軟體維護/客製化： 針對不同客戶提出的要求，在現有架構上進行客製化修改。 將TensorFlow 1相關程式升級至TensorFlow 2。 將TensorFlow模型轉換為TensorRT提升推論速度。 深度學習建模： 建立側顱X-Ray影像分割模型。 建立胸部X-Ray肺部檢測模型。 建立顯微影像下的細胞偵測計數與分類模型。 建立image style transfer模型。 建立CycleGAN模型。 建立瑕疵檢測模型。 深度學習講師： 提供有需求的客戶進行基礎觀念教學，以及撰寫相關範例程式。 開發輔助工具： 導入Grad-CAM，分析分類、檢測模型是否在正確位置上有較高的反應，用來評估模型訓練好壞。 模型優化/改良： 在原始模型上加入SENet、CBAM、DropBlock等論文技術，在測試資料中使得漏檢率從0.3808%降低至0.3046%。

E-CAP Inspection： 與數位多媒體部門合作，使用IP Camera，開發電容極性檢測演算法。 開發傳統影像處理演算法，使得極性檢測達到90%準確度。 開發Deep Learning技術與tracking演算法，達到100%準確度。 Anormal detection： 建立深度學習模型分析公司歷年數據，利用預測結果鑑別異常資料。