合作案例與成果
不只上過一堂課，而是看得到的改變
每個案例都寫清楚背景、問題、做了什麼、結果與限制；數據來自課後問卷與實際專案，不誇大、不臆造。
累計成果
- 98.2 分 課後滿意度（新竹國泰綜合醫院）
- 36+ 企業內訓與工作坊場次
- 88+ 合作機構
- 5 橫跨產業別（企業／醫療／政府／學校／非營利）
案例
企業內訓案例
新竹國泰綜合醫院護理科：半天工作坊，學會用 AI 做簡報
依護理科的實際工作情境設計教學範例，課後整體滿意度 98.2 分，94.6% 學員表示最大收穫是學會用 AI 製作簡報。
- 98.2 分 課後整體滿意度
- 94.6% 學會用 AI 製作簡報
- 80.4% 更有效率完成簡報
- 背景
- 醫療院所（新竹國泰綜合醫院護理科），課後問卷可公開統計，56 份有效問卷
- 問題
- 護理人員日常需要製作簡報（衛教、交班、單位報告），但多數學員不熟悉如何用 AI 輔助簡報製作，效率偏低
- 介入
- 依護理科實際工作情境設計半天工作坊教學範例，帶學員實作用 AI 製作簡報，並在實作環節逐一確認每位學員的進度
- 結果
- 課後整體滿意度 98.2 分（Likert 10 分制換算）；94.6% 學員表示最大收穫是「學會用 AI 製作簡報」，80.4% 認為「更有效率完成簡報製作」
- 限制
- 數據為單場工作坊（2026 年 4 月）的課後問卷結果，反映的是滿意度與自評效率提升，非後續實際工作產出的長期追蹤
技術實績（前公司專案）
遊戲結果影像辨識：從規則式改用 CNN，開發時程減少五分之四
判斷問題根源是「每款遊戲重寫一次規則」的做法本身沒有效率，改用 CNN 影像辨識模型，讓同一套模型泛化到不同遊戲。
- 4/5 開發時程減少
- 1 套 模型泛化到不同遊戲
- 背景
- 前公司的遊戲結果影像辨識系統，原本用 OpenCV 寫規則式辨識邏輯
- 問題
- 環境一有變化，規則式辨識的容忍度就明顯下降；每開發一款新遊戲都得重新寫一套規則、重新測試，維護辨識邏輯耗費大量人力
- 介入
- 判斷問題根源是「每款遊戲重寫一次規則」的做法本身沒有效率，而非規則寫得不夠細，於是改用 CNN 影像辨識模型，讓同一個模型架構泛化到不同遊戲的道具偵測
- 結果
- 辨識正確率提升，且不必再為每款新遊戲重新開發辨識邏輯，開發時程減少五分之四
- 限制
- 因保密考量隱去公司名稱、遊戲類型與確切數據期間；「五分之四」是同一類型新遊戲上線前後的開發時程比較，不代表所有影像辨識場景都能得到相同幅度的縮減
技術實績（前公司專案）
串流監控系統遷移 Kubernetes：從 POC 到全面部署
主動替場域端的痛點做出 POC，把真實需求和解法對接起來，讓系統從單一場域全面部署到所有串流服務。
- POC 主動提出並驗證可行性
- 全面部署 從單一場域擴大到所有串流系統
- 背景
- 前公司的串流監控系統，原本部署在 VM 上，決定遷移到 Kubernetes
- 問題
- 系統牽涉長時間連線、斷線重連、延遲控制與訊息推播分發，遷移到 K8s 後多了一層原本由 MIS 負責的路由轉接，團隊以軟體工程師為主，對網路與系統層設定不熟悉，卡在架構轉換上
- 介入
- 自學網路路由邏輯，定位問題根因並自行設定 K8s 環境下的路由轉接；再把場域端的真實需求和 POC 對接起來，由場域端出面推動專案
- 結果
- 原本卡住的架構轉換得以繼續推進，系統從單一場域全面部署到所有串流系統
- 限制
- 因保密考量隱去公司名稱、系統規模與確切遷移時程；路由問題的解法是特定於該公司網路環境的設定，不代表所有 K8s 遷移都會遇到相同卡點
合作過的機構
累計 36 場以上演講、企業內訓與工作坊，88 個以上合作機構、19 個教學主題，橫跨企業、醫療、政府、學校與非營利五種組織文化。
企業
Acer、VMware、安達人壽、盛群半導體、騰雲科技、瑞嘉科技、六角學院、五倍學院、創奇數位行銷、出奇整合廣告、恩奕互動娛樂、宸品股份有限公司、全豪科技、洤銘國際培訓、台灣印書館、穆德室內設計、真程旅行社、黑沃咖啡、格蕾國際有限公司、啟旭彩色印刷股份有限公司、隨意鳥地方餐飲集團、新萬仁化學製藥股份有限公司、裕寶國際股份有限公司
醫療院所
台北醫學大學、新竹國泰綜合醫院、嘉南療養院、長慎診所
政府與公部門
數位發展部數位產業署、高速公路局、中小企業總會
學校與學術單位
台灣大學、臺灣師範大學、東華大學、中國科技大學、羅東高中、德育護理健康學院
非營利組織
慈濟基金會、天使心基金會、智障者家長協會、Right Plus 多多益善、AMT亞太行銷數位轉型聯盟協會／A_College、T-Cross／失親兒福利基金會
出版與得獎
- 2024：著作《AI 職場超神助手》，2024 年 11 月天瓏書店單月暢銷榜冠軍
- 2025：Biodesign 北醫創業中心創新提案第二名
- 2023：人工智慧學校創新專題競賽第一名
- 2022：Taipei Women in Tech Honorees