本團隊利用海中影像資料與潮境浮標與雷達測站資料建立一個海中沙塵暴監測系統，系統包括AI辨識模型、AI預測模型、介紹網站、警示介面。希望這個系統不只能被應用在基隆海域，更希望能應用在台灣更多的潛點，不只保障潛水員（包含潛水研究人員與潛水遊客）人身安全，同時更有助於掌握珊瑚復育研究，達到潛水研究人員、潛水遊客以及珊瑚生態保育三方共贏。本團隊所有系統功能已整合至介紹網站，希望大家都能透過網站看到我們的成果。

6/27 團隊構想審查報告

9/23 期中訪視

期末報告書討論

解題流程架構

Hyson.AI 團隊與基隆海科館共同開發全世界第一個水下沙塵暴 AI 監控預警服務即將在潛水聖地的潮境海洋保育區上線，結合5種 AI 人工智慧模型分析40種潮汐雷達站資料、水下監控影像與海洋聲音等各式資料，隨時監控90%以上的水下沙塵暴發生狀況並且進行預警，保障潛水員包含研究員與遊客的潛水安全，並且準確預測72%未來發生的沙塵暴，現在 LINE 加好友試用可以隨時隨地：

(1) 查詢即時與過去3小時海況。
(2) 查詢沙塵暴未來6小時發生機率。
(3) 沙塵暴發生立即自動預警提醒。
此服務不但保障潛水人員安全，同時有助掌握珊瑚復育研究，讓潛水研究員、遊客以及珊瑚生態保育三方共贏。

全世界第一個水下沙塵暴 AI 監控預警服務介紹

水下沙塵暴 AI 監控預警 LINE 機器人服務功能簡介

AI 監控偵測沙塵暴與預測沙塵暴模型與資料架構圖

水下沙塵暴 AI 監控預警系統所採用的專利 SOP 分析流程

在沙塵暴影片切割任務，我們創新地使用了暗通道先驗技術來讓模型更容易識別沙塵暴的特徵，成功提升了模型的效能，使得影片切割出來的品質有感提升。在沙塵暴預測任務，我們的模型能預測未來 24 小時內是否會發生沙塵暴，這對於潛水客和海上作業人員來說是非常實用的，它能讓人們提前做好準備，避免意外發生。

總結來說，這兩項功能解決了議題單位的困難。更重要的是，這樣的成果不僅有助於科學研究，更能在日常生活中發揮實用價值，提升了議題單位的工作效率、相關人員的安全性。

問題痛點說明

系統功能簡介

功能一

功能二

我們解決兩個痛點：
1. 花費人力：需要人力觀看找出沙塵暴片段。
2. 人工預測未來沙塵暴很困難。

方法：
1.設計演算法即時計算沙塵暴狀態數值。
2.把視覺與水文數據配對，設計多模態AI架構，成功預測未來發生沙塵暴機率，例如當天數小時後與非當天（如隔天）發生沙塵暴的機率。

成果：
我們成功解決這兩個痛點，並產出一套AI軟體系統，提供以下功能，相信對研究單位與潛水客會有參考價值
•輸入影片，自動截取沙塵暴片段。
•輸入即時監控影像，當有沙塵暴時即時警報。
•輸入即時監控影像與水文數據，預測未來一段時間（當天與非當天）海中沙塵暴的發生機率。
•預測沙塵暴結果提供API 供其他系統串接使用。
•具備使用者介面，提供使用者設定與觀看即時資訊。
•每天自動更新每日影像與水文數據到AI模型中，確保最佳AI預測沙塵暴效能。

Demo：https://drive.google.com/drive/folders/1KEMu3q4S95xikGGorp8JbSNi8_FGczpm?usp=sharing

AI系統架構流程

即時偵測沙塵暴狀態數值

即時監控偵測沙塵暴事件網頁介面

預測未來發生沙塵暴事件機率表

利用 AI 技術透過水下攝影機即時偵測海中沙塵暴的出現，並透過 2 個小時內的海氣象資料預測海中嚴重沙塵暴的出性可能性。以上除了能提供海洋環境研究參考，同時也能提供基隆潮境公園的潛水客下水前的安全性評估。

