學生端
- 建立 AI 與健康資料應用能力
- 強化跨域溝通與轉譯能力
- 完成 Capstone 原型場域驗證
- 提升智慧照護職場即戰力
由淺入深,從工具操作到原型應用
健康資料、飲食資料、互動紀錄。理解資料來源與意義。
清理、標記、分類、視覺化。運用資料整理與視覺化工具。
生成式 AI、影像辨識、健康風險平台。練習 AI 工具與平台應用。
NLP、影像辨識、AIoT、預測模型。建立基礎 AI 模型概念。
AI 陪伴流程、餐盤影像標記、風險提醒。設計與開發原型應用。
業師點評、使用者回饋、滾動修正。驗證並持續優化。
培養懂照護、懂營養、懂 AI 應用轉譯的人才。
以真實場域問題為核心,培養跨域整合與 AI 應用轉譯能力。
訪談照護人員與長者,盤點真實問題。
以使用者為中心,定義關鍵問題。
蒐集健康、飲食、互動等資料並進行標記。
選擇合適 AI 模型與技術,設計解決方案。
開發功能原型與介面雛形。
邀請業師提供專業回饋與建議。
實際場域試用,驗證可行性與穩定性。
優化原型,進行成果展示與發表。
下列為規劃中的原型方向,尚非已完成系統;串接陪伴、攝食、風險與決策資料。
記錄對話內容與情緒變化,提供主動關懷與情緒支持。
透過影像辨識與估算技術,量化攝食量與營養素攝取。
依 IDDSI 標準進行質地辨識與風險評估,作為降低嗆咳風險的輔助。
整合健康、營養與照護資料,提供個人化決策建議。
建立可教學、可實作、可驗證的人才育成模式。
節律追蹤
輔助量化
預警
產出與驗證
具備跨域整合力、AI 應用力與場域問題解決力的智慧照護轉譯人才。