Goh Kun Ming

Data · Platform penyelidikan

Policy Intelligence

Mac 2025 – Kini

Data sejarah, dihubungkan untuk penerokaan yang teliti.

Platform penyelidikan keselamatan sejarah dan dasar awam yang boleh dihasilkan semula, menggabungkan saluran data, pembelajaran mesin, analisis geospatial, paparan graf dan carian semula terkawal. Bahagian pelayan FastAPI dan papan pemuka React menyokong penerokaan agregat. Projek melaporkan perkaitan, bukan kesan sebab-akibat dasar, dan tidak mendakwa mutu model tanpa data berlesen serta hasil versi tetap.

• FastAPI
• React
• Kejuruteraan Data
• RAG

Di dalam binaan ini

• Membina panel negara-tahun 1996–2021 yang menghubungkan hasil kejadian dengan penunjuk tadbir urus.
• Melaksanakan label tahap keterukan korban yang adaptif melalui pengelompokan dan peraturan sandaran deterministik.
• Mengkonfigurasi Regresi Logistik, Random Forest dan Extra Trees dengan prapemprosesan serta penjejakan eksperimen bersama.
• Menghasilkan 12 notebook penyelidikan meliputi mutu data, ramalan, model, graf, carian semula dan pemantauan.
• Menetapkan had respons API dan perlindungan yang mengehadkan penggunaan kepada penyelidikan sejarah secara agregat.

Penyelidikan · Projek awam

Cross-Site RF Drone Detection and Classification

Mei 2026 – Ogo 2026

Penyelidikan pengelasan frekuensi radio merentas lokasi, dengan batas penilaian yang didokumenkan dan tanpa dakwaan pelaksanaan.

Kajian tentang kebolehan pengelas dron berasaskan frekuensi radio membuat generalisasi merentas lokasi pengumpulan. Ia membandingkan perwakilan isyarat dan memisahkan pengesanan dron daripada pengelasan identiti yang diketahui. Penilaian yang dilaporkan tidak melepasi semua syarat rentas lokasi; prestasi bebas lokasi, kesediaan penerbitan dan pelaksanaan operasi tidak didakwa.

Di dalam binaan ini

• Mengaudit 1,253 rakaman aktif di empat lokasi dan mengasingkan sesi yang tidak sah.
• Menukar rakaman kepada tetingkap isyarat serta perwakilan PSD/STFT yang konsisten.
• Mendaftarkan terlebih dahulu penilaian lokasi yang diasingkan, ambang dan kriteria penerimaan tanpa penalaan pada lokasi tersebut.
• Membandingkan PSD, STFT dan perwakilan gabungan dengan anggaran ketidakpastian berkelompok.
• Menilai kes identiti diketahui dan tidak diketahui secara berasingan.
• Mendokumenkan syarat penerimaan yang gagal serta batas pelaksanaan operasi dan generalisasi.

Penyelidikan · Projek awam

Multi-Modal Low-Altitude Drone Detection and Digital Twin

Apr 2026 – Ogo 2026

Penyelidikan pengesanan kamera peristiwa dan pembangunan antara muka sensor; rekod awam membezakan eksperimen luar talian daripada kesediaan sistem masa nyata.

Kajian pengesanan kamera peristiwa bersama integrasi antara muka sensor peristiwa, terma dan RF, serta pengesan RGB berasingan. Hasil model yang dilaporkan hanya melibatkan cabang kamera peristiwa luar talian; sensor lain bukan input gabungan yang dipelajari. Kesediaan kamera secara langsung dan sistem gabungan yang beroperasi belum dibuktikan.

Di dalam binaan ini

• Mengintegrasikan tiga antara muka sensor dan mendokumenkan input, output serta batas penyerahan model.
• Menukar 231 jujukan FRED kepada 630,340 bingkai timbunan peristiwa kausal dengan pembahagian mengikut jujukan.
• Mengaudit anotasi, imej, kotak terunjur dan jubin imej sebelum penilaian.
• Membandingkan larian latihan YOLO dan RF-DETR serta konfigurasi imej bercantum.
• Memilih tetapan operasi yang menukar sebahagian ketepatan pengesanan dengan pengurangan positif palsu.
• Mendokumenkan masa GPU luar talian, batas penapis hujan dan ketiadaan pengesahan sistem secara langsung.

Penyelidikan · Projek awam

Satellite-to-Simulation Data Pipeline

Apr 2026 – Ogo 2026

Saluran penyelidikan untuk menyelaraskan anotasi imej, menjejak asal usul dan menyemak kualiti data segmentasi.

Saluran imejan satelit bertadbir yang menukar pelbagai jenis anotasi kepada output segmentasi, pengelasan dan konteks. Projek menggabungkan pemetaan label yang konsisten, ciri terbitan geometri dan semakan mutu yang boleh dijejak untuk menyediakan data bagi penyelidikan berkaitan simulasi.

Di dalam binaan ini

• Menyeragamkan anotasi raster, COCO, XML, TXT dan GeoJSON tanpa menerima label kabur secara senyap.
• Menyediakan 13,487 sampel segmentasi dan 56,096 baris pengelasan daripada 14 direktori akar set data.
• Menyeragamkan satu kelas latar belakang dan 19 kelas latar hadapan.
• Menerbitkan komponen geometri, sisi topologi dan ciri konteks.
• Menghasilkan log asal-usul, inventori berstruktur, laporan peringkat dan 117 pratonton semakan mutu visual.
• Menyemak penjajaran imej-topeng serta kebocoran imej pendua, sambil mengasingkan data yang tidak dapat dibaca.

Penyelidikan · Projek awam

Tri-Modal Runway Inspection and Abnormality Detection

Apr 2026 – Ogo 2026

Kajian pemeriksaan simulasi yang membandingkan strategi sensor dan penggabungan, dengan batasan jelas terhadap penggunaan operasi.

Kajian pemeriksaan landasan secara simulasi yang membandingkan strategi pengesanan dan gabungan RGB, terma serta LiDAR. Sampel UE5/AirSim menyokong eksperimen yang boleh dihasilkan semula dan semakan asal-usul. Diagnostik pra-audit yang dilaporkan menunjukkan kegagalan pengesanan, maka projek dibentangkan sebagai kajian dan bukan sistem pemeriksaan yang sedia digunakan.

Di dalam binaan ini

• Merakam 1,442 sampel simulasi dalam 14 keadaan dengan anotasi retakan dan lubang.
• Membezakan output model terma daripada pengesanan berasaskan peraturan.
• Membandingkan strategi satu sensor, pasangan sensor dan gabungan tiga sensor.
• Memisahkan jujukan latihan dan penilaian, dengan penalaan terhad kepada data latihan.
• Menganggarkan ketidakpastian melalui analisis pensampelan semula bootstrap berkelompok mengikut jujukan.
• Menjejak artifak mentah dan keputusan penghalaan serta merekodkan batas yang ditemui semasa penilaian.

AI · Projek awam

YOLO Leaf Object Detection Pipeline

Jul 2026

Penyediaan dan pengesahan set data untuk pengesanan daun; data yang disediakan tidak membuktikan prestasi pengesan terlatih.

Aliran kerja pengesanan daun yang boleh dihasilkan semula, menggabungkan PlantVillage, PlantDoc dan sampel negatif sukar yang dijana. Ia menyediakan dan mengesahkan data, mengkonfigurasi latihan YOLO serta menyediakan antara muka eksport dan inferens pelayar. Tiada pemberat terlatih atau hasil penilaian terasing yang disimpan membuktikan ketepatan, kependaman atau kesediaan produksi pengesan.

