學習歷程

API練習

1. Google Gemini API

Chatbot 使用 Google Gemini API 來生成回應。這意味著它可以理解並生成自然語言，提供更流暢和人性化的對話體驗。

2. Google Custom Search API

當 Chatbot 需要更多資訊時，它會使用 Google Custom Search API 來檢索網路上的相關資料。這確保了它能夠提供最新和最準確的資訊。

3. Retrieval-Augmented Generation (RAG)

結合了 RAG 技術，這意味著它不僅能生成回應，還能檢索並整合網路上的資訊，提供更豐富和有深度的回答。

讓模型可以參考較新的內容作摘要

文本RAG練習

左圖為輸入的資料來源: 資料是蒐集資料後，使用NotebookLLM產出的文件

chatbot的部分調整chunk_size來讓回答更完整

基於 LlamaIndex 和 Gemini 的智慧問答系統，專門用於震動分析領域的知識諮詢。

 - 智慧問答：針對震動分析相關問題提供準確回答

- 向量資料庫：使用 Chroma 進行高效的知識檢索

- 對話記憶：保持對話上下文，提供連貫的回應

- 友善介面：基於 Streamlit 的直觀操作介面

舞蹈教學系統

2024/2~2024/11

專案背景：

這是針對人體動作數據分析的專案，也是我的畢業專題，主要使用 Mediapipe 提取人體關鍵點 (landmarks)，進一步進行數據處理和模型訓練，最後通過 Streamlit 構建用戶端網頁，實現從數據收集到應用展示的完整流程。

使用技術：

程式語言：Python

數據處理與特徵提取：Mediapipe、Numpy、Pandas

深度學習框架：TensorFlow/Keras

後端框架：Flask

可視化與前端工具：Matplotlib、Streamlit

影像處理：OpenCV

專案成果：

構建 Streamlit 動態網頁，直觀展示數據和分析結果，提升用戶交互體驗。

但模型部分還可以再調整(使用posenet或者movenet等)

LangGraph練習

功能：

• 股票資訊查詢：支援台股和美股的股票資訊查詢。
• AI 分析報告：使用 AI 模型（ChatGLM3-6B）生成股票分析報告，提供投資建議。
• 技術分析圖表：顯示股價走勢、移動平均線（MA）、相對強弱指標（RSI）和布林通道等技術分析圖表。
• 基本統計資訊：顯示股票的目前價格、漲跌幅、期間最高價和最低價等基本統計資訊。
• 基本面資訊：顯示股票的基本面資訊，如本益比、市值、股息殖利率等。

學習紀錄