計畫架構，解題構想

水中沙塵暴偵測系統架構與服務意示

水中嚴重沙塵暴預測資料探勘與模型架構

量化數據 — 預測準確度

本團隊透過語音辨識與合成技術讓視障人士可以使用語音與應用程序互動，並且在使用者有導覽或博物館有關的問題時可以直接詢問，即時獲得答案，減少對導覽人員的需求。

這個專案可以提升視障人士的博物館體驗，減少了他們對導覽人員的依賴，使他們更容易獲得信息。同時，對於博物館和內容提供商，我們的技術減少了口述影像錄制的成本和時間，使得內容更新更加容易。這有望為身障人士提供更多平等的機會參與文化和歷史領域的活動。

期中進度報告

期中進度報告

IOT 觸摸輔具

APP 介面

完成建立一套 AI 語音輔助視障者觀展體驗系統，其中包含 APP 提供給視障朋友作使用，此觀展系統在輔助視障者觀展，讓少數量的視障朋友就可以偕同親友或由志工服務，無須等待團體或配合專人導覽時間，即可享受媲美專業人員視障導覽之友善觀展體驗。

整體系統架構圖

與視障朋友一同體驗觸摸輔具以及聆聽導覽內容，並體驗看看實作過後的APP

帶著視障朋友走到導覽位置

瞭解實際導覽動線，以便完善APP設計

我們針對帳戶出現異常交易行為提供了一套解決冗長過程的辨識方案，主要步驟如下：

首先，我們將客戶的交易紀錄和身分資料整合在一起。接著，進行資料前處理和特徵萃取，清理資料與轉換的方法提升後續模型的表現力。

為了因應兩個類別（正常/異常交易）落差過大的資料集，避免模型在訓練中受到落差過大的影響而預測不準確，我們引入了 SMOTE 方法，這是一種生成新樣本的技術，可以藉由生成類似異常交易的資料來處理極端不平衡的資料情況。這樣，我們的模型在進行訓練時能夠讓模型對異常交易的預測表現能夠更好。

AI 模型的部分，我們選用了 XGBoost 做為主要的模型。這個 AI 模型有非常多的參數可以做調整，為了找到表現最好的參數組合，我們運用了網格搜索法（Grid Search CV），他能夠將我們放入的參數所有的排列組合都跑過一次，幫助我們找到模型最佳的參數組合，得到最好的預測結果。

最後，我們將辨識結果串接到一個 Web 介面做呈現，銀行行員可以方便地查看是否有異常交易的發生。這套解決方案可減少了行員在複查與確認異常交易資訊上的時間，不僅提高了工作效率，也提供了更好的客戶保護機制，進一步提升客戶對於銀行的信任度和滿意度。

本次解題的技術架構圖。

雖然因使用了 SMOTE 合成樣本使得重要特徵的參考性受到了影響,但我們仍可從中看到其中幾個特徵的重要性是大幅高於其他特徵的。

從上圖呈現前兩個重要特徵的資料分布狀況,0 是正常交易、1 是異常交易,可以很明顯的看出兩個類別之間在分布上就有明顯的差距。

一鍵 AI 分析,顯示目前異常交易筆數、新增異常交易筆數及召回度。並列出關鍵變數(特徵)表。上述資訊可點擊於下方列出詳細資訊。

帳戶異常交易之預警一直以來為金融業異常風險控管之重要一環,現行出題單位在帳戶異常交易識別的議題上，於企業內部存在諸多痛點，主要為大量仰賴人力、不夠即時與隱含名單準確度提升需求，而本次解題針對此部分嘗試進行解決。

由於在此風險議題上，監督式學習的分類預測模型，為實務上與文獻上最常提及之作法，而非監督式學習的異常偵測方法論，為此應用情境上常被與監督式學習之作法一起討論的另一方法論，因此本次欲分別進行兩種方法之解題實作與比較，以分析在此議題中兩方法論之適用性，並以模型解釋之產出做為未來提供經辦調查方向之參考。

由本次之預測效度結果，可以發現本次解題之成果，在監督式學習與非監督式學習兩種方法論中，監督式學習較能符合本次解題之需求，而就監督式效度而言，在擴增訓練資料後，初步認為方案有效可解決帳戶異常交易問題，而後續待更進一步驗證與確認實際可行性。

本次實作提供一解題架構構想與執行方法，並以小型資料先進行驗證場景與評估可行性，並提供相關檔案讓出題單位較容易地複製調整作運用評估，本次解題之結果可作為轉換為帳戶異常交易即時預警機制之第一步，後續進一步優化與驗證，達到上線佈署之目的，同時此模式亦可延伸仿製應用於相似情境中，例如信用卡盜刷預測、貸款違約預測等，作為優化企業內部金融科技作業之方向。