Di dalam binaan ini

• Menyediakan 57,164 imej dan 63,225 kotak dalam pembahagian latihan, pengesahan dan ujian yang deterministik.
• Menukar anotasi Pascal VOC kepada koordinat YOLO ternormal.
• Menjana nama fail yang mengelakkan pertembungan antara set data sumber.
• Mengesahkan pasangan imej-label, ID kelas, koordinat dan kebocoran antara pembahagian sebelum latihan.
• Mengkonfigurasi tiga calon YOLO, laluan ujian asas latihan berskala terhad dan antara muka eksport ONNX.
• Memisahkan ujian alat set data daripada penyediaan data luaran dan latihan GPU.

Keselamatan · Projek awam

Sentinel Endpoint Framework (SEF)

Jun 2025 – Jun 2026

Pemantau titik akhir tempatan dengan pemeriksaan kunci fizikal, kawalan PIN, rekod audit dan pemulihan di bawah kawalan pengguna.

Pemantau titik akhir setempat dan papan kawalan berasaskan Rust yang menggunakan kehadiran kunci fizikal, kawalan dilindungi PIN dan rekod audit. Ia menyokong penyelenggaraan boleh balik serta pemulihan di bawah kawalan pengguna, dengan pelaksanaan sandaran Python semasa migrasi. Modul perlindungan lanjutan masih berupa reka bentuk pratonton di luar pemantau mod pengguna yang telah dilaksanakan.

Di dalam binaan ini

• Melaksanakan pengundian kehadiran kunci, tempoh kelonggaran dan permintaan kunci yang gagal secara selamat.
• Menambah pengesahan PIN bergaram, sesi kebenaran singkat dan pemulihan kunci-dahulu yang memerlukan kunci fizikal.
• Membina papan pemuka localhost untuk pendaftaran kunci dipercayai, status perlindungan dan kawalan penyelenggaraan.
• Merekodkan perubahan keadaan kunci, konfigurasi, kebenaran dan peristiwa pemulihan.
• Membungkus kawalan permulaan Windows yang boleh dibalikkan serta mengehadkan keadaan dasar jangka panjang.
• Membezakan tujuh keluarga kawalan pratonton daripada ciri terlaksana melalui model ancaman yang jelas.

AI · Prototaip tindanan penuh

VeggieAI

Jan 2026 – Feb 2026

Penglihatan komputer bertemu aplikasi web yang berguna.

VeggieAI menghubungkan pengelasan imej sayuran dengan carian harga, sejarah berautentikasi dan panduan perbualan. Aplikasi web Flask menggunakan perkhidmatan model berasingan yang disokong daftar model. Dua pakej model yang boleh dimuatkan semula secara konsisten didokumenkan, tetapi artifak latihan dan penilaian tersimpan belum menyokong dakwaan ketepatan atau kependaman pada data penilaian terasing.

• Python
• Flask
• Penglihatan Komputer
• Docker

Di dalam binaan ini

• Memisahkan aplikasi web dan perkhidmatan inferens kepada susunan bekas dengan dua imej.
• Menentukan kontrak berbeza bagi model empat label dan lima label dengan prapemprosesan khusus model.
• Mengesahkan manifes, label, laluan pakej dan jumlah semak sebelum penyediaan perkhidmatan.
• Menolak bentuk imej, saluran dan profil penormalan yang tidak serasi sebelum inferens.
• Menguji antara muka kesihatan, metadata dan ramalan melalui ujian asas perkhidmatan.
• Mengekalkan integrasi OpenAI, Roboflow, e-mel dan model jauh sebagai pilihan yang perlu dikonfigurasi secara jelas.

Komuniti · Projek awam

RAG-Powered Food Waste Reduction System

Okt 2025 – Feb 2026

Konsep chatbot pengurangan sisa makanan kampus yang dibangunkan melalui pemikiran reka bentuk, pandangan peniaga dan analisis kebolehlaksanaan.

FoodBot ialah konsep chatbot sisa makanan kampus yang dibangunkan melalui pemikiran reka bentuk, pandangan peniaga dan analisis kebolehlaksanaan. Ia meneroka panduan penyediaan makanan untuk peniaga serta keputusan pelupusan yang lebih baik bagi pelajar dan kakitangan, menggunakan masa, lokasi, corak sisa dan kalendar akademik. Ia masih cadangan, bukan perkhidmatan aktif atau hasil pengurangan sisa yang diukur.

Di dalam binaan ini

• Menganalisis corak sisa makanan kampus serta jurang operasi dalam pendekatan sedia ada.
• Mempertimbangkan peniaga, pekerja pembersihan dan pengguna semasa merangka masalah peringkat sistem.
• Menggunakan rangka kerja S.P.I.C.E. untuk mengkaji faktor pendorong tingkah laku.
• Membangunkan persona dan konsep interaksi chatbot yang memerlukan usaha rendah.
• Menggariskan panduan penyediaan makanan, arahan pelupusan dan dorongan tingkah laku.
• Menghubungkan cadangan dengan penggunaan bertanggungjawab serta matlamat kelestarian kampus.

Data · Papan pemuka kerja kursus

Student Risk Analytics

Jan 2026 – Feb 2026

Memudahkan pemahaman corak kohort.

Aplikasi Dash interaktif untuk meneroka prestasi pelajar, kehadiran, tinjauan dan corak kohort. Ia menggabungkan data sumber menjadi gambaran semester terkini serta paparan semakan yang telus. Ambang GPA dan kehadiran yang boleh dikonfigurasi menyediakan heuristik sokongan keputusan bukan diagnostik; ia tidak membuktikan faktor risiko sebab-akibat atau keberkesanan intervensi.

• Python
• Dash
• Statistik
• Visualisasi

Di dalam binaan ini

• Menggabungkan profil pelajar, keputusan, tinjauan dan kod kursus, serta menyeragamkan label tempoh untuk penapisan.
• Mewujudkan gambaran semester terkini dan tiga tahap semakan yang boleh dikonfigurasi.
• Membina paparan kohort, trend, aliran risiko, faktor sokongan dan keutamaan.
• Memaparkan penapis dan ambang supaya penyemak dapat melihat perubahan pengelompokan.
• Menyemak kontrak buku kerja, pertindihan pengecam, data hilang dan pendua.
• Mendokumenkan konfigurasi aplikasi yang boleh dihasilkan semula serta mengesahkan fungsi bantuan analisis.

AI · Projek awam

Trip Safety Prediction System

Jan 2026 – Feb 2026

Aplikasi pengelasan perjalanan luar talian yang membezakan ramalan kelompok berasaskan model daripada output heuristik bagi rekod tunggal.

Aplikasi Windows luar talian yang menukar rekod sensor kenderaan kepada kelas keselamatan peringkat perjalanan menggunakan saluran pokok keputusan terbina. Ramalan kelompok menggunakan kontrak ciri yang jelas, manakala output satu rekod ditandakan sebagai sandaran heuristik. Inferens yang boleh dihasilkan semula ditunjukkan, tetapi bahan tersimpan belum membuktikan mutu ramalan pada data penilaian terasing.

Di dalam binaan ini

• Mengesahkan penanda nilai hilang, ketepatan GPS, bearing dan medan angka yang diperlukan.
• Menerbitkan 19 ciri peringkat perjalanan meliputi tempoh, pergerakan, kelajuan dan mutu sensor.
• Menghasilkan output kelompok SAFE atau DANGEROUS berasaskan model dengan label sumber inferens.
• Memisahkan pengagregatan seluruh perjalanan daripada mod heuristik satu rekod.
• Membungkus model dan aset antara muka menjadi fail boleh laksana Windows.
• Menyemak pembersihan, pengagregatan, penyimpanan, aliran desktop dan inferens berpakej melalui ujian automatik.

