Kan
您好，我目前是一名計算機背景的研究生，研究領域主要聚焦於聯邦學習、醫療影像分割與隱私保護技術。我致力於開發能兼顧精度與隱私的 AI 模型，並善用開源工具與公共數據集實現可重現的研究。
同時，我也在製造業公司實習，參與基於工業影像的品質檢測系統開發，將學術研究中的 AI 模型應用於實際產線環境。期望未來能持續在醫療與工業領域中推動可信賴的 AI ，並透過開源社群與更多開發者交流、成長。
Hi! I'm currently a graduate student with a background in computer science. My research focuses on federated learning, medical image segmentation, and privacy-preserving machine learning. I’m passionate about building reproducible AI systems using open-source tools and public datasets, especially for privacy-aware healthcare applications.
Alongside my academic research, I’m also interning in the manufacturing industry, working on industrial image-based quality inspection systems. I'm interested in bridging academic AI with real-world deployment in both healthcare and industrial settings. Looking forward to connecting with more developers and researchers in the open-source community!
Beitrag
作為一名計算機背景的研究生，我的研究起點並非人工智慧或醫學影像分割。面對深度學習與模型訓練的複雜流程，初期我經常陷入對技術門檻的焦慮與迷惘。然而，開源社群與工具的存在，讓我有機會一步一步地從零開始，實作並建立自己的 AI 研究專案。
本次分享將從一位非 AI 專業新手的視角出發，介紹我如何運用公開醫學數據集、PyTorch 框架、GitHub 上的開源模型（如 Vision Mamba UNet），搭建出一個適合科研實驗的醫療影像分割方案。整個過程中，我透過反覆閱讀文件、參考他人開源程式碼、加入討論社群，逐步累積實作經驗，也學會如何在資源有限的情況下完成一個科研任務。
聚焦於「如何從開源入門 AI」、「開發過程中遇到的挫折與收穫」、「新手常見的誤區與解法」等實際經驗。希望這段歷程能鼓勵更多對 AI 有興趣、但尚未踏出第一步的學生與開發者：你不需要面對從零打造一切的茫然，只要學會善用開源資源，就能走得遠、走得穩。