接案工作

開始收到案件通知

地區

系統鞋櫃訂製

輸入關鍵字找案件

地區

"系統鞋櫃訂製" 相關案件

- 共1175件

木工施工

曾〇涵

台北市大安區

施作預算：5千-2萬

木作類型：其他: 一個展示櫃用的平台

8/16

木工接案

木工工作

木工師傅

1. 已交屋之房屋 2. 我有初步的設計構想 3. 皆可討論 4. 沒有 5. 台北市,大安區

描述： 1. 一個展示櫃用的平台 2. 類似棧板的平台，長寬高約119x78x9公分，數量兩個，希望製作完成後能送到指定地點 3. https://d24o4k0vdyt0z8.cloudfront.net/quote.user.uploads/20250816/eb715e5d6bc5150f0ccde2d8426813cc5c07ccd39b503acd5a8aedb05ce30468bbca241b04c579cf5559006453a341f8854a6c8596c82eb41c1a20ceed6ecff0.jpg,https://d24o4k0vdyt0z8.cloudfront.net/quote.user.uploads/20250816/6fb46965477325a35d03232c4fd178b6b39cdd7976ad8adfba859ecfb00a0cd769c5fc6ac5fa492009bd9554a7432513169926a9e7a70d73ba12d42a001337c2.pdf

我要接單

找專家

鐵工

Judxxx

新北市新莊區

服務需求：維修/焊接

8/16

鐵工

鐵工師傅

師傅

1. 鐵門 2. 居家住宅 3. 請專家製作/提供並安裝 4. 皆可討論 5. 沒有

描述： 1. 鐵門的框和牆被地震震壞了需要修補

我要接單

找專家

木工施工

蔡〇覺

台北市松山區

施作預算：5萬-10萬

木作類型：木作天花板

8/16

木工接案

木工工作

木工師傅

1. 現居住房屋 2. 我有初步的設計構想 3. 皆可討論 4. 沒有 5. 台北市,松山區

描述： 1. 室内天花板有設計圖

我要接單

找專家

藤椅修理

林〇玲

桃園市大園區

數量：2件

8/16

搶先接洽

1. 維修 2. 單人藤椅 3. 沒有 4. 桃園市,大園區

描述： 2. 維修藤椅

我要接單

找專家

拆除工程

何〇姐

台北市松山區

拆除項目：系統櫃拆除

8/16

粗工

裝潢工

室內設計工作

1. 小於10坪 2. 有電梯 3. 2-5樓 4. 僅需要拆除工程 5. 皆可討論

描述： 2. IKEA床邊櫃拆除（目前固定於床邊需要移動床架進行拆除）

我要接單

找專家

監視器安裝

LIUxxx

桃園市桃園區

是否購買器材：需要向專家購買器材並協助安裝

8/16

1. 住宅 2. 網路監視器（NVR系統） 3. 1支 4. 室外 5. 8-10公尺

描述： 1. 希望一萬左右

我要接單

找專家

木工施工

呂〇航

高雄市三民區

施作預算：25萬-50萬

木作類型：隔間、牆面,木作天花板,木地板,訂製木門、家具,拆除原有裝潢並清運,木作其他工程

8/16

木工接案

木工工作

木工師傅

1. 系統櫃,櫃子,床,架子 2. 已交屋之房屋 3. 我有初步的設計構想 4. 皆可討論 5. 沒有

描述： 1. 案場位於9樓樓中樓（一層面積約20坪、二層約12坪），需新增夾層（新增面積約4坪）

我要接單

找專家

軟體開發

邱〇榮

新北市蘆洲區

顧客預算：沒有預算概念

交件時限：指定交件期限: 9/30

8/16

RD 工作

web 接案

Programmer 工作

1. 其他 2. Python 3. 只有想法 4. 聽從專家的建議 5. 沒有

描述： 1. 遊戲ai程式 2. 設計一個可以自動玩onebit adventure的ai程式 DQN.py：實作 Dueling Deep Q-Network (DQN) 的智能體，包含網路架構、經驗回放、訓練流程與 epsilon-greedy 策略。 virtual.py：自訂的虛擬環境，採用 12x11 的網格地圖，地圖中有主角（Hero）、目標（Target）與障礙物，Hero 可透過上下左右移動，並根據行為獲得獎勵或懲罰。 test.py：測試模組，用於載入訓練好的模型，讓智能體在環境中實際操作，並輸出地圖與分數。 ? 設計目的建立一個簡單可控的模擬環境，讓智能體能透過嘗試錯誤學習移動與達成目標。應用深度強化學習 (Deep Reinforcement Learning) 技術，驗證 DQN 在自訂遊戲環境中的表現。分離環境 (virtual.py) 與演算法 (DQN.py)，使系統具備可擴充性與可維護性。 ? 期望目標學習效果：希望智能體能學會在地圖中找到並接觸目標，避免不必要的移動或過早結束遊戲。最佳化策略：透過 Dueling DQN，智能體不只依賴動作價值，也能評估當前狀態的重要性，提升策略穩定性。驗證系統：利用 test.py 測試已訓練好的模型，觀察 Hero 的決策行為，並評估其在多場遊戲中的平均表現。 3. 9/30

我要接單

找專家