Data · Projek awam

Wage Modelling & Regression Analysis

Okt 2025 – Feb 2026

Kajian regresi kerja kursus yang menggabungkan penerbitan analitik, penurunan kecerunan dan semakan kebolehulangan.

Kajian regresi telus menggunakan data upah dan contoh kecil kerja lebih masa yang diterbitkan. Ia menghubungkan terbitan analitik, pelaksanaan kecerunan menurun dari awal, penskalaan ciri dan semakan silang statistik. Penambahbaikan yang dilaporkan berkaitan penumpuan pengiraan, bukan generalisasi ramalan; contoh dua ciri hanya mengandungi sepuluh baris terbitan.

Di dalam binaan ini

• Melaksanakan model regresi melalui asalan, pintasan-dan-kecerunan serta dua ciri dalam Python.
• Penerangan projek di LinkedIn melaporkan perbandingan sepuluh kadar pembelajaran bersama melalui 20 padanan deterministik.
• Penerangan projek di LinkedIn melaporkan pengurangan lelaran penumpuan daripada 173 kepada dua dan daripada 401 kepada 59 dalam toleransi ralat yang dinyatakan.
• Menyemak silang objektif padanan dengan rujukan kuasa dua terkecil bentuk tertutup dan Minitab.
• Menambah ujian kebolehulangan dan perlindungan, bersama terbitan serta sumber laporan yang didokumenkan.

Data · Projek awam

Driver Safety Analytics Platform

Okt 2025 – Dis 2025

Saluran data keselamatan pemandu yang menggabungkan pengesahan, kejuruteraan ciri, pemodelan dimensi dan pelaporan analitik.

Saluran kejuruteraan data keselamatan pemandu yang memindahkan rekod pemandu, sensor dan label keselamatan daripada kawasan pementasan MySQL melalui pemprosesan Python dan PySpark ke gudang skema bintang. Ia menyediakan data serta artifak Power BI untuk analisis penerokaan, dengan orkestrasi baris perintah selamat dan semakan luar talian tanpa mendakwa skala produksi atau kesan keselamatan.

Di dalam binaan ini

• Memodelkan dimensi pemandu dan sensor perjalanan yang dipautkan kepada label keselamatan peringkat tempahan.
• Menggunakan penyeragaman skema, penyahduaan, pengendalian nilai hilang dan pengesahan berasaskan peraturan.
• Menerbitkan magnitud pecutan, kadar perubahan pecutan, agregat perjalanan dan penunjuk tingkah laku.
• Melaksanakan diagnostik IQR dan pembinaan semula PCA untuk rekod sensor luar biasa.
• Menambah pengesahan persekitaran, larian percubaan dan akses pangkalan data langsung yang perlu diaktifkan secara pilihan.
• Mengekalkan notebook, SQL, artifak Power BI serta dokumentasi seni bina, privasi dan operasi.

Data · Papan pemuka kerja kursus

HDB Resale Explorer

Okt 2025 – Dis 2025

Menerokai data di sebalik kediaman Singapura.

Saluran analisis pasaran sedia Tableau yang meneroka kemampuan memiliki, nilai dan pertimbangan lokasi flat jualan semula HDB Singapura. Pembersihan yang boleh dihasilkan semula serta pengayaan geospatial menyokong set data sah dan papan pemuka berpakej. Ukuran pasaran mengekalkan tempoh masa yang dinyatakan, membezakan perubahan tahun ke tahun daripada pertumbuhan jangka panjang.

• Python
• Pembersihan Data
• Papan Pemuka
• Singapura

Di dalam binaan ini

• Menyeragamkan label bandar, jalan, jenis flat, tingkat, model dan pajakan.
• Membetulkan anomali keluasan lantai yang didokumenkan serta membuang rekod pendua.
• Mengesahkan set data kanonik dan diperkaya yang mengandungi 202,461 serta 216,695 baris.
• Menerbitkan medan harga per keluasan, pajakan, tempoh transaksi dan konteks lokasi.
• Membina buku kerja Tableau untuk perbandingan bandar, jenis flat dan keperluan isi rumah.
• Mengekalkan notebook, metodologi, nota sumber data, laporan dan bahan pembentangan.

Di dalam projek

3 imej

AI · Projek awam

Multimodal Property Price Prediction System

Okt 2025 – Dis 2025

Prototaip penilaian hartanah yang menggabungkan penyenaraian berstruktur dengan isyarat teks dan imej pilihan, dengan penilaian komponen yang terhad skopnya.

EstateScope AI ialah prototaip penilaian hartanah AS berasaskan Flask yang menggabungkan penyenaraian berstruktur dengan isyarat teks dan imej pilihan. Ia menyokong sejarah ramalan, antara muka analisis, perbualan perumahan dan tadbir urus model. Komponen teks mempunyai penilaian terasing berskop jelas, tetapi bukti setanding tentang peningkatan multimodal atau ketepatan produksi belum tersedia.

Di dalam binaan ini

• Menyediakan set latihan, pengesahan dan ujian teks yang diasingkan untuk mengelakkan kebocoran.
• Menilai komponen teks pada 1,517 contoh terasing dengan artifak model versi tetap.
• Memaparkan anggaran setiap modaliti dan hanya mempuratakan input yang tersedia semasa inferens.
• Mengesahkan jumlah semak, pemuatan dan keserasian model tersimpan.
• Membina antara muka trend dan taburan berhad dengan sejarah berautentikasi.
• Mendokumenkan promosi model, pengunduran versi, kesihatan bekas dan bukti penilaian multimodal yang belum tersedia.

Kreatif · Projek awam

Data Storytelling on AR Gaming Pilot with Current Affairs Insights

Jul 2025 – Ogo 2025

Papan pemuka Power BI dan pembentangan pasukan yang menggunakan maklumat demografi serta permainan untuk membincangkan lokasi perintis.

Penceritaan data Power BI dan pembentangan pasukan yang mencadangkan lokasi bagi perintis permainan realiti terimbuh. Analisis demografi, kebolehcapaian dan permainan menyokong cadangan, dengan Matlamat Pembangunan Mampan terpilih sebagai konteks tugasan kursus.

Di dalam binaan ini

• Membangunkan cerita data yang meyakinkan daripada analisis terdahulu.
• Memperhalus papan pemuka Power BI, petunjuk visual dan aliran naratif.
• Membandingkan bukti demografi, kebolehcapaian dan tingkah laku permainan untuk Catch & Go.
• Menyampaikan pembentangan pasukan selama 15 minit serta menjawab soalan pihak berkepentingan.
• Mencadangkan lokasi perintis Singapura dan menghubungkan cadangan dengan Matlamat Pembangunan Mampan terpilih.

Kreatif · Projek awam

Diploma in Applied AI & Analytics Promotion Video

Jul 2025 – Ogo 2025

Video promosi diploma yang meneroka penceritaan berfokuskan khalayak, pemilihan platform dan penciptaan kandungan digital yang bertanggungjawab.

Video promosi pendek yang memperkenalkan Diploma dalam AI Gunaan dan Analitik kepada penonton berumur 16–21 tahun. Projek menggabungkan penceritaan berfokuskan penonton, pemilihan platform dan penciptaan kandungan digital yang bertanggungjawab.

