李岳倫
ML Engineer, Data Engineer
Yilan County, Taiwan
擁有超過四年的 Python 編程經驗，專注於資料科學領域的機器學習和系統開發。
我對於細微數據的觀察和發現充滿熱情，將這些發現轉化為深入洞察的數據驅動故事。我致力於發揮數據科學技術的潛力，探索解決複雜問題的創新途徑。
我堅信，我能夠成為一個卓越的數據敘事者，以清晰的方式向團隊和利益相關者傳達數據的價值，並提供最佳的解決方案。
linkedin.com/in/李-岳倫-bb0b44221
工作經歷
數據整合開發專員
日勝生活科技股份有限公司
五月 2023 - Present
Taipei, Taiwan
負責開發並持續優化公司的AutoML系統，包括系統設計、API設計與開發、演算法開發、資料收集與準備、數據清洗與完整化、數據匯整、數據分析、人工智慧應用以及資料視覺化等多個方面。
●設計和實現了一個高效的數據收集和準備流程，大幅降低了數據準備時間，提高了數據處理效率。
●擔任AI應用開發領域的專家，主導了語音轉文字、影像辨識、品質管理SPC應用以及生成式AI應用等多個項目的開發和實施。
●引入AI技術，改善了公司的工作流程，如語音轉文字技術提高了文檔處理效率，影像辨識技術應用於安全監控和醫療領域，生成式AI應用提高了生產效率和創造力。
● 與團隊合作，積極參與產品設計、技術架構討論，為公司的AI應用平台開發貢獻了重要的技術力量。
京元電子股份有限公司
高級工程師/ML Engineer
六月 2020 - 三月 2023
Taipei, Taiwan
資料科學:
●負責數據收集與準備，利用Python（主要是Pandas、Numpy）和SQL進行數據準備，確保數據的完整性和準確性。
● 使用Python（特別是scikit-learn）進行數據清洗和完整化，包括缺失數據的填補和數據的標準化處理。
● 使用Python套件將數據整合並匯入SQL伺服器，建立完整的數據庫系統。
● 使用機器學習技術和實驗設計進行數據分析，發現數據背後的意義，並預測未來可能的結果。
● 應用機器學習技術（如DNN、決策樹、K-mean）和影像辨識（YOLO）等技術，進行數據分類、分群和影像辨識。
最佳化演算法:
● 負責工程報表系統的維護，確保系統的穩定運行和數據的準確性。
● 採用適當的最佳演算法，改善產線生產效能，提高生產效率和品質。
#Python #MS SQL #軟體程式設計 #Machine Learning #資料庫程式設計 #軟體工程系統開發 #Oracle SQL
學歷
國立台中科技大學
資訊管理所
2017 - 2019
國立勤益科技大學
資訊工程
2013 - 2017
技能
數據分析程式
- Python
- R
資料庫設計
- SQL
- MySQL
- MongoDB
- MSSQL
- Oracle SQL
- PostgreSQL
技能
- Machine Learning
- TensorFlow(Keras)
- Pytorch
- K-means
- 決策樹(Decision Tree)
- 最近鄰居分類(KNN)
- 支持向量機(SVM)
- 貝葉斯分類器
- Deep Learning
- DNN
- CNN
- RNN
- LSTM
- YOLO
技能
- 系統開發
- VB
- C
- C#
- 伺服器
- Apache
- Flask
- Nginx
專案成就
生產效率異常分析
專案目標:
規劃及開發產線效率異常分類模型，以解決生產期間所產生的問題，大致如下四題。
1.良率異常。
2.RunTime不足。
3.人員作業Loss。
4.標準工時設定不符。
應用技術:
1.採用分類演算法用於資料分析。
2.異常偵測。
3.規畫系統後端之API開發及介接。
成果:
1.以視覺化呈現系統開發之分析結果，回傳至管理系統之統計分析儀表板。
2.有效即時偵測產線異常之問題。
生產配件組合最佳化
專案目標:
