鍾祐霖 Charles Chung
我是即將大學畢業的新鮮人，專長是人機互動(HCI)的實驗設計和數據分析，我的專長不只是UX的研究，更透過數據分析和使用者訪談深入理解人們的行為與思考模式，提供單靠使用者回饋無法觀察到的洞見。 數據分析軟體、巨量資料分析、機器學習、網頁前後端等都是我所熟悉的，在HCI實驗設計與數據分析中很常使用的工具，因此都可以很快上手。
國立清華大學 資訊工程學系 NTHU CS, Hsinchu，TW
[email protected]
技能
分析 Analysis
我擅長分析，我喜歡透過分析了解事情的架構與全貌，擔任團隊的智庫。在討論時，我能幫助團隊逼近問題的關鍵; 面對大量資料，我的能力幫助我快速掌握資料脈絡，精準找出隱藏在資料中的洞見(insight)。
程式 Programming
程式對我來說是傳達理念的工具，也是最快速的溝通方式。從底層的C、C++、java、Python，到架設網站的Javascript、Django、Firebase，到巨量資料處理與機器學習的Hadoop、Tensorflow，程式是我的本業，也是每天的生活。
表達 To Express
表達不在於多敢講或講了多少，而是能否用最精準的方法把自己的理念與價值感動身邊的人。有時表達是正式簡報，有時只是閒聊，但我了解能夠表達自己這份技能，是我突出於其他工程師最大的價值，而表達力往往使我扮演關鍵的角色。
團隊 Squad spirit
過去有人問過我，團隊是人情重要，還是成果重要？當然是成果重要，但要走的長遠，人遠比想像中更關鍵。團隊裡的每一個人都應該為打造更好的團隊努力，就算充滿不同的意見，也要抱著往對的方向前進的心態互相衝撞、互相激勵。
成長 Growth
我是個快速的學習者(Quick learner)，樂於擁抱新的挑戰、新的事務。我從來不嚮往成為一帆風順的人，因此對於這個世界我從來沒有資格自滿。現在的我還不夠好，因此我才更希望抓住每一個可以讓我成長的工作機會！
語言 Language
我擅長英文(iBT 99)，因為從小喜歡好萊塢的電影和西洋音樂，加上大學期間大量閱讀論文作品與出國交換的經驗，無論聽、說、讀、寫對我來說都很流利。除了英語，我也修習了一年韓文，有非常基本的韓語會話能力。
經歷
清華大學資訊工程系 書卷獎，2017 Fall Semester
大四上學期，以GPA 4.28/4.3接近滿分的表現拿到本系書卷獎，更在機器學習理論與實作和人機互動量化研究方法等課程拿到A+的成績。
台大IoX center workshop demo，2017年 11 月
在台大、清大與Intel的合作研究計畫案中，我們研究知識傳遞的作品KnowledgeExplorer 佔有領導計劃的重要地位，因此在成果報告時獲邀向Intel總部展示，我是三位負責人之一。
美商D2 Technologies 後端QA工程師實習，2017年 8 月
第二年的實習，我直接負責D2 Tech.的軟體測試Code。除了修訂之外維護也是一份大工程，直接進入公司核心的程式顯示了公司對我的信任和肯定。
美商D2 Technologies 網頁前端與app測試實習，2016年 7 月 - 8 月
第一年的實習，我有幸在VoIP(Voice over IP)的業界龍頭，同時也是矽谷傳奇之一的D2 Tech. 擔任產品測試員，期間還幫忙公司設計了全新的企業網頁，幫助這家產業龍頭門面徹底轉型。
ATCC 初賽晉級，代表企業：國泰金控 ，2016 年 3 月
參加全國最有名的商業個案競賽，我和我的團隊夥伴雖然沒能一路過關斬將，但一群資工學生第一次見到外面的世界，在商言商，只有最好的才能存活的世界。這個經驗一直影響到現在的我們，不再只埋頭對自己的領域沾沾自喜，跟著世界的脈動才能駕馭於趨勢的浪頭。
TEDxNTHU 宣傳部長 ，2015年 9 月 - 2016 年 5 月
隔了一年，我接下宣傳部長的職務，第一次當團隊的領導者。我們一起推行了許多社團從來沒實踐過的點子，讓這一屆的年會即使舉辦在炎熱的暑假期間，仍然銷售一空，並把TEDxNTHU推向首屈一指的知名大社團。
TEDxNTHU 公關部員 ，2014年 12 月 - 2015 年 6月
剛入大學的我就參與了年輕的TEDxNTHU社團。我們的主要目標就是舉辦年度的點子分享大會。在沒有充足資源與指導的情形之下我們團隊獨立完成了商業企劃書，並與有訊科技(D-Link)等大企業公司達成長期合作共識，是我第一個成功的團隊經驗。
KnowledgeExplorer
(HCI實驗設計)
Deep Neural Network(DNN)
Tensorflow(Based on Python)
Machine Learning ，特別是深度類神經網路(DNN)是很重要的工具。機器學習的實際用途除了可以拿來做資料分析之外，在預測上也有越來越精準的趨勢，相信接下來的應用只會越來越廣泛。我除了寫過一些基礎的模型之外，也了解業界很常使用的Transfer Learning，對於機器學習的理論和實務都有扎實的基礎。