Di dalam binaan ini

• Menghasilkan video yang memperkenalkan diploma kepada penonton muda.
• Menggunakan rangka kerja PAC dan HoMA untuk membina cerita serta pembukaan yang menarik.
• Menilai platform media sosial untuk penonton sasaran.
• Mempertimbangkan hak cipta, atribusi dan penggunaan alat AI secara bertanggungjawab.
• Menjelaskan pilihan kreatif, pendekatan promosi dan etika digital dalam sesi soal jawab.

AI · Eksperimen buku nota

Handwritten Character Lab

Jul 2025 – Ogo 2025

Membandingkan cara rangkaian neural menghasilkan sesuatu.

Makmal pemodelan generatif untuk 16 kelas EMNIST Letters terpilih, mengekalkan notebook kursus bersama alat Python boleh guna semula. Ia meneroka lapan keluarga GAN serta peluasan variasi atau bersyarat. Alat penilaian disediakan, tetapi titik semak tersimpan dan hasil berbilang benih belum menetapkan model yang terbaik.

• Pembelajaran Mendalam
• GANs
• EMNIST
• Penilaian

Di dalam binaan ini

• Mengkonfigurasi input skala kelabu, vektor laten dan tetapan eksperimen yang konsisten serta boleh dihasilkan semula.
• Melaksanakan lapan keluarga GAN bersama peluasan variasi dan bersyarat.
• Menambah alat FID, KID, kepelbagaian, keruntuhan mod dan analisis pembenaman.
• Penerangan projek di LinkedIn melaporkan pengesahan bilangan sampel, nilai terhingga, dimensi dan struktur kovarians sebelum pengiraan metrik.
• Mendokumenkan batas pengekstrak ciri imej semula jadi untuk huruf tulisan tangan kecil.
• Mengekalkan notebook asal dan bahagian penyelidikan tanpa output, dengan ujian prapemprosesan serta integriti.

Perisian · Projek awam

Newspaper Restoration System using Prefix Tries

Jul 2025 – Ogo 2025

Alat pemulihan teks yang meneroka pemulihan aksara bebas, cadangan padanan kabur, penyelenggaraan kosa kata dan visualisasi pepohon awalan.

Kit alat baris perintah Python yang boleh dijelaskan untuk memulihkan teks akhbar sejarah yang tidak lengkap. Setiap kad bebas mewakili satu aksara hilang, dengan carian trie awalan, cadangan tersusun dan carian kabur membantu pemulihan. Pemeriksaan visual dan semakan automatik menerangkan tingkah laku tanpa mendakwa ketepatan pemulihan terukur pada korpus penanda aras.

Di dalam binaan ini

• Melaksanakan strategi pemulihan kad bebas tepat, subpokok dan jarak suntingan.
• Menyusun cadangan tepat dan kabur secara deterministik.
• Menambah penyuntingan awalan dan akhiran secara kelompok dengan penyimpanan kosa kata kekal.
• Memvisualisasikan topologi trie, hubungan persamaan dan struktur kejadian bersama.
• Memisahkan penyimpanan, pengendalian fail, pemulihan, graf dan interaksi konsol kepada komponen yang boleh diuji.
• Menyediakan aliran kerja CLI untuk penyuntingan, carian, pemprosesan kelompok, visualisasi dan pemulihan.

AI · Eksperimen buku nota

Pendulum Learning Lab

Jul 2025 – Ogo 2025

Mempelajari kawalan melalui percubaan, ganjaran dan penilaian.

Makmal pembelajaran pengukuhan yang membandingkan Standard, Double, Dueling dan Rainbow DQN pada Pendulum-v1. Tork berterusan dipetakan kepada tindakan diskret, dengan komponen ulang tayang, latihan, penilaian dan penalaan boleh guna semula. Pelaksanaan ujian asas setempat dibezakan daripada kajian penuh; kelebihan ganjaran berbilang benih yang sepadan dan kestabilan kawalan tidak didakwa.

• Pembelajaran Pengukuhan
• DQN
• Python
• Pengoptimuman

Di dalam binaan ini

• Memetakan tork berterusan kepada julat tindakan diskret bagi pembelajaran berasaskan nilai.
• Mengkonfigurasi eksperimen berbenih dengan penimbal ulang tayang, pemanasan dan kemas kini rangkaian sasaran.
• Menambah ulang tayang berkeutamaan dan output taburan untuk Rainbow DQN.
• Menyediakan ringkasan ganjaran, analisis lengkung pembelajaran, pelaksanaan dasar tamak dan paparan perbandingan.
• Memisahkan larian ujian asas terhad daripada konfigurasi kajian penuh 500 episod.
• Mengesahkan alat eksperimen dan integriti notebook sambil mendokumenkan ketiadaan larian berbilang benih yang sepadan.

Kreatif · Projek awam

AI-Powered Haiku Generator

Apr 2025 – Mei 2025

Alat haiku baris perintah yang menggabungkan transformasi perkataan, penjanaan rantai Markov, semakan suku kata dan narasi audio pilihan.

Alat haiku baris perintah yang menggabungkan transformasi perkataan, penjanaan Markov peka suku kata dan narasi pilihan. Projek meneroka bagaimana peraturan bahasa yang jelas dan penjanaan terhad boleh menghasilkan puisi 5–7–5 yang boleh dihasilkan semula.

Di dalam binaan ini

• Membina mod sinonim, sinonim terpendek, antonim dan permutasi kelompok dengan pengendalian tanda baca serta huruf besar.
• Melaksanakan penjanaan Markov peka suku kata dengan cubaan semula terhad dan kaedah sandaran untuk struktur 5–7–5.
• Menambah narasi WAV pilihan yang disusun daripada klip audio peringkat perkataan.
• Memisahkan baris bertoken, pengindeksan kata kunci, pengiraan suku kata, carian tesaurus, penjanaan haiku dan pengendalian fail kepada enam abstraksi.
• Mengesahkan input baris perintah dan ketersediaan fail serta menambah 16 ujian dengan liputan 54%.
• Merekodkan contoh 5–7–5 deterministik daripada korpus 12 baris; ini menunjukkan laluan penjanaan dan bukannya mutu puisi secara umum.

AI · Projek awam

CNN Image Classification on Multi-Resolution Vegetable Dataset

Apr 2025 – Mei 2025

Perbandingan kerja kursus bagi seni bina konvolusi, resolusi imej dan penambahan data untuk pengelasan sayur-sayuran.

Kajian pengelasan imej sayuran yang membandingkan reka bentuk rangkaian konvolusi pada dua resolusi imej dan tetapan augmentasi. Ia menggabungkan pembaikan set data, prapemprosesan berulang dan penilaian hasil eksperimen terdahulu.

Di dalam binaan ini

• Membandingkan 11 kelas sayuran menggunakan input skala kelabu 23×23 dan 101×101, dengan serta tanpa augmentasi.
• Membetulkan nama direktori pengesahan/ujian dan imej lobak merah yang tersalah lokasi menggunakan fungsi bantuan dengan mod percubaan.
• Meneroka keluarga CNN Sequential, Functional, residual, gaya Inception dan boleh pisah mengikut kedalaman.
• Mendokumenkan carian Sequential terdahulu dengan ketepatan pengesahan 0.908 serta larian berasingan dengan ketepatan ujian kira-kira 94.2%; hasil ini tidak menetapkan seni bina terbaik secara universal.
• Menambah 13 ujian pada Python 3.11 dan 3.12, dengan liputan luas 48%.
• Merekodkan bilangan pembahagian set data dan artifak kebolehulangan yang tiada, termasuk pemberat model serta perbandingan berbilang benih.

Data · Projek awam

Location Recommendation for AR Mobile Game Pilot

Apr 2025 – Mei 2025

Analisis Power BI tentang demografi, kebolehcapaian dan tingkah laku permainan untuk memaklumkan cadangan lokasi perintis.

