Profile 03 00@2x

吳宗仁 Darren Wu

前英國國民健保署NHS大數據分析師|機器學習/深度學習/統計建模/數據挖掘|研究設計與模型操作|數學 <-> 商業需求連結|人文/政經/社會觀察者

[email protected]


技能


機器學習與建模

• 算法: Tree-based models; Logistic Regression; XGBoost; KