研究領域
FAILab 主要研究核心是以資料科學及人工智慧為技術核心，並引入如大型語言模型(LLM)及聯邦式學習(Federated Learning)等新技術進行研發及應用。研究團隊除資訊技術研發外，也針對行為理論、企業導入及數位轉型等管理議題進行探討；建構「資訊」與「管理」整合議題提升企業進行智慧化轉型
智慧轉型
流程智慧化
企業仍存在過多人工及重複性作業行為，可透過智慧化工具如RPA或是AI機制 將可協助企業進行流程智慧化，並運用AI進行流程監控及優化。
AI代理人
基於企業作業流程或客戶服務打造任務型AI代理人；我們將運用生成式AI與企業流程進行整合建構專屬AI代理人
大型語言模型
底層運作建構
多模態資料處裡
模型Fine-Tuning (SFT、LORA、Alignment)
RAG建立
相關企業服務串接及應用開發
資料保護隱私技術
聯邦式學習框架 (Federated Learning)
水平、垂直機制建立 (Horizontal and Vertical)
傳輸效率優化及平行運算(Resource Allocation and Optimization)
可稽核性聯邦式學習(Auditable Federated Learning)
資訊安全聯邦式學習(Security-based Federated Learning)
資料科學及人工智慧
自動化資料/模型生態系
- 資料治理/模型治理框架建立
- 自動化學習框架 – 建構模型大軍
深度學習/機器學習
- 時間序列分析 – 運用如RNN、LSTM預測客戶的下一步行為
- 圖探勘學習 – 建構圖拓樸運用Graph mining及Graph Neural Network進行分析提升關聯性資訊之運用
金融科技
數據整合
解決跨產業資料使用困境，在保護隱私機制下建構可分析的跨產業資料
單一登入機制驗證
建構金控層跨單位單一登入機制，並基於不同風險設計驗證機制
大數據及人工智慧應用
建構客戶單一視圖，基於客戶行為運用人工智慧方式進行預測，可應用於異常偵測及Next Action。
運動科技-羽球
使用者軟體設計
建構以客戶為體驗之羽球APP。
訓練優化
援等場景，提升模型準確度與智能化程度。
合作夥伴
歡迎企業洽談合作！
© Copyright FAILab. All Rights Reserved
Built by FAILab