Projek cadangan lokasi Power BI bagi perintis permainan realiti terimbuh Catch & Go yang dicadangkan oleh Funtendo. Pasukan menggunakan maklumat demografi, mobiliti dan permainan untuk menerangkan lokasi calon di Singapura.

Di dalam binaan ini

• Menggabungkan set data demografi, pendapatan, kediaman, mobiliti dan permainan dalam analisis Power BI.
• Menghasilkan visualisasi untuk membandingkan kebolehcapaian, tingkah laku pemain dan pertimbangan penglibatan.
• Mencadangkan lokasi perintis di Singapura berdasarkan corak yang dikenal pasti dalam laporan.
• Merumuskan cadangan sebagai mesej utama ringkas serta justifikasi Matlamat Pembangunan Mampan.
• Membentangkan analisis melalui papan pemuka tiga halaman dan naratif sokongan.

AI · Projek awam

RNN-based Movie Review Sentiment Analysis

Apr 2025 – Mei 2025

Kajian ulasan filem yang membandingkan model berulang untuk pengelasan sentimen dan ramalan penarafan dengan data penilaian berasingan.

Kajian ulasan filem dwibahasa yang membandingkan rangkaian berulang untuk pengelasan sentimen dan regresi penarafan. Aliran kerja menekankan prapemprosesan bahasa Inggeris dan Melayu yang konsisten, pembahagian yang mencegah kebocoran serta penilaian yang sesuai dengan tugas.

Di dalam binaan ini

• Mewujudkan pembahagian latihan, pengesahan dan ujian 80/10/10 sebelum memadankan aliran kerja pemodelan.
• Membersihkan ulasan Inggeris dan Melayu melalui penukaran huruf kecil, pengendalian tanda baca, pembuangan kata henti, lemmatisasi, pentokenan dan penambahan pelapik.
• Menggunakan augmentasi berbenih hanya pada data latihan, menambah contoh pengelasan daripada 222 kepada 888 dan contoh regresi daripada 501 kepada 2,004.
• Membandingkan model SimpleRNN, LSTM dan GRU untuk sentimen binari serta ramalan penarafan berangka.
• Menilai pengelasan melalui ketepatan, kejituan, dapatan semula dan F1, serta regresi melalui metrik ralat dan padanan mengikut julat penarafan tanpa mendakwa seni bina terbaik.
• Menambah 22 ujian dengan liputan 55% dan mendokumenkan pembersihan skor hilang, pendua, ulasan pendek serta teks berulang.

Penyelidikan · Projek awam

Research Report on Quantum Computing as Green Technology for AI Model Training

Apr 2025 – Mei 2025

Perbincangan berasaskan literatur tentang pengkomputeran kuantum, latihan AI dan kelestarian; ini bukan penanda aras kecekapan tenaga yang diukur.

Laporan penyelidikan yang meneroka pengkomputeran kuantum sebagai teknologi hijau berpotensi untuk latihan AI. Ia meneliti penggunaan tenaga, kos, batas teknikal dan pilihan penggunaan melalui literatur terbitan, bukannya penanda aras eksperimen dengan beban kerja sepadan.

Di dalam binaan ini

• Meneliti literatur tentang pengkomputeran kuantum dan klasik untuk latihan model AI.
• Membandingkan pertimbangan tenaga, infrastruktur dan kos yang dilaporkan bersama batas teknikal.
• Menyusun peluang dan risiko melalui analisis SWOT serta perbincangan kesan alam sekitar.
• Menghubungkan laporan dengan SDG 9, 12 dan 13.
• Mencadangkan kajian penggunaan hibrid dan berasaskan awan, sambil menganggap manfaat kelestarian sebagai persoalan yang memerlukan bukti beban kerja setanding.

Komuniti · Projek awam

NUS HumanITy Challenge

Mac 2025 – Apr 2025

Cabaran inovasi kelestarian yang melibatkan idea teknologi, pertimbangan risiko dan reka bentuk penyelesaian secara kolaboratif.

Pengalaman pasukan finalis dalam NUS HumanITy Challenge, pertandingan kelestarian untuk peringkat prauniversiti. Projek memberi tumpuan kepada pembangunan penyelesaian berasaskan IT dan AI bagi masalah kelestarian dunia sebenar.

Di dalam binaan ini

• Membangunkan idea penyelesaian kelestarian menggunakan teknologi maklumat dan AI.
• Mempertimbangkan risiko pelaksanaan semasa memperhalus cadangan penyelesaian.
• Bekerjasama merentas disiplin untuk membentangkan cadangan finalis pasukan.

Data · Projek awam

Content Performance Analysis & Strategy Refinement

Jan 2025 – Feb 2025

Analisis penerokaan format kempen, waktu siaran dan corak interaksi, dengan rajah yang boleh dihasilkan semula.

Analisis pemerhatian terhadap prestasi kandungan sosial, menggunakan data hantaran terdahulu untuk memperhalus cadangan strategi pemasaran digital. Projek memisahkan corak penglibatan yang diukur daripada cadangan yang belum diuji dalam kempen susulan.

Di dalam binaan ini

• Menganalisis korpus 100 hantaran, 192 komen, 689 reaksi dan 8,208 tontonan, dengan semakan terfokus terhadap tujuh bahan kempen sepanjang 28 hari.
• Membandingkan format kandungan, hari dan masa penerbitan dengan tontonan, reaksi serta komen.
• Menggunakan peta haba, plot kotak, carta garis dan perbandingan berkelompok untuk menerangkan corak penglibatan.
• Mencadangkan perubahan jadual hantaran, seruan bertindak, tanda pagar dan kandungan berdasarkan data yang diperhatikan.
• Menambah 14 ujian kontrak regresi dan menyemak sembilan rajah yang dihasilkan semula untuk output yang sepadan bait demi bait.
• Mengekalkan dapatan sebagai pemerhatian; analisis tidak mengukur kesan sebab-akibat atau peningkatan selepas kempen.

AI · Eksperimen buku nota

Segmentasi pelanggan

Jan 2025 – Feb 2025

Meneroka kumpulan pelanggan melalui pengelompokan.

Aliran kerja segmentasi pelanggan yang membandingkan pendekatan pengelompokan bagi data umur, pendapatan dan perbelanjaan. Ia merangkumi pengesahan input, artifak model boleh guna semula dan ringkasan segmen yang boleh ditafsir untuk analisis pemasaran penerokaan.

• Python
• Pengelompokan
• PCA
• Penilaian

Di dalam binaan ini

• Mengesahkan pengecam pelanggan yang terhingga dan unik serta nilai kategori yang didokumenkan, dengan peraturan pencilan pendapatan 1.5×IQR.
• Menyeragamkan ciri umur, pendapatan dan perbelanjaan sambil menyimpan jantina untuk tafsiran selepas pengelompokan.
• Membandingkan K-Means, pengelompokan aglomeratif dan DBSCAN, dengan serta tanpa PCA.
• Membina aliran kerja K-Means enam segmen yang boleh dikonfigurasi dan menyimpan penskala, model, penugasan serta metriknya.
• Menilai skor siluet, Davies–Bouldin dan Calinski–Harabasz bersama inersia, serta menambah 15 ujian dengan liputan 95%.
• Mendokumenkan ketiadaan pengesahan luaran, kajian kestabilan dan peningkatan kempen yang diukur; segmen masih bersifat penerokaan.