【解題流程圖】為本次解題之架構,包含從資料蒐、資料檢視、變數建立、數據檢視到模型建立、方法論之比較與模型解釋,其中方法論包含將坊間常被討論之監督式學習分類預測方式,與非監督式學習之異常偵測方式,兩種方式進行比較。

【模型預測架構】為假設一個客戶共有台幣與外幣各一個帳戶,且一時間點僅其中一個帳戶有交易,則預測不論該客戶之各別帳戶是否當下有進行交易,皆逐帳戶進行預測,以帳戶交易為出發, 分別預測具風險之機率值,最終應用時可歸戶至客戶,取機率值與風險最高者,做為客戶之風險程度,提供經辦調查建議

說明:【模型開發實作】本次模型開發之實作程式為 Python,後續若上線應用為開發 API 服務介接應用系統,則有較佳之使用性,亦可同步微調沿用。

【效度結果】可以發現方法一之監督式學習,較方法二之非監督式學習適合應用在這個應用情境,且當訓練資料由一開始之兩週擴增後,較能夠適應於未來資料。

在金融業，即時識別異常交易是一大挑戰。過去，這項工作依賴於人工審核，不僅耗時還容易出錯。為了解決這問題，我們推出了一個 AI 系統，它能夠迅速且精準地識別可能的風險交易，大大提高了辨識效率。

這不僅增強了客戶對銀行的信任，還降低了風險損失，保護了民眾的資金安全。更重要的是，這項技術減少了人工勞力，讓員工能夠專注於更有價值的工作，提升了他們的工作滿足度。

總的來說，這項技術不僅為金融業帶來了進步，更為社會帶來了穩定和和諧，確保了每一筆交易的安全和透明。讓我們一起為這項技術帶來的正面影響投下你的一票！

目前多數金融機構仍依賴人工審核和規則基礎的方法來辨識帳戶異常交易行為，但人工審核異常交易行為非常費時，作業效率低，加上每日交易量龐大，人工無法快速、準確地識別出潛在的異常交易行為。利用 AI 取代人工審核流程不僅可以提高審核速度、降低人力成本，還能夠更即時的掌握帳戶狀態，降低詐騙行為發生，提升民眾金融使用之安全性。

這張圖呈現了我們的系統流程架構。我們首先將不同的資料進行核對和串接，並將資料轉換成模型能夠理解的格式。有鑑於資料不平衡的情況，我們採用了SMOTE技術來增加資料量。接著，進行欄位篩選，從原本的130個欄位中挑選出17個重要欄位來進行預測訓練。最後使用SHAP解釋模型來分析每個欄位對預測結果的影響。

執行過程中我們使用幾個常見的模型做實驗。圖片為最後使用測試集測試出在各個模型中的recall值。

深度學習模型複雜的神經網路如同黑盒子，難以從外部去了解其中原理，而金融業是一個被高度監管的行業，必須告訴客戶作出決定的緣由。因此我們使用 SHAP 解釋模型對模型結果進行分析，有助於我們理解模型如何決策。圖中為我們對台幣模型使用 SHAP 解釋模型的結果與推論。

近年詐騙猖獗，金融機構積極應對金融詐欺的挑戰，特別是在異常交易辨識上。傳統的方法固然已有成效，但仍存在時間延遲和人力資源的消耗。

因此，我們引進 AI 技術，透過資料分析和機器學習，系統能夠即時、精確地識別出異常交易，進一步強化風險管理。

此外，我們也利用視覺化工具協助迅速了解交易行為，提升查核效率。本團隊致力於結合金融與新興科技，全民防詐，打造零詐欺的金融天地。

**Digital Finance Sentinel** 異常交易行為偵測平台 形象概念圖

- 概念發想: 代表數位金融的守護者，象徵使用先進技術守護客戶的交易安全，其閃亮的盔甲代表著銀行高度警戒和對異常交易的迅速反應。
- 視覺設計: 承襲新光銀行“新。光合作用”的設計，守護嶄新金融，保護每一刻

交易資料與餘額資料儀表板：透過視覺化呈現交易行為，以協助查調人員盡快偵測異常交易行為，以輔助迅速判讀。

台幣活期帳戶檔警示平台：透過特徵亮燈的形式，視覺化 AI 模型的可解釋性，顯示模型根據哪些重點特徵判斷異常交易帳戶。

AI模型成效與風險等級分佈：顯示AI 模型現況，以及顯示風險等級分佈，區分為低中高三風險等級，以柱狀圖顯示全行客戶落於低中高三風險的比例，以及各風險等級帳戶名單和模型判讀異常的機率，輔助管理者監控模型結果與名單數量。

