統工程。先導評估比較 5 個模型,使用 81 張合成影像及 54 張實拍照片。公開團隊原型使用 React/TypeScript 前端與 Python/FastAPI 後端。獲 Hyperbloom September AI/ML Hackathon 第一名及 Adaption 獎。展示為研究原型,工具操作與撥號皆為模擬,不代表商業客戶合作或全面安全保證。 GitHub:https://github.com/tyc4d/LensGuard Devpost:https://devpost.com/software/lensguard-us6dil
- AI 系統開發
銷售預測與減廢|資料到備貨參考
【解決的問題】 把歷史交易紀錄轉成未來 7 天各商品的備貨參考,協助店家在備料量與剩餘浪費之間做判斷。本專案整理 10 萬筆以上 POS 資料,將預測模型整合進可操作的網頁系統。 【我的角色】 技術主導與研究開發:資料整理、特徵設計、模型比較、網頁及資料庫整合;兩位同學協助企劃書。我負責把分析流程串成可以使用的系統,而非只交付單一模型。 【技術與實作流程】 ・資料層:彙整交易紀錄,納入天氣、節慶、歷史銷售延遲值與滾動統計,形成多品項預測資料。 ・模型層:以 Python 建立 XGBoost、LSTM 與集成預測流程,比較模型輸出及實際銷量,提供未來 7 天的備貨依據。 ・應用層:使用 Flask 建置網頁流程、MySQL 整合資料庫,將分析結果連到操作介面。 ・評估方式:以歷史資料比較預測與實際銷量,再透過店內短期試行觀察可用性與廢棄情形;不把曲線貼合度直接當成商業成效。 【成果與適用範圍】 麵包店一週試行記錄廢棄率下降 21.5%,屬特定店家、特定一週的觀察,不代表所有商品或未來案件均有相同結果。展示圖為歷史資料的實際銷量與模型預測比較。 【可延伸合作】 交易資料清理、銷售預測、模型比較、分析報表、資料庫串接,以及把分析結果做成網頁功能。歡迎說明現有資料格式、需要預測的品項與決策用途,先確認資料品質及驗收指標,再討論範圍與報價。
- 軟體程式設計
Zonr|AI目標規劃App
【產品解決什麼問題】 Zonr 把「想完成的目標」轉成每天能執行的任務,串接計畫、排程、專注及回顧。使用者輸入目標、期限與可投入時間,先檢視及修改 AI 提案,再決定建立;完成、延後或跳過後,可依實際進度調整安排。 【我的角色】 創辦人暨主要開發者,帶領兩人團隊。我負責產品規劃、App 與後端功能、資料庫整合,以及 AI 情境管理與非同步任務流程。 【功能與技術分層】 ・App 端:React Native、Expo、TypeScript,實作目標輸入、階段與任務檢視、今日優先事項、日程、專注與回顧介面。 ・後端:Node.js/Express,串接前端、AI API 與任務處理流程,讓多步任務不只依賴單次聊天。 ・資料層:PostgreSQL、Prisma、Supabase,整合產品資料與持續更新的使用情境。 ・AI 情境與記憶:版本快照、來源追蹤、到期管理及 token 預算壓縮,使模型取得與當前任務相關的資訊。 ・非同步處理:持久 AI jobs 支援較長、多步驟工作,不把整個流程綁在一次即時回應。 【實際成果】 已上架 iOS 與 Android。入選 BeChangeMaker 2026 全球前 15;該屆共 700 件申請,來自 77 個國家與地區。展示為實際 App 畫面,不代表對學習成果或使用成效的保證。 【可合作範圍】 App 原型與功能開發、AI API 整合、任務/排程流程、前後端與資料庫串接。歡迎提供使用情境、現有系統與希望完成時間,先確認必要功能及驗收方式,再討論時程與報價。
- APP軟體開發
服務(3)
評價(0)
--
尚無資料
--%
專案完成率
尚無資料
諮詢印象
尚無資料,期待您聯絡後的真實感受
- ??
- ??
- ??
- ??
- ??
- ??
- ??
- ??
專案執行
尚無資料,給新星專家一個展現的機會!
整體推薦
溝通契合
專業能力
準時交付
回覆速度