Perisian · Projek awam

FitnessQuest Gamified Fitness Application

Okt 2024 – Feb 2025

Aplikasi kecergasan bergamifikasi dengan akaun, cabaran, misi, inventori dan kawalan aplikasi yang mengambil kira pemilikan sumber.

Aplikasi kecergasan bergamifikasi yang responsif, dibina menggunakan Express, MySQL dan antara muka JavaScript asli. Ia menghubungkan akaun pengguna, cabaran dan kemajuan permainan dengan semakan pemilikan yang jelas serta ujian aplikasi yang boleh diulang.

Di dalam binaan ini

• Membina pendaftaran, log masuk, profil, papan kedudukan, cabaran, ulasan, haiwan peliharaan, inventori, pertempuran, misi dan pencapaian.
• Melaksanakan aplikasi Express 5 untuk Node.js 22+, disokong MySQL 8.4, pengesahan JWT dan pengesahan data Zod.
• Menguatkuasakan pemilikan berdasarkan identiti JWT yang disahkan, bukannya mempercayai pengecam pengguna daripada klien.
• Menambah pencincangan kata laluan, pengepala keselamatan, had permintaan, pertanyaan berparameter dan respons ralat selamat.
• Memaparkan kandungan pengguna dengan textContent serta memisahkan migrasi pangkalan data dan tetapan semula ujian daripada masa jalan aplikasi.
• Mendokumenkan enam semakan API, tiga keselamatan dan enam pelayar; semakan terasing ini tidak membuktikan kebolehpercayaan produksi.

Data · Projek awam

Singapore Graduate Employment, Salary & Labour-Market Analysis

Jan 2025 – Feb 2025

Kajian pekerjaan dan gaji graduan menggunakan semakan kualiti data, pemodelan penerokaan dan perbandingan kumpulan yang telus.

Analisis pekerjaan graduan dan pasaran buruh Singapura yang menggabungkan pembersihan data, paparan deskriptif, pemodelan gaji dan pengelompokan. Projek meneliti corak pekerjaan dan pendapatan merentas kumpulan pendidikan serta penduduk.

Di dalam binaan ini

• Menyediakan aliran kerja bagi tujuh set data sumber, meliputi penukaran jenis, nilai hilang, pendua serta semakan pencilan IQR atau skor z.
• Menerbitkan ukuran jurang gaji dan kadar pekerjaan serta memetakan bidang pengajian.
• Menggunakan random forest untuk imputasi atau ramalan gaji bersama pengelompokan dan analisis deskriptif.
• Membandingkan corak merentas universiti, ijazah, tahun, industri, umur, jantina, pendidikan dan konteks penduduk.
• Menyemak tujuh notebook tanpa ralat tersimpan serta menambah 17 ujian dengan liputan 80% merentas Python 3.10–3.12.
• Mendokumenkan ketiadaan jadual sumber mentah, model terpadan, metrik penilaian terasing dan analisis ketidakpastian; hasilnya tidak membuktikan prestasi ramalan.

Data · Projek awam

Statistical Analysis of AI Industry Trends

Nov 2024 – Feb 2025

Penyiasatan statistik kerja kursus tentang arah aliran industri AI, dipersembahkan melalui carta dan poster penceritaan data.

Penyiasatan statistik tentang trend industri AI, dibentangkan sebagai poster penceritaan data. Kajian meneliti hubungan melibatkan pengkomputeran latihan, prestasi model, pengalaman, gaji dan penggunaan AI.

Di dalam binaan ini

• Meneroka set data dunia sebenar yang menerangkan industri AI.
• Menyiasat hubungan pengkomputeran latihan dengan prestasi model, serta pengalaman dengan gaji.
• Membandingkan corak gaji yang berkaitan dengan penggunaan AI melalui statistik deskriptif dan analisis kumpulan.
• Menggunakan ANOVA dan Tukey HSD bersama paparan korelasi serta regresi.
• Menyampaikan dapatan melalui poster A3 dengan plot kotak, histogram dan penerangan statistik sokongan.

AI · Eksperimen buku nota

Ramalan penggunaan utiliti

Jan 2025 – Feb 2025

Mengkaji corak bermusim penggunaan elektrik, gas dan air.

Kajian ramalan utiliti bulanan meliputi penggunaan gas, elektrik dan air. Aliran kerja membandingkan model siri masa statistik melalui penilaian mengikut kronologi serta mengesahkan struktur siri input.

• Python
• Siri masa
• ARIMA
• Penilaian

Di dalam binaan ini

• Menyediakan siri bulanan dengan transformasi log dan data penilaian mengikut kronologi, sambil mendokumenkan kesan pilihan membuang pencilan terhadap sela masa.
• Membandingkan model ARIMA, ARIMA ditala dan SARIMAX bermusim.
• Merekodkan konfigurasi terpilih gas ARIMA(18,2,9), elektrik SARIMAX(3,1,4)(5,1,6,12) dan air ARIMA(9,2,17).
• Menetapkan tempoh penilaian terasing dan ufuk ramalan 60 bulan dengan penilaian MAE, RMSE, R², varians terjelas serta MAPE.
• Mengesahkan nilai terhingga, tarikh bulanan berturutan dan ufuk ramalan, serta menolak bulan pendua atau hilang; menambah 43 ujian.
• Mendokumenkan ketiadaan siri mentah, model terpadan, ujian balik versi tetap, perbandingan garis dasar dan selang ramalan; tiada kesan operasi atau kelestarian yang dibuktikan.

Komuniti · Projek awam

NUS-Rightship Maritime Hackathon

Okt 2024 – Jan 2025

Hackathon maritim yang meneroka idea berasaskan AI dan data untuk operasi pelabuhan, pelepasan dan keselamatan kapal.

Projek pasukan untuk NUS–RightShip Maritime Hackathon 2025 yang berlangsung selama 24 jam. Cabaran melibatkan pembangunan idea berasaskan data dan AI bagi masalah operasi maritim global.

Di dalam binaan ini

• Mengusahakan cabaran maritim dalam format hackathon 24 jam.
• Meneroka pendekatan AI dan data untuk kecekapan pelabuhan, pelepasan serta keselamatan kapal.
• Menggunakan pembelajaran mesin, analitik dan penyelesaian masalah bersama dalam cadangan.

Penyelidikan · Projek awam

AI Ethics & Governance Survey Analysis

Okt 2024 – Nov 2024

Penerokaan berasaskan tinjauan tentang persepsi terhadap perundangan AI, ketelusan, perlindungan data dan tadbir urus.

Projek analisis tinjauan yang meneliti pandangan orang awam dan pakar tentang etika, perundangan serta tadbir urus AI. Papan pemuka Power BI menyampaikan kebimbangan dan keutamaan responden berkaitan SDG 16.

Di dalam binaan ini

• Menganalisis respons tinjauan tentang perundangan, etika dan tadbir urus AI.
• Meneliti ketelusan, undang-undang antarabangsa, perlindungan data, maklumat salah dan penggantian pekerjaan.
• Menggunakan statistik deskriptif untuk membandingkan dan menyusun keutamaan kebimbangan responden.
• Membina paparan Power BI untuk respons serta keutamaan tadbir urus.
• Mencadangkan ketelusan lebih tinggi, piawaian antarabangsa dan perlindungan privasi berdasarkan dapatan tinjauan.

Kreatif · Projek awam

Digital Marketing Strategy for Bubble Tea Brand

Okt 2024 – Nov 2024

Cadangan kerja kursus pemasaran menggunakan analisis persekitaran, rangka kerja campuran pemasaran dan perancangan perjalanan pelanggan.

