鐵人檔案
當穿戴裝置說你今天 HRV 是 42，AI 憑什麼建議你「該休息了」？本系列以公開與合成資料為基礎，用 30 天拆解 AI Engineering 鏈路：從 PPG 波形萃取心率與 HRV，處理取樣、雜訊與缺值等品質問題，建立個人基準與偏離偵測，再把時間序列整理成 feature contract 交給 LLM。後半段聚焦 LLM 工程：structured output、grounding、context engineering 與評估。本系列關注 AI 在健康脈絡裡該負責什麼、不該負責什麼，以及如何讓每句洞察都有證據可查。
今天為什麼研究這個？ Day 8 已能把 PPG 轉成逐窗心率，但「算得出數字」不等於「數字可信」：cycling 的視窗全部有心率，對 ECG 的 MAE 仍...
今天為什麼研究這個？ 前 11 天看的是一段訊號算不算得出、準不準。進入 Phase 2，要把好幾種指標排成一天一列，但夜間 HRV、睡眠、白天步數各自從不同時...
今天為什麼研究這個？ Day 12 把每人每天排成一列後，另一個問題變得明顯：日期有列，不等於那天有量到每個指標。兩輪期間原有 4,909 列，補齊各人各輪的日...
今天為什麼研究這個？ Day 13 在 LifeSnaps 標出了缺值，卻無法從靜態匯出檔知道某一天是沒戴、量測失敗，還是資料晚了兩天才同步；也沒有「這幾天發生...
今天為什麼研究這個？ Day 14 做出帶有個人中心值、日間波動和已知事件的合成資料後，今天想先回答一個比「怎麼設偵測門檻」更前面的問題：**今天的數值該跟誰比...
今天為什麼研究這個？ Day 15 把 personal baseline 當成估計問題：多收幾筆有效觀測後，mean 和 SD 還會不會明顯改變？結果有個設計...
今天為什麼研究這個？ Day 16 已能為每個目標日輸出 personal baseline 的 center、scale 與資料狀態。下一個問題是：今天的值離...
今天為什麼研究這個？ Day 17 把單一指標和 personal baseline 比較，標出偏離日；但一個 rmssd 警報，還不足以說明那天發生了什麼。睡...
今天為什麼研究這個？ 前 18 天把穿戴資料一路處理到每日指標、personal baseline 和跨指標標記，接下來要讓規則引擎、LLM 與 API 使用這...
今天為什麼研究這個？ Day 1 把一週 CSV 直接交給 LLM，模型把早上匯出時的 1,850 步解讀成身體在主動「煞車」，也把前三天的 RHR 稱為「常態...
