蘇敬閎 (Arvis Su)
0953-302-806
大猩猩科技 - AI Software Engineer
Gorilla Technology - AI Software Engineer
- 5年以上資料分析建模經驗
- 5年 Python 軟體開發經驗
- 熟悉程式語言：Python, Spark, NoSQL and SQL
大猩猩科技 Gorilla Technology : AI Software Engineer
- 中國信託：資料科學家
- 資訊工業策進會資安所 : 資料分析工程師
- 熟悉自然語言處理、Tabular Data 以及推薦系統相關模型建立
- Kaggler : Competition Expert (4 銀牌、1 銅牌)
- T-Brain 玉山銀行盜刷偵測競賽 7th
- T-Brain 永豐AI GO競賽-攻房戰 16th
工作經歷
四月 2022 - Present
AI Software Engineer
大猩猩科技 Gorilla Technology
主要負責如下
1.論文研讀：研讀資安相關論文，並落地運用於公司產品
2.軟體開發：機器學習、深度學習模型演算法開發、效能優化
3.成效監控：透過MLOPS，自動化監控模型成效與模型疊代機制
4.與專案管理部門、產品開發技術部門配合，提升ML產品易用性
5.LLM大型語言模型開發 : 建立生成式模型運用於網頁信任度評分與回饋
[相關ML、DL模型產品開發]
1. 惡意程式偵測模型
2. 日誌異常檢測並對應於MITRE ATT&CK
3. 使用者行為異常檢測
4. 加密網路封包類別辨識
5. MLOPS規劃與實踐
6. LLM模型開發與部屬
十月 2020 - 四月2022
Data Scientist
中國信託商業銀行
1. 協作溝通：與業務單位、BA 討論業務需求、目標變數、模型前導測試、模型使用教學
2. 模型研發：研讀業界實際落地應用的論文，並將其運用於行內
3. 模型成效與指標定義
4. 系統架構設計 : 開發金融產品需求與推薦系統模型
5. 新人帶領 ：協助新人科內業務了解、定義目標變數、模型開發與成效計算
[相關ML、DL模型產品開發]
1. 建立行內第一個推薦引擎產品
2. 個人化優惠推薦模型
3. 個人化金融產品推薦模型
4. 每日推薦模型成效報表產出
八月 2018 - 十月 2020
Machine Learning Engineer
資策會
主要負責如下
- 協作溝通：
- 與負責後端架構協作，將研發成果部署Docker Image並導入至指定系統
- 技術轉移與指導教學
- 資料蒐集：
- 開發爬蟲程式，爬取一般網站與暗網資安情資，並將其結果導入資料庫
- 模型研發業務：
- 研讀資安相關論文並將其技術落地應用於實際資安場景
- 所內科專計畫分項負責人，研究企劃撰寫、論文研究與研討會發表
- 制定目標變數與模型衡量指標
- 系統開發
- 開發簡易 Flask API
- 新人面試：
- 參與主管面試，協助篩選是否合適團隊成員，詢問相關分析技術與過往經歷
[相關ML、DL模型產品開發]
1. 社群平台假帳號鑑識
2. 惡意程式家族分類
3. Active Learning 惡意程式分類
4. 資安論文發表ICACT 2020
Malware Family Classification using Active Learning byLearning
5. 鑑別社群貼文是否為資安相關內容
6. 財團法人電信技術中心 - 多標籤垃圾郵件分類模組開發
[資料蒐集相關開發]
暗網爬蟲及一般明網爬蟲模組開發
Honors | Awards
2023 Data Scinece Competition
1. Feedback Prize - Predicting Effective Arguments (NLP LLM 銀牌) 排名前4% (21/1571)
2. Kaggle - LLM Science Exam (NLP LLM 銅牌) 排名前10% (21/1571)
3. T-Brain - 永豐AI GO競賽-攻房戰 預測房價 排名前2% (16th)
Google QUEST Q&A Labeling
(銀牌) 排名前2% (21/1571)
參與Kaggle Google所舉辦的NLP競賽，使用LSTM與客製化BERT模型架構，並於最後取得21名佳績，
Feedback Prize - Predicting Effective Arguments
(銀牌) Solo排名前4% (70/1557)
透過Deberta + LGBM 2 Stage NLP Model
完成Solo競賽並排名前4%
Jigsaw Unintended Bias in Toxicity Classification
(銀牌) 排名前3% (74/3165)
參與Kaggle Jiasaw所舉辦的NLP競賽，預測於發文內容中是否有惡意言論傾向，如辱罵、歧視等等言語．
使用LSTM與BERT模型，並於最後取得74名佳績，
https://www.kaggle.com/c/jigsaw-unintended-bias-in-toxicity-classification
Riiid Answer Correctness Prediction
(銀牌) 排名前2% (37/3395)
參與Kaggle Riiid所舉辦的知識追蹤競賽，使用Tree-Based Model與Transformer模型，並於最後取得37名佳績
ESUN Fraud detection competition :
排名前1% 7/1366
參與玉山所舉辦的盜刷偵測競賽，於最後取得第七名佳績
中信優惠推薦引擎得獎
2022 Retail Banker International Asia Trailblazers Awards : Highly Commended Achievement - Best Use of Technology in Advertising / Marketing Strategy
論文發表（IEEE/ICACT 2020 ）
ICACT 2020, Malware Family Classification using Active Learning by Learning