Cadangan strategi pemasaran digital untuk jenama teh boba. Projek menghubungkan penyelidikan pelanggan, penentududukan dan pelan kandungan dua minggu berasaskan tawaran nilai “Kurang Tekanan, Lebih Boba.”

Di dalam binaan ini

• Menganalisis konteks perniagaan menggunakan STEEP, SWOT dan campuran pemasaran.
• Membangunkan profil pelanggan serta memetakan proses keputusan pembelian.
• Menentukan tawaran nilai dalam talian berasaskan minuman tersuai dan mutiara berperisa.
• Merancang tonggak kandungan, platform dan sasaran khalayak dalam kalendar editorial dua minggu.
• Menggariskan idea promosi berbayar dan belanjawan sebagai cadangan tanpa mendakwa hasil kempen yang diukur.

Data · Analisis kerja kursus

Peneroka iklan jawatan

Okt 2024 – Nov 2024

Meneroka corak di sebalik interaksi iklan jawatan.

Analisis penerokaan iklan pekerjaan LinkedIn yang memfokuskan gaji, ciri jawatan dan aktiviti permohonan. Aliran kerja membersihkan serta menggabungkan jadual sumber, menerbitkan ukuran perbandingan dan mendokumenkan cara notebook boleh dibina semula.

• Python
• Pandas
• Matplotlib
• Pembersihan Data

Di dalam binaan ini

• Menyediakan lima jadual sumber meliputi syarikat, gaji, aktiviti, aturan kerja, tempoh gaji, kekananan dan cap masa.
• Menerbitkan gaji tahunan, julat gaji, tempoh iklan serta nisbah permohonan kepada tontonan yang selamat bagi nilai sifar.
• Meneliti corak gaji, aturan kerja, kekananan, tempoh iklan, tontonan, permohonan, bayaran tahunan dan penukaran.
• Menggunakan penapisan gaji IQR serta semakan skor z pilihan untuk penerokaan pencilan.
• Menyusun notebook 234 sel kepada enam bahagian dengan pengesahan pembinaan semula baca sahaja dan ujian automatik.
• Mendokumenkan jadual sumber mentah yang tidak tersedia serta mengehadkan kesimpulan kepada analisis deskriptif iklan pekerjaan.

AI · Eksperimen buku nota

Ramalan kerosakan mesin

Okt 2024 – Nov 2024

Membandingkan model untuk pengelasan status mesin.

Kajian pengelasan ensemble untuk set data kerosakan mesin yang sangat tidak seimbang. Aliran kerja memisahkan latihan, pemilihan ambang dan penilaian akhir, serta melaporkan pertimbangan pengesanan kerosakan dan bukan ketepatan sahaja.

• Python
• Pembelajaran Mesin
• Pembelajaran ensembel
• Penilaian

Di dalam binaan ini

• Menyediakan 20,000 rekod dengan 678 kerosakan dan 2,579 sel hilang melalui prapemprosesan yang dipadankan pada data latihan.
• Menggabungkan penganggar pokok keputusan, random forest, gradient boosting, AdaBoost, K-jiran terdekat dan regresi logistik.
• Memisahkan 12,000 rekod latihan, 4,000 pengesahan ambang dan 4,000 ujian dengan benih rawak tetap.
• Memilih ambang keputusan 0.455 berdasarkan F1 pengesahan daripada 181 calon.
• Melaporkan kejituan ujian terasing 0.5932, dapatan semula 0.7721 dan F1 0.6709, mengesan 105 daripada 136 kerosakan ujian dengan 72 positif palsu.
• Menambah 17 ujian serta mendokumenkan batas penilaian satu set data tanpa susunan masa; pengesahan kilang luaran dan penentukuran belum dibuktikan.

AI · Eksperimen buku nota

Makmal harga rumah

Okt 2024 – Nov 2024

Meneliti model harga rumah berbanding garis dasar mudah.

Kajian regresi ensemble menggunakan set data perumahan kelas sebanyak 545 baris. Projek menerbitkan ciri hartanah, membandingkan pemberat model melalui pengesahan silang dan menyimpan set ujian berasingan untuk penilaian.

• Python
• Regresi
• Pembelajaran ensembel
• Penilaian

Di dalam binaan ini

• Menyediakan set data merentas lima bandar dan tiga kategori pengubahsuaian, tanpa nilai hilang atau pengecam pendua.
• Menerbitkan peramal jumlah bilik, keluasan setiap bilik tidur, nisbah tandas kepada bilik tidur dan keluasan tingkat sambil mengecualikan pengecam serta harga daripada input.
• Menggunakan imputasi, penskalaan dan pengekodan one-hot yang dipadankan dalam setiap lipatan untuk mengelakkan kebocoran prapemprosesan.
• Membandingkan empat calon pemberat ensemble melalui pengesahan lima lipatan pada 436 baris latihan, lalu memilih ensemble Ridge, random forest dan gradient boosting berwajaran 2:1:1.
• Menilai 109 baris ujian terasing: R² 0.5353, MAE 113,249.95 dan RMSE 153,267.51, dengan ralat lebih rendah daripada garis dasar median.
• Menambah 19 ujian serta mendokumenkan ketiadaan pengesahan luaran, selang ramalan dan analisis subkumpulan; projek kekal sebagai kajian kelas.

Data · Projek awam

Water & Energy Consumption Analysis of Shopping Mall

Okt 2024 – Nov 2024

Papan pemuka Power BI yang meneroka penggunaan air dan elektrik pusat beli-belah, arah aliran dan perbandingan mengikut kategori.

Analisis Power BI terhadap penggunaan air dan elektrik selama lima tahun di Prestige Mall. Papan pemuka menyokong perbincangan tentang corak penggunaan sumber dan kemungkinan peningkatan kecekapan.

Di dalam binaan ini

• Menganalisis data air dan elektrik pusat beli-belah selama lima tahun.
• Membina paparan interaktif untuk trend penggunaan, kategori dan perubahan tahun ke tahun.
• Menggunakan peta pokok, carta garis, carta bar dan carta air terjun untuk menerangkan dapatan.
• Menghubungkan analisis dengan SDG 6 dan SDG 7.
• Mencadangkan peningkatan kecekapan melalui penceritaan data tanpa mendakwa penjimatan sumber yang diukur.

Keselamatan · Projek awam

GovTech AI Capture-The-Flag

Okt 2024

Penyertaan dalam pertandingan keselamatan AI yang melibatkan penyelarasan pasukan dan penyelesaian masalah berasaskan cabaran.

Penyertaan pasukan dalam pertandingan Singapore AI Capture-The-Flag anjuran GovTech. Pengalaman menggabungkan penyelesaian masalah teknikal dan penyelarasan merentas pelbagai cabaran AI serta keselamatan siber.

Di dalam binaan ini

• Menyertai pertandingan Singapore AI Capture-The-Flag anjuran GovTech CSG.
• Menangani cabaran gaya jeopardy merentas tujuh domain.
• Memimpin penyelarasan pasukan serta penyelesaian masalah bersama dalam suasana pertandingan.

Penyelidikan · Projek awam

Fairness of Meritocracy in Singapore

Apr 2024 – Ogo 2024

Perbahasan berasaskan penyelidikan yang meneliti akses pendidikan, peperiksaan, biasiswa serta kekuatan dan batas meritokrasi.

Perbahasan berasaskan penyelidikan tentang keadilan dan meritokrasi dalam sistem pendidikan Singapura. Projek membina hujah berstruktur sambil meneliti kekuatan serta batas peperiksaan, biasiswa dan pembelajaran sepanjang hayat.

