食品科學、食品分析與互動式教學教材作品集。
Portfolio for food science, food analysis, and interactive teaching materials.
🌐 教學總入口 · Teaching portal → https://tai-shengyeh.github.io/
所有課程的互動教材、教學影片與可重現工作流，都從這個入口進入。
All interactive materials, teaching videos, and reproducible workflows are aggregated here.
四種以上光譜技術配 PCA / PLS / PLS-DA，三層教學：看影片建直覺 → 讀 Python 學算法 → 用 Orange 親手做。
- NIR 近紅外光譜 — chemometrics-teaching · Tecator 肉品資料，PLS 預測脂肪含量。
- MS 質譜 — ms-food-analysis · 白酒 GC-MS 代謝體，PLS-DA 分辨葡萄品種。
- Raman 拉曼光譜 — raman-food-analysis · 互動投影片＋形成性評量小遊戲。
- Hyperspectral 高光譜影像 — hyperspectral-food-analysis · SpectroFood，Python + Orange 可重現工作流（另有 demo）。
- NMR 核磁共振光譜 — nmr-food-analysis · 40 支葡萄酒 ¹H-NMR，PLS 定量蘋果酸。
- Fluorescence 螢光光譜 EEM — olive-oil-eem · 橄欖油加速老化，PCA 軌跡＋鑑別新鮮度。
- FTIR 紅外光譜 — ftir-food-analysis · 即溶咖啡 Arabica vs Robusta（搭配 coffee PGMM R 報告）。
- Benchtop NMR 桌上型 NMR — benchtop-nmr-coffee · 60 支咖啡 16-OMC 摻假標記。
- GC 氣相層析 — coffee-gc-analysis · 14 支咖啡層析指紋，留一驗證 92.9%。
- XRF X 射線螢光 — xrf-food-analysis · 元素指紋；以開放蜂蜜元素表（CC0）即時實算真假與摻假鑑別。
- LIBS 雷射誘導擊穿光譜 — libs-food-analysis · 原子發射光譜；咖啡品種過擬合教訓、蜂蜜摻假定量。
- 維生素 Vitamins — vitamins-food-chemistry · 互動簡報＋3 個課堂小遊戲＋中文教學影片。
- 微塑膠檢測（3 小時） — microplastic-food-analysis · NIR、FTIR、Raman、Py-GC-MS、LC-MS 多技術整合。
- 微塑膠 × 食品安全（高中 60 分） — microplastic-teaching · 22 頁互動教學投影片。
- 食品營養華語文獻閱讀 — food-nutrition-chinese-teaching · 互動教學工具與班級報告。
- 無可可巧克力 — cocoa-free-chocolate-lesson · 文獻閱讀、小遊戲與課堂投票。
- GLP-1 食品營養華語 — glp1-chinese-class · 課堂互動小遊戲。
- 人造鰻魚飯 × 培植肉 — cultivated-eel-lesson · 13 頁互動簡報＋4 個形成性評量小遊戲。
- Yeh AI Customer Service — yeh-ai-customer-service · LINE + Supabase + React + OpenAI / Gemini 的 AI 客服系統 prototype。
- Food analysis & food chemistry education; chemometrics — PCA / PLS / PLS-DA
- Spectroscopy: hyperspectral imaging, VIS-NIR, FTIR, Raman, NMR, fluorescence (EEM), and elemental (XRF, LIBS)
- Separation & MS: GC, GC-MS, LC-MS, benchtop NMR
- Interactive HTML teaching materials and classroom games
- Python (scikit-learn), Orange Data Mining, R, JavaScript, TypeScript, React
- Traditional Chinese and bilingual teaching resources
Live materials are aggregated at the teaching portal → https://tai-shengyeh.github.io/.
Each repository's homepage link also opens its published GitHub Pages course page.