從現有可用配件中搭配當前最佳配件組合
應用技術:
1.利用Xgboost建立預測良率模型
2.改良後的基因演算法搭配最佳配件組合
3.規畫系統後端之API開發及介接。
成果:
1.以視覺化呈現系統開發之分析結果，回傳至管理系統之推薦儀表板。
2.有效即時推薦配件組合。
3.提升生產效率 OEE 3.33 %
4.降低First Yield Gap 0.47 %
配捲出貨最佳化
專案目標 :
從現有可調配的貨批中，依照客戶訂定組合條件，找尋最佳配捲組合，減少人工組合時間，加速出貨速度。
應用技術:
採用最佳化演算法(隨機貪婪演算法、退火演算法)用於找尋最適組合。
成果:
1.有效即時推薦配捲組合
2.減少配捲人員20+分鐘搭配時間
3.加快出貨流程，提升客戶滿意度
挑K出貨最佳化
2021/1~2021/2
專案目標 :
從現有可晶圓中，依照出貨條件搭配當前最佳出貨組合，減少決策時間，加速出貨流程。
應用技術:
1.採用最佳化演算法(SSO演算法)用於找尋最適組合
成果:
1.有效即時推薦出貨組合
2.減少配捲人員10+分鐘搭配時間
3.加快出貨流程
AutoML系統
專案目標 :
建立一個全面的資料科學系統，旨在加速機器學習模型的開發和部署流程。我們的目標是設計和實現一個完整的系統，包括資料收集、準備、清洗、分析以及機器學習模型訓練和部署等功能，以應對不斷增長的數據量和複雜的用戶需求。
成果:
1.我們成功建立了一個多功能的資料科學系統，涵蓋了數據收集、準備、清洗、整合和分析等多個關鍵步驟。這使得資料科學家能夠更有效地處理和分析大量的數據，並從中發現有價值的信息和模式。
2.我們的系統有效地整合了各種機器學習演算法和技術，包括深度神經網絡、決策樹、K-mean等，並應用於數據分類、分群和影像辨識等不同領域。這使得用戶能夠輕鬆地訓練和部署各種機器學習模型，從而實現更準確和可靠的預測和分析。
3我們設計和實現了資料視覺化工具和技術，幫助用戶更直觀地理解數據的特徵、分佈和關聯性。這使得用戶能夠更輕鬆地進行數據探索和分析，從而更快地發現問題和解決方案。
間
3.加快出貨流程，提升客戶滿意度
汙水處理專家系統
2023/09~Present
專案目標 :
開發一個專家系統，專門用於汙水處理領域，旨在提供智能化的汙水處理方案。我們的目標是設計一個能夠根據不同的汙水特性和處理需求，自動生成最佳的處理方案的系統，從而提高汙水處理的效率和質量。
應用技術:
1.採用最佳化演算法(SSO演算法)用於找尋最適組合
成果:
1.有效減少感測設備異常
2.減少汙水異常狀況產生
Radium Mind
專案目標 :
開發一個AI應用平台系統，專為企業員工設計，旨在加速工作流程並提高效率。我們的目標是建立一個集成多種AI應用的平台，包括語音轉文字、影像辨識、自然語言處理等功能，以幫助員工更快速、更準確地完成各種工作任務。
成果:
1.我們成功開發了一個全功能的AI應用平台系統，為企業員工提供了豐富的工具和功能。通過這個平台，員工能夠輕鬆地進行語音轉文字、影像辨識等操作，從而大大節省了時間和精力，提高了工作效率。
2.我們的系統有效地加速了工作流程，使得員工能夠更快速地處理和分析大量的數據和資訊。同時，我們還提供了智能化的建議和提示功能，幫助員工更準確地進行決策和規劃，從而提升了整體的工作品質和效率。
3.加快出貨流程，提升客戶滿意度
YUEH LUN LI
ML Engineer, Data Engineer
Yilan County, Taiwan
2+ years of practical experience in ML & system-developed with python and VB.NET programming.
I like to observe and discover all the detail of the valuable data that can fill my code world with curiosity and enthusiasm.
