專題成果發表暨交流活動

專題一：信用風險評估-AI輔助授信

組員：08陳O迪、20李O然、26劉O瑋 、 15陳O君、24楊O毓

摘要：

本專題針對信用貸款中「資訊不對稱、傳統評分卡僵化、違約樣本極度不平衡（僅約 3%）及模型隨時間衰退」等核心痛點，基於 Kaggle Home Credit 競賽資料集，打造企業級 AI 輔助授信系統。團隊運用 Parquet 欄式存儲配合 DuckDB 與 Polars 串流處理，解決巨量資料（最高達 1.88 億筆）的記憶體溢出問題；並透過 WOE/IV 分析與 LightGBM 特徵重要度篩選，從 465 個候選欄位中萃取出涵蓋履約、財務及背景等五大面向的 386 維特徵向量。
模型採用 CatBoost 與 LightGBM 集成架構（Voting Ensembling），並以 StratifiedGroupKFold 進行跨時間週期的五折驗證，最終於 3,989 組參賽隊伍中取得 Private Leaderboard 全球前 14 名（Gini Stability 達 0.56869）的優異成績。在落地應用端，本專題結合 Python FastAPI、PostgreSQL 與 Jinja2 打造「智能信貸風險審查工作站」，提供違約機率預測、特徵加減分可解釋性分析及審查決策稽核軌跡，達成兼具高預測力、時間穩定性與金融可解釋性的端到端 AI 授信系統。

關鍵字：資料工程、特徵工程、機器學習、統計、演算法、AI、融資、授信

專題二：智慧旅宿平台

組員：05王O淳、13陳O祥、19陳O和、25林O祥

摘要：本專題以台北市 Airbnb 資料為基礎，開發出預測房源「未來 90 天空屋率」並整合多方決策的智慧旅宿平台。團隊嚴格排除預測洩漏欄位，打造包含同區競品密度與 CLIP 圖像設計感分數等 37 維特徵，並採用 HistGradientBoosting 模型搭配 GroupKFold 房東分組驗證，確保對新房源預測的準確度與客觀性。 平台透過 Streamlit 串聯房東、營運後台與租客三端。房東端結合 LIME 歸因與 What-If 情境試算，並由 Gemini 生成調價與設備改善建議；後台能精準鎖定高風險房源進行營運救援；租客端則提供五科評分智能找房，成功將數據預測轉化為三方共贏的商業決策。

關鍵字：機器學習、AI、數據處理、特徵工程、平台系統、Web 開發

專題三：AI驅動企業採購智慧決策系統

組員：01陳O家 、 02許O光、03程O、04鄭O盛、07呂O鵬、12許O仁、 23林O璋

摘要：本專題打造「AI驅動企業採購智慧決策系統」，旨在解決企業採購過程中比價耗時、價格合理性難評估及供應商斷鏈風險等痛點。系統以 Kaggle 端到端採購數據（涵蓋 2022–2024 年 5,200 筆訂單）為基礎，結合機器學習與大語言模型（LLM）建構雙核心 AI 引擎：
1.節省率等級預測模型：整合 XGBoost、Random Forest 與 Ridge 迴歸建立 Stacking 集成模型，將預測提升至 0.69（從 0.57），用於預測價格合理性（節省、接近預算、超支）並給出議價建議。
2.供應商風險分類模型：結合交期、單一來源率、ESG 與財務等指標，採用邏輯式迴歸（Logistic Regression）配合留一交叉驗證法（LOSO）處理不均勻小樣本數據，達 86.7% 準確率與 AUC 0.93，自動評定新供應商是否「核准」或需「人工複核」。 在系統部署方面，平台透過 Streamlit 與 FastAPI 串聯兩大 AI 模組與 Gemini LLM 智能分析，並整合 Tavily OSINT 網路探勘、Yahoo Finance API 與 OpenCorporates 進行企業背景與負面新聞辨識，實現包含議價預測、供應商推薦、准入評估與風險追蹤的智慧化採購決策流程。

關鍵字：LLM、數據分析、資料探勘、Streamlit、UI/UX 、FastAPI

專題四：車況之眼：智慧巡檢系統

組員：11黃O希、17張O綸、21邱O庭、28葉O威、29謝O翰、30魏O儀

摘要：本專題開發「車況之眼｜智慧巡檢系統」，旨在解決共享車輛交接時因照片拍攝角度與品質不一，導致責任歸責困難與追溯成本過高的問題。系統建構「智慧拍攝、車損辨識、Dashboard 複核」的端到端流程：前端 Web App 透過輕量化模型與即時檢核，引導使用者完成標準化四角度拍攝；後端以特徵工程與 DBSCAN 分群過濾雜訊，並結合 YOLOv8 車損辨識與主動學習（Active Learning）提升偵測成效；最後將結果整合至營運後台，輔助人工快速進行風險複核與紀錄追溯。
此系統的核心定位為「AI 輔助提示，不取代人工責任判定」，透過固定前端輸入品質與自動化資料處理，讓車況證據得以標準化保存。不僅有效降低營運人員逐張盲找照片的負擔，更能為租賃平台建立清晰、公平且可信任的責任歸屬紀錄。

關鍵字：智慧拍攝、前端推論、車損辨識、數據工程、雲端架構、資料探勘

專題五：數位影像AI管理系統

組員：09蘇O儀、10呂O萱、16陳O州、22侯O寬、27林O澄

摘要：本專題開發「數位影像 AI 管理系統」，旨在解決照片數量暴增導致管理效率低落、分類困難及雲端隱私外洩等痛點。系統整合 OpenCV 影像預處理（進行尺寸標準化、pHash 重複檢測與 Laplacian 模糊篩選），並結合 SCRFD 人臉五點定位與 ArcFace 512 維特徵向量進行精準人物比對；場景端則採用 CLIP 多模態模型搭配雙門檻機制（Confidence 0.75 / Positive score 22.5），實現照片非互斥的多主題自動標籤。 專案採「規格先行」的現代化 AI 協作流程，透過依據 PRD/Spec 設定的嚴謹門檻，大幅降低誤判與漏判率（ArcFace 相似度門檻 0.32 下 Macro-F1 達 95.94%）。系統支援快速 SQLite 查詢與標籤打包下載，為使用者提供高隱私、深度分類且超越傳統相簿的智慧管理體驗。

關鍵字：人臉辨識、影像處裡、OpenCV、場景辨識、人臉偵測、CLIP、多模態場景分類