我們的解題主要著重於解決兩大核心問題：「優化現有捐款活動」和「針對潛在捐款者進行精確行銷」。我們採用創新的技術，包括數個機器學習預測模型和自動生成捐款者信件的 API，來實現這一目標。


在「優化現有捐款活動」方面，我們的機器學習預測模型可以準確地分析捐款者的行為和趨勢。這使得基金會能提前預知捐款者的大致捐款時間。同時，我們的自動生成信件 API 讓基金會能夠發送針對性強、內容豐富的信息，有效提升捐款者的參與度和捐款意願，以更個性化的方式回應，讓更多人能夠重視和支持基金會的工作和議題。

對於「針對潛在捐款者進行精確行銷」的部分，我們開發了一個直觀的分析儀表板和對應之報告書，這些工具不僅能幫助基金會深入了解捐款者的需求和偏好，還能使其行銷策略更具針對性和效果。我們的方案將讓基金會在吸引捐款者方面更加靈活和高效。


具體來說，我們的解決方案可以：
1. 高度預測捐款行為：不僅能夠判定捐款者是否會再次捐款，還能估計他們的捐款金額、付款方式和預計捐款的時間，這為基金會提供了有力的工具，以訂製更有效的捐款策略和優化資源分配。
2. 提供捐款者個性化體驗：通過生成個性化的電子信內容，每位捐款者都會感覺自己受到了特別的關注和尊重，這不僅可以增強他們的捐款動機，還能建立和深化基金會和捐款者之間的關係。
3. 強化決策支持工具：透過捐款人分群解析儀表板，基金會能夠迅速、直觀地獲取捐款者的分群情報，這大大簡化了分析和報告的工作，並為基金會的策略決策提供了有力的支持。
4. 優化社群平台行銷策略：我們的分群結果報告書提供了具體的建議，如何在主流的社群平台上使用關鍵標籤進行行銷，確保信息能夠到達目標受眾並產生最大的影響。

總結來說，我們不僅提供了一套完整、高效的解決方案，更將AI 與數據科學的最新技術融合到了公益領域，實現了數據驅動的公益行銷。透過這樣的策略和工具，現代婦女基金會可以更加精確地理解和滿足捐款者的需求。

NetiCRM前端服務流程預覽圖

捐款人分群解析儀表板

電子信生成API 架構

測試資料與期末驗證分數成長（採用主辦方提供之分數計算方式）

公益機構是很重要的社會安全網，而為了持續進行機構公益項目之營運與服務，也需要民眾長期捐款支持，但實際上多數捐款者皆為單次捐款，該如何利用過往捐款紀錄進行捐款行為分析，讓捐款者再度回捐，便是很重要的課題。

本團隊透過議題單位提供之捐款紀錄資料集，透過資料處理以及機器學習模型訓練，建立了一個預測捐款者行為 下次捐款的金額、時間、捐款方式 之模型，並建立捐款者標籤，讓議題單位能更精準地針對過往捐款者進行互動，有助提高捐款率。

另外，本團隊也建立了一個互動式網站，讓議題單位可以更快速的瞭解過去與未來 預測 的捐款情形，有助於提高議題單位之分析效率。

使用RFM 分析，對捐款者進行標籤分析，亦作後續預測特徵值使用。

利用每位捐款人的過往捐款資料做特徵工程，進行下次捐款預測並產出報表。

將過往三年的資料轉換為互動式圖表於網頁上呈現。

可於網頁上進行篩選，瞭解捐款狀況；執行模型預測未來捐款情況並匯出至Excel。

本團隊的主要核心目標是預測捐款行為，我們採用基本的統計量如平均值、中位數以及眾數等，與本競賽強調的「AI」技術不同。這種方法能夠提供實用的預測，讓我們更好地理解捐款者行為。

此外，我們的解決方案也開創了一種新方法，能夠更深入地了解人們對社會議題的關注程度。透過分析網絡論壇上的討論，我們能夠辨識出哪些議題引起了大眾的關注，以及這些議題的熱度趨勢。我們透過使用使用者友善的儀表板呈現這些數據。這有助於決策者更好地理解社會需求，並制定更有效的政策和行銷企劃。