I expect all the data science techniques can help me explore more
possibilities and soulate our life problems.
That's why I'm here, I believe in my ability and can become a storyteller who can explain all the valuable data and provide the best solution for my group and my team.
linkedin.com/in/李-岳倫-bb0b44221
Skills
Programming Languages
- Python
- R
- SQL
- C/C++
- C#
- VB.NET
Deployment
- Server: Apache
- Backend API: Flask
Data Analysis
- Data Analysis: Statistics / Time Series Analysis
- Data Science: scikit-learn / Keras / Optimization
Data Engineering
- Data Processing: Pandas / MongoDB Aggregation
- Database:
- MySQL
- MongoDB
- MSSQL
- Oracle SQL
- EDA
EXPERIENCE
Jun 2020 - Mar 2023
KYEC Electronics Co., Ltd.
Senior Engineer
Data Science:
- Data collection and preparation: Use reliable data sources (such as Stat. Canada) to collect the required data, and use Python (Pandas, Numpy, etc.) and SQL for data preparation.
- Data cleaning and completeness: use Python (scikit-learn) to perform imputation on missing data and normalize data.
- Data integration: use Python package to integrate and import data into SQL server.
- Analyze data: Use machine learning techniques and experimental design analysis to find meaning behind the data and predict possible future outcomes.
- Data classification: Use machine learning techniques (DNN, K-mean) to classify data.
- Artificial intelligence applications: use machine learning techniques (DNN, decision tree, K-mean) for data classification/grouping, image recognition (YOLO)
- Optimization algorithm: Improve the production efficiency of the production line by using the appropriate optimal algorithm.
Other:
- Maintenance of engineering report system.
#Python #MS SQL #software programming #Machine Learning #database programming #software engineering system development #Oracle SQL
EDUCATION
2017 - 2019
NATIONAL TAICHUNG UNIVERSITY OF SCIENCE AND TECHNOLOGY
Graduated from Institute of Information Management
Research
- Online Social Network
- Emotional Contagion
- Text Mining
- Reactions
- Social Networking Site
2013 - 2017
National Chin-Yi University of Technology
B.S. in Department of Computer Science and Information Engineering
PROJECTS
Anomaly analysis of production efficiency
Plan and develop a product line efficiency anomaly classification model to solve problems during product, roughly as follows.
1. The yield is abnormal.
2. Insufficient RunTime.
3. Personnel work Loss.
4. The standard working hours are not set up.
Application Technology:
1. The classification algorithm is used for data analysis.
2. Anomaly detection.
3. API development and interface of the planning system backend.
Results:
1. Visually present the analysis results of system development, and send them back to the statistical analysis dashboard of the management system.
2. Effective and real-time detection of abnormal production line problems.
Optimizing the combination of production parts
According to our design the new rules, there can help us to combinate the available accessories with the other best accessories, there can effectively improve the product line.
Application Technology:
1. Use Xgboost to build a predictive yield model
2. Improve genetic algorithm with the best combination accessories
3. response for plan backend development and API development
Results:
1. As the visually present analysis system of the results, it will send this information to the recommended dashboard of the management system.
2. It can be effectively and instantly recommend accessories combination
3. Improve production efficiency OEE 3.33 %
4. Reduce First Yield Gap 0.47%
Optimum delivery of reels
In the light of the client's demand to adjust conditions, and immediately reduce factory' people spend time to adjust the existing batches.
Application Technology:
It's used to find the optimal combination by optimization algorithm (random greedy algorithm, annealing algorithm)
Results:
1. Effectively and instantly recommend the matching volume
2. Reduce the matching time by 20+ minutes
3. Speed up the delivery process and improve customer satisfaction
Pick K shipment optimization
In the light of the wafers shipping conditions combinate the best matching which reduces people's decisions, and speeds up the shipping process.
Application Technology:
1. Use the optimization algorithm (SSO algorithm) to find the best combination
Results:
1. Effective and real-time recommend shipping matching
2. Reduce the matching time by 10+ minutes
3. Speed up the shipping process
