研究領域
AIX Lab 主要研究核心是以資料科學及人工智慧為技術基礎，並引入大型語言模型（LLM）、AI 代理人、圖機器學習、隱私保護資料分析等技術進行研發與應用。研究團隊除資訊技術研發外，也關注企業導入、流程改善、智慧營運與智能轉型等管理議題，期望建構「資訊技術」與「管理應用」整合之研究方向，協助企業與組織推動智慧化升級與數位轉型。
智慧轉型與流程智慧化
企業在日常作業中仍存在許多人工、重複性與跨系統流程，可透過流程自動化、RPA、資料分析與人工智慧輔助機制，協助企業改善作業效率與管理品質。本研究團隊關注流程智慧化、流程監控、異常偵測、決策支援與營運改善，並探討智慧化技術導入後對企業流程、服務模式與組織管理的影響。
AI 代理人與大型語言模型應用
本研究團隊聚焦 AI 代理人與大型語言模型於企業場域中的導入與應用，結合生成式 AI、企業知識庫、RAG、模型微調、多模態資料處理與流程系統串接，建構具任務導向能力的智慧應用服務。研究內容包含資料查詢、文件處理、流程輔助、決策支援與客戶互動等應用，並探討其在企業智能轉型中的實務價值。
資料保護與隱私技術
在跨組織與跨產業資料應用情境中，如何兼顧資料隱私、安全性與可稽核性，是資料分析與模型訓練的重要課題。本研究團隊以聯邦式學習（Federated Learning）為主要技術基礎，探討水平式與垂直式聯邦式學習框架、傳輸效率優化、平行運算、資源配置、模型訓練效率、可稽核聯邦式學習，以及資訊安全導向之資料共享機制，協助企業在不直接交換原始資料的情況下，進行跨域資料分析與模型建構。
資料科學及人工智慧
本研究團隊以資料科學、機器學習與深度學習為基礎，發展資料分析、模型建構、自動化學習與模型治理相關方法。研究內容包含資料前處理、模型訓練、模型評估、資料治理、模型治理、時間序列分析與預測模型等，並應用於客戶行為分析、異常偵測、風險評估、智慧推薦與企業決策支援等情境。
圖機器學習
圖資料能有效描述人、物件、事件與組織之間的關聯。本研究團隊聚焦圖探勘、圖神經網路、圖對比學習、圖推薦系統、社群網路分析與多層圖結構分析等議題，探討如何透過圖結構提升關聯資訊的表徵與預測能力。應用場域包含推薦系統、社群網路、風險偵測、交易分析、團隊組成、資訊安全與企業關係資料分析。
運動科技
本研究團隊關注人工智慧與資料分析技術在運動訓練、競賽分析與運動表現提升上的應用。研究內容包含運動影像辨識、動作分析、時間序列預測、訓練資料紀錄、戰術與策略分析、選手表現評估與智慧化訓練輔助系統。本研究團隊以羽球等運動場域為基礎，結合影像、感測、比賽紀錄與行為資料，協助教練與選手進行訓練優化與決策分析。