接案工作

 
地區
開箱文合作
輸入關鍵字找案件
地區

"開箱文合作" 相關案件

- 共1692

法務諮詢

電話
林〇峰
地區苗栗縣 公館鄉
其他問題類別:車禍糾紛
8/16
律師工作
法律系工作
法律兼職
1. 原告,其他   2. 星期四 晚上   3. 沒有   4. 苗栗縣,公館鄉  
描述: 1. 父母   2. 因為對方在路口的路邊沒打方向燈就迴轉,我方是直行機車就撞上了  

法務諮詢

電話
賴〇
地區高雄市 前鎮區
其他問題類別:債務相關
8/16
律師工作
法律系工作
法律兼職
1. 被告,當事人   2. 皆可討論    3. 沒有   4. 高雄市,前鎮區  
描述: 1. 連帶保證人收到法院已寄公文到公司  

關鍵字廣告

電話
游〇生
地區桃園市 桃園區
金額月行銷預算(不含服務費):一萬元以下
8/16
行銷兼職
數位行銷
Marketing 工作
1. Google   2. 沒有   3. 桃園市,桃園區  
描述: 1. 命理  

Google廣告

電話
游〇生
地區桃園市 桃園區
金額廣告預算(不含服務費):五千到一萬元
8/16
1. 其他   2. 銷售服務   3. Google搜尋聯播網(關鍵字廣告),Google影音廣告(Youtube廣告)   4. 已有品牌官方網站   5. Facebook廣告,LINE廣告  
描述: 1. 命理業  

粗工

電話
Arixxx
地區台北市 松山區
金額日薪:1000元/日薪
8/16

搶先接洽

1. 我要發案 - 找人做粗工   2. 其他   3. 其他   4. 2人   5. 需長期合作  
描述: 1. 切菜 備料 廚房作業   2. 面議   3. 切菜 切肉 清洗廚具 早上10點開始上班  

食物攝影

電話
汪〇柏
地區台中市 西屯區
時間交件類型:急件
金額客戶預算:一般價格 $$
8/16
攝影家
影片接案
攝影工作
1. 1-5道菜   2. 6-10張   3. 去背照和情境照都要   4. 兩小時內   5. 請攝影師提供道具  
描述: 1. 韩式餐点  

LINE貼圖製作

YS xxx
地區新北市 新莊區
金額一般貼圖預算:一張150-250元
其他貼圖類型:一般貼圖
8/16
貼圖設計師
製圖接案
畫畫接案
1. 16張一般貼圖   2. 寵物照片貼圖   3. 個人:日常生活/業務往來使用   4. 自行上架   5. 沒有  

軟體開發

電話
邱〇榮
地區新北市 蘆洲區
金額顧客預算:一萬以下
其他交件時限:一般件
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  

法務諮詢

巫〇姐
地區彰化縣 田中鎮
其他問題類別:刑事相關
8/16
律師工作
法律系工作
法律兼職
1. 原告   2. 皆可討論    3. 沒有   4. 彰化縣,田中鎮  
描述: 1. 律師您好: 我目前有一個案件,內容涉及 竊盜、恐嚇、強制 等罪名,與我本身和靠行車行之間的債務糾紛有關。 我是大車車主,目前已經開完偵查庭第一次,後續可能還會有偵查或法院審理階段。 因為考量案件可能持續發展,我想請教貴所: 1. 如果委任律師在 偵查庭階段全程代理,大約的費用範圍是多少? 2. 若案件進入 一審(地方法院審理),全程代理的費用大約是多少? 3. 如果需要處理債務部分的 民事案件,費用大概會如何計算? 4. 是否提供初談諮詢?費用大概是多少? 目前我的狀況比較困難,希望能先了解大概的行情與收費方式,再進一步評估是否能委任。 謝謝您的回覆與協助。  

軟體開發

電話
邱〇榮
地區新北市 蘆洲區
金額顧客預算:沒有預算概念
其他交件時限: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