09/08/2025 –, TR412-2
生成式AI (Generative AI) 正以前所未有的速度重塑資訊處理與決策模式，Gartner預測超過80%企業將部署GenAI應用。然而，如何高效駕馭此浪潮，洞察瞬息萬變的技術趨勢，成為關鍵挑戰。本演講將分享如何完全基於開源技術棧，從零開始打造一個全自動化技術趨勢分析系統，透過數據驅動發掘前瞻洞見，賦能開發者與企業精準把握未來技術脈動。
核心議題：
🔹 開源數據管線建構：我們將演示如何利用 Selenium、Crawl4ai 等開源爬蟲框架，高效採集技術論文、產業報告與會議資訊，並整合 Bigquery 實現海量異構數據的統一儲存、高效檢索與深度分析。重點分享數據獲取策略與Schema設計考量。
🔹 GenAI 智能分析工作流：重點介紹如何基於開源 AI 應用開發平台 Dify，設計並部署一套可擴展的 GenAI 工作流。此工作流整合 GPT-4o、Gemini 2.5 Pro 等前沿模型，自動完成數據清洗、特徵提取、模型推理至結構化技術洞察報告生成。探討Prompt工程、模型選擇與成本效益優化技巧。
🔹 互動式趨勢可視化：展示如何結合 spaCy 的 NLP 功能（如命名實體識別、語義關聯分析）與 ECharts 等開源視覺化函式庫，打造動態交互儀表板。與會者將學習如何實現即時數據篩選、趨勢演變追蹤及多維度語義關聯可視化，讓複雜趨勢一目了然，洞察隱藏關聯。
🔹 開源社群協作與迭代：分享本開源項目如何藉由社群力量，收集回饋、迭代功能、提升效能，並探討開源協作模式如何加速技術創新與應用普及，鼓勵聽眾參與共建，共同提升專案的實用性與影響力。
本演講旨在為希望利用開源力量掌握技術脈動的開發者、研究員與決策者提供一套實戰指南與可複製的解決方案。
開發者、工程師、普羅大眾
Niveau de difficulté:中階
熱衷於 AI 應用與技術創新的工程師，擁有紮實的機器學習與深度學習背景。研究所期間專注於 YOLO 與學生行為辨識模型的開發。畢業後加入國泰金控，主導醫療收據 OCR 系統建置，涵蓋資料前處理、繁體中文 PaddleOCR 模型訓練，以及表格文字解析演算法設計，大幅提升醫療單據辨識準確度與處理效率。
近年專注於大型語言模型（LLM）應用開發，熟悉 Dify、Langchain 等框架，成功打造多項智慧化應用，包括「自動排會議助手」、「保單查詢 RAG 系統」及「新聞趨勢整理工具」。目前積極投入 AI Agent 與 Model Context Protocol（MCP）技術研究，持續關注最前沿的 AI 趨勢，致力於實現技術快速落地與高效整合。