團隊討論合照

提案架構

提案過程簡述

儀表板實際成果

使用者可上傳PDF或圖檔的永續報告書，系統將會自動辨識檔案中的全文文字，並抓出其中屬於ESG指標值(譬如；公司董事席次、女性董事比例...等)，協助企業從內容繁多的永續報告書中抓出重要資訊，並轉換成向證交所申報ESG資料時所需之資料格式，加速進行ESG申報；此外，協助台灣證券交易所建立ESG資料庫。而技術成果光學字元辨識與資訊擷取模組，則可衍生應用於其他產業各式文件的自動化處理，協助減少資料登打人力的成本，加速數位轉型。

討論討論再討論，工程師演算法修改修改再修改

一切都是為了在極短時間內完成比賽任務

從觀察整理資料

根據資料狀況做演算法設計

使用搜尋技術從永續報告書找出每個永續指標相關的頁面，並使用大型語言模型根據找到的頁面回答指標的答案。

指標生成架構，透過「詢問」、「自我驗證」和「選擇」的流程，產生永續指標內容。

網站首頁，供使用者上傳永續報告書 PDF 檔。

根據指標生成架構，產生報告書中的永續指標。

除了顯示永續指標，網站還會顯示出模型參考的頁面供使用者驗証。

上市公司需要處理龐大的永續報告書、年報和公司網站上的 ESG資訊，這也伴隨著在證交所的 ESG資訊申報和多種永續評鑑所需的挑戰。傳統上，公司需要耗費大量的時間和資源，指派員工進行問題回答，並進行繁瑣的人工重複性輸入，包括 29項關鍵指標，而未來預計擴充至96項指標，這將導致更大的人力負擔。

為了克服這些挑戰，我們研發了一套專業的ESG智慧提取 系統，這個系統結合了 ESG關鍵指標提取技術和Open AI生成式 AI模型的優勢。系統採用質化和量化提取方法，同時建立了關鍵詞生成方法，以滿足未來擴展關鍵指標的需求。此外，我們特別設計了一個直觀的前端介面，使企業能夠輕鬆上傳現有的企業 ESG報告。系統會自動識別文件，提取符合 ESG關鍵指標的數據，然後整理成Excel數據格式，使企業能夠方便地使用報表內容進行申報。

最重要的是，ESG智慧提取系統 能夠提供對企業 ESG數據的改善建議，這為企業帶來了雙重好處。不僅能夠輕鬆完成申報，還能夠獲得寶貴的 ESG改善指導和建議，有助於提升其 ESG績效。這個系統的優勢在於節省時間和資源、提升申報 效率、加強 ESG評估和改善，以及構建積極的企業形象。這些成果有助於實現可持續發展目標，並激勵企業更積極地關注 ESG議題，以實現社會、環境和經濟的共同利益。

ESG資料上傳介面

分析結果列表，狀態可以看是否還在進行指標提取。

29項關鍵 指標數據 ，使用者可以進行修正，修正完可進行下載。

系統流程圖

1.針對本次解題成果，團隊緊扣出題方痛點進行拆解，包含商圈腹地廣大，如何有效預測天母商圈客流量，並進行相應導客規劃；另外是否能運用有限數據了解商圈客群特性，推薦消費者合適店家與提供商家決策資訊。

2.依此前提下，團隊嘗試分成三大構面拆解問題，包含客流分析、客群輪廓剖析與分群與輿情資訊探索，客流分析上團隊運用透過商家點位經緯度轉址，將商家點位投射於地理圖資中，並採視覺化方式呈現分布位置，標示商圈相應熱區且對個別熱區進行分析。

3.另外客群輪廓剖析與分群，團隊則試圖運用有限的雲端發票數據將商家資訊，交易時間，消費類別進行類別轉置及加值處理，萃取商家及消費趨勢，預期應用相關資訊於人流預測及商家輿情分析，並進一步探索天母商圈中的客群特性。

4.最後，針對輿情探索項目，透過爬蟲技術取得對應商家評論資料，提供商圈店家//消費者最新的評論資訊，此外亦可透過區域劃分商家，並聚合近NN天內店家評論狀況，統計區域內商家相對排名，亦可結合大眾討論趨勢，做為商家經營決策參考。

5.綜整上述解題成果整合於視覺化儀錶板上，使未來商圈店家甚或消費者能快速掌握商圈特性與人流分布，有效規劃商圈發展與導客策略。

期中審查建議討論

視覺化呈現方式討論

程式開發實際場景

期末審查成果對焦

我們利用較使用率較高的LINE開發，設計簡單容易完成的任務遊戲，讓原本的消費變得更有趣進而讓天母更年輕；再透過完成任務送獎品的方式，讓天母協會更接近消費者進而讓天母更活絡

美食排排站德行東路

天母官方QRCode

元氣天母西

店家QR Code