在當今數據驅動的時代，人工智慧（AI）已成為推動創新和效率提升的核心動力。因此，確立明確的學習目標至關重要：首要之務在於深入理解AI的核心技術，包括機器學習、深度學習、自然語言處理及電腦視覺等關鍵領域。這不僅意味著掌握理論知識，更包含學習各種演算法、模型架構以及它們在不同場景下的應用潛力。進一步的目標是將所學的AI技術實際導入既有的或全新的平台系統中。這涉及到如何評估平台需求，選擇合適的AI模型進行整合，並優化其性能以解決實際問題，例如提升使用者體驗、自動化重複性任務、實現智能分析與預測等。最終目標是讓AI技術不僅停留在理論層面，更能轉化為平台的核心競爭力，創造實質價值，並為後續的廣泛應用和參與更高級別的挑戰打下堅實基礎，例如開發能應對複雜需求的智能解決方案，或賦予平台自主學習與適應的能力。 

學習AI技術的最終目的在於實踐與創造價值。顯著的學習成果體現在能成功地將AI模型與演算法整合進實際的平台或資訊系統中。這包括為電商平台導入智能推薦系統以達到破百使用者、在客服系統中整合自然語言處理技術以實現智能問答、或是在生產流程中應用電腦視覺進行瑕疵檢測。成功的整合不僅證明了對AI技術的掌握，也直接提升了平台的效能與使用者體驗。更進一步，應將所學的AI知識進行更廣泛的運用，積極參與國內外的AI相關競賽，例如Kaggle競賽、台灣人工智慧學校的挑戰賽或是各類黑客松活動。參與競賽不僅能在真實的數據集和問題場景中檢驗並提升模型建構、數據處理和算法調優的能力，還能與來自不同背景的優秀人才交流學習，開闊視野，激發創新思維。從競賽中獲得的經驗和成果，也能反過來豐富和深化在平台系統中AI應用的深度與廣度。 我們也運用所學參加大專院校募資平台，運用結合AI視覺的專案獲選。