Di dalam binaan ini

• Menyelidik bagaimana meritokrasi berfungsi melalui sistem pendidikan Singapura.
• Meneliti peperiksaan, biasiswa dan peluang pembelajaran sepanjang hayat menggunakan sumber yang dirujuk.
• Menyediakan hujah pihak pencadang dengan contoh sokongan dan alasan berstruktur.
• Membangunkan hujah balas serta sanggahan tentang batas hasil meritokrasi.

Komuniti · Projek awam

Resolution to Unequal Education Opportunities

Jun 2024 – Ogo 2024

Cadangan yang meneliti pembelajaran dalam talian sebagai tindak balas terhadap ketidaksamaan akses pendidikan, termasuk kebolehlaksanaan dan batas akses digital.

Cadangan menangani ketidaksamaan peluang pendidikan melalui platform sumber pembelajaran dalam talian percuma. Projek meneroka halangan sosioekonomi dan menilai batas praktikal pendekatan akses digital.

Di dalam binaan ini

• Menyiasat halangan sosioekonomi terhadap peluang pendidikan.
• Mencadangkan platform percuma untuk sumber pembelajaran, nota dan kertas soalan contoh.
• Menggunakan SCAMPER dan kaedah pemikiran komputasional termasuk penguraian, pengecaman corak, pengabstrakan serta reka bentuk algoritma.
• Memetakan aliran kerja yang dicadangkan melalui carta alir.
• Mempertimbangkan kebolehlaksanaan, kebolehskalaan, akses digital dan keperluan infrastruktur tanpa mendakwa hasil pendidikan yang telah dilaksanakan.

Awan · Projek awam

Website Deployment on AWS EC2 with WordPress

Apr 2024 – Ogo 2024

Pelaksanaan WordPress di awan untuk kerja kursus menggunakan pelayan Ubuntu, tindanan LAMP dan konfigurasi pangkalan data.

Latihan kursus pengehosan awan yang memasang WordPress pada instans AWS EC2 berasaskan Ubuntu. Projek merangkumi persediaan pelayan, rangkaian, konfigurasi pangkalan data dan pemasangan aplikasi web.

Di dalam binaan ini

• Menyediakan instans Ubuntu 22.04 EC2 dan memasang susunan Linux, Apache, MySQL serta PHP.
• Mengkonfigurasi akses pentadbiran SSH melalui PuTTY dan memperuntukkan Elastic IP.
• Mewujudkan pangkalan data MySQL serta keistimewaan pengguna yang diperlukan oleh WordPress.
• Mengkonfigurasi Apache, PHP dan kebenaran sistem fail aplikasi.
• Menguji laman kursus melalui DNS IPv4 awamnya pada masa itu; ketersediaan laman secara langsung pada masa kini tidak didakwa.

Penyelidikan · Projek awam

Application of Artificial Intelligence in Driving

Apr 2024 – Jun 2024

Cadangan penyelidikan yang membincangkan AI untuk keselamatan pemanduan, bersama pertimbangan kos, kesaksamaan, privasi dan keselamatan.

Pembentangan penyelidikan yang meneroka kemungkinan aplikasi AI untuk keselamatan pemanduan bagi menyokong SDG 3.6. Cadangan menimbang kemungkinan teknikal bersama pertimbangan kos, berat sebelah dan keselamatan.

Di dalam binaan ini

• Menyelidik pendekatan AI yang berpotensi menyokong keselamatan jalan raya serta pencegahan kemalangan.
• Membincangkan sistem autonomi, pemantauan langsung dan analitik ramalan sebagai pendekatan berpotensi.
• Menerangkan peranan penglihatan komputer, pembelajaran mesin, rangkaian neural, pembelajaran mendalam dan data sokongan.
• Membandingkan kemungkinan manfaat dengan cabaran kos, berat sebelah serta keselamatan.
• Mencadangkan pertimbangan pelaksanaan bertanggungjawab termasuk keadilan algoritma; projek tidak mendakwa kenderaan yang telah dilaksanakan atau peningkatan keselamatan terukur.

Komuniti · Projek awam

NTU-GAIP Insurance Case Competition 2024

Jun 2024

Cadangan pertandingan kes insurans yang meneroka sokongan AI, pengesanan penipuan dan penetapan harga dengan pertimbangan tadbir urus bertanggungjawab.

Cadangan berfokuskan AI untuk NTU–GAIP Insurance Case Competition 2024. Kes ini mempertimbangkan cara menambah baik sokongan pelanggan, pengesanan penipuan dan penetapan premium sambil mengambil kira tadbir urus bertanggungjawab.

Di dalam binaan ini

• Menyelidik peluang AI untuk cadangan pertandingan kes insurans.
• Meneroka aplikasi sokongan pelanggan, pengesanan penipuan dan premium dinamik.
• Mempertimbangkan kebolehlaksanaan bersama keperluan etika.
• Menangani privasi, berat sebelah dan tadbir urus bertanggungjawab dalam pendekatan yang dicadangkan.

Penyelidikan · Cadangan kesedaran

Cadangan kesedaran belia

Okt 2022 – Nov 2022

Pembentangan Boys’ Brigade tentang kesedaran belia dan kewaspadaan komuniti.

Pembentangan Kesedaran Global Boys’ Brigade yang mencadangkan bengkel belia tentang risiko radikalisasi, literasi digital dan kewaspadaan komuniti. Projek merekodkan cadangan pencegahan berasaskan penyelidikan, bukan program yang telah dijalankan atau kesan yang diukur.

• Penyelidikan
• Literasi digital
• Komuniti
• Kesedaran risiko

Di dalam binaan ini

• Menyelidik risiko radikalisasi dalam talian dan luar talian bagi pembentangan kesedaran belia.
• Menggariskan bengkel pendidikan untuk mengenali kandungan membimbangkan, mendapatkan bantuan dan bertindak dengan selamat.
• Menghubungkan tema intervensi awal dengan literasi digital serta kewaspadaan komuniti.
• Mempertimbangkan sensitiviti, risiko pelaksanaan dan langkah mitigasi yang mungkin.
• Merancang peranan, tenaga kerja, kerjasama dan keperluan sumber untuk bengkel yang dicadangkan.

Penyelidikan · Pracetak arXiv · 2025

Quantum–Classical GANs

Eksperimen di persimpangan dua dunia pengkomputeran.

Pracetak arXiv saya pada 2025 menerokai litar kuantum hingar sebagai taburan prior pendam dalam model generatif, dengan membandingkan GAN klasik dan hibrid kuantum-klasik.

• Pengkomputeran Kuantum
• Qiskit
• GANs
• Penyelidikan

Di dalam binaan ini

• Membandingkan varian hibrid dengan 3, 5 dan 7 qubit menggunakan simulasi Qiskit.
• Menilai sampel binary-MNIST yang dijana menggunakan FID dan KID.
• Melaporkan bahawa garis dasar klasik menunjukkan prestasi terbaik dalam eksperimen ini.

Penyelidikan · Pracetak arXiv · 2025

Residual Learning Study

Memahami bagaimana sambungan pintas membantu rangkaian mendalam.

Pracetak arXiv 2025 yang ditulis bersama Xingyu Liu, mengkaji sambungan residual melalui perbandingan ResNet-18 dengan CNN mendalam konvensional pada CIFAR-10.

• Penglihatan Komputer
• ResNet
• CIFAR-10
• Penyelidikan

Di dalam binaan ini

• Mengkaji peranan sambungan residual dalam aliran kecerunan.
• Membandingkan tingkah laku latihan dan keputusan pengelasan pada CIFAR-10.
• Mendokumentasikan pelaksanaan dan penilaian dalam pracetak awam.