用研究級的嚴謹方法，解決 AI/ML、訊號處理、時序與頻域分析、臨床醫療資訊與量化策略上「別人解不動」的硬問題。 Rigorous quantitative methods for the hard problems others can't crack.
從原始生理訊號到臨床可用的決策系統，以符合研究標準的方式驗證每一步。
在高雜訊環境中萃取微弱目標訊號，建構即時、可部署的處理鏈，如腦波(EEG)、金融資料等。
以頻域、時頻與統計方法，看見時間序列裡別人忽略的結構。
把研究想法工程化為穩健、可重現、可上線的系統。
依問題的階段與規模，選擇最合適的合作方式——全部採 專案制 計費，範圍與交付物在開始前一起定義清楚。
針對特定技術難題提供方向評估、方法選型與決策建議，以少量投入快速釐清可行性與風險。
在投入完整開發前，先以可重現的實驗驗證關鍵技術與假設，用最小成本確認「這條路走得通」。
打造最小可行產品，用最短路徑把核心價值做成能實際使用、可拿去驗證市場的雛形。
完整承接專案，從問題定義、方法設計到系統交付一手包辦，產出穩健、可維護、可上線的成果。
以持續合作的方式深入你的團隊與場域，提供穩定的技術支援、迭代與共同研發。
次世代定序（NGS）影像背景雜訊高、目標訊號微弱，傳統方法難以穩定分離。
設計客製化降噪演算法，結合針對該訊號特性最佳化的 AI 模型。
客製化 AI 降噪相較既有傳統方法基準的訊號品質提升。
長照場域需要即時、低誤報的跌倒偵測，並能在邊緣裝置上穩定運行。
建構即時 AI 跌倒監測系統，從感測到告警的完整處理鏈。
邊緣裝置即時運行下的跌倒事件偵測準確率。
大班普通物理教學難以因材施教，學生之間的學習落差持續擴大。
打造個人化 AI 家教系統，依學生狀態動態調整教學路徑。
導入個人化 AI 家教後，目標學生的期末成績提升。
我們把每個案子當成一個研究問題：先把它定義清楚、設好基準，再用可重現的流程，把方法工程化為能真正上線的系統。
把模糊的需求收斂成可量測、可驗證的問題。
從文獻與基準出發，設計合適的量化方法與評估指標。
以研究級嚴謹度驗證，確保結果可重現、可解釋。
將方法工程化為穩健、可維護、可部署的系統。
交大電子物理與理學院學士班雙學士，台大生醫電子與資訊學研究所碩士。 曾任聯發科（MediaTek）IC 設計工程師與OpenAI AI Trainer，後於哈佛醫學院與 BIDMC 擔任研究員。 專注於 AI 訊號處理、醫學應用與企業 AI 轉型——擅長把研究級的方法，落地成可交付的系統。
串接專業夥伴，補齊數位與硬體整合需求——從量測驗證、AIoT 到工業電子，把研究級方法延伸為完整的軟硬體交付。
告訴我們你卡在哪裡。第一次對話，我們會一起把問題定義清楚——這通常是最有價值的一步。
