使用 Autoencoder 進行信用卡的詐騙偵測。

使用 FasterRCNN 進行物件檢測，可應用於工廠瑕疵檢測、醫療影像分析、生物影像分析、工安影像分析、口罩影像分析。

此解決方案可應用在工廠瑕疵檢測、醫療影像分析、生物影像分析、工安影像分析、口罩影像分析等。

CycleGAN 特點為不要求訓練數據要成對，可學習不同 domain 之間的影像轉換。 可應用於語義標籤的街道轉換成寫實影像、衛星影像轉換成地圖影像、將場景從白天轉換成夜晚。

使用 DETR 進行物件偵測，可應用於工廠瑕疵檢測、醫療影像分析、生物影像分析、工安影像分析、口罩影像分析。

BERT 應用領域有 Question Answer 問答系統、閱讀理解、語意拆解、語意分析。

應用於人體姿勢偵測，可偵測出人的眼睛、鼻子、耳朵、脖子、肩部、手肘、手腕、髖關節、膝關節、腳踝的位置。

使用 DenseNet 進行股票資料的訓練和推論。

使用 DenseNet 進行 Sin 函數的訓練和推論。

Jupyter-Image-GAN-Compression-PyTorch 是將 GAN 模型做壓縮後，再進行風格轉換。壓縮後的模型，不僅減少計算量，降低模型的大小，還能夠保持一定的準確度。此解決方案可應用於馬與斑馬、鞋子的風格轉換。

使用一維的 Convolutional neural network 進行資料分析。

FaceNet 可應用於人臉分群、人臉分類，透過歐式距離來判斷人臉的相似度，而達到人臉辨識。

使用 Python 爬蟲的技術，從台灣證券交易下載個股數據資料，並且使用 XGBoost-Regression 對個股資料進行迴歸分析。

GPT-2 應用於自動產生一篇文章，也可輸入任一句話來自動產生一篇文章。

常見影像處理的簡易使用工具，包含有讀圖、存圖、轉灰階、二元化、連通找出物體等。

可訓練自訂的語音資料集，推論並輸出類別，不需上網，即可達成邊緣端語音轉文字的功能。

Pix2Pix 架構和 GAN 類似，但不在於產生仿真的影像，而是希望透過監督學習的方式，讓原影像輸出訓練學習的影像風格。例如 : 黑白轉換成彩色、邊緣圖轉換相片、地圖轉換成衛星地圖等各種應用。

此 APP是將一張低解析度(Low Resolution)的影像，利用 SRGAN 生成一張高解析度 (High Resolution)，提高影像的解析度。

CycleGAN 是發表在 ICCV2017 image-to-image translation 的著名演算法，最大特點為不要求訓練數據要成對，只需要提供不同 domain 的影像就能成功訓練不同 domain 之間的影像轉換。 可應用於語義標籤的街道轉換成寫實影像、衛星影像轉換成地圖影像、將場景從白天轉換成夜晚。

AI 人體骨架偵測、跌倒偵測、人流計數。其中人體骨架偵測，可偵測出鼻子、眼睛、耳朵、脖子、肩部、手肘、手腕、髖關節、膝關節、腳踝的位置。

模型轉換，從 PyTorch 模型轉換到 ONNX 模型，或是從 Tensorflow 1.X 模型轉換到 ONNX 模型。

FaceNet 主要驗證人臉是否為同一個人，端對端學習，直接比對兩個人臉經過它的網路映射之後的歐氏距離。該模型沒有使用傳統 softmax 的方式進行分類學習，而是抽取某一層當作特徵，將人臉影像映射到一個歐幾里得多維空間的編碼方法，通過空間距離來表示人臉的相似度，同一個人的距離越小，反之不同人距離則越大，最後基於此編碼再做人臉辨識。

使用 UNet 進行影像分割，可以應用於醫療影像切割，範例為胸腔 CT 影像切割。

Docker container 的使用方法介紹。

使用 XGBoost Regression Time Series 進行時序性資料的迴歸分析。

使用 LSTM (Long Short-Term Memory) 進行時序性資料的分析。    

CSPNet 演算法優化深度學習網路結構，除了準確度是世界第一之外，還能在邊緣運算嵌入式系統上維持超高的推論速度，可應用在工廠瑕疵檢測、車流分析、人流分析、安全監控、醫療影像分析、生物影像分析、工安影像分析、口罩影像分析等領域，實在是非常厲害，台灣之光。

使用 XGBoost Classification 進行資料的分類。

此 APP 是一套結合多種影像標註工具的應用程式，主要包含有常見的LabelImg、Labelme 與立達軟體獨家開發的 Annotation 標註工具，支援 PASCAL VOC XML、YOLO、labelme、VIA JSON 等多種常見標註格式。

使用 Mask R-CNN 演算法進行影像物件計數及分割，可應用於醫療影像分析、魚類影像分析、生物影像分析、先進駕駛輔助系統、自動駕駛車、工廠瑕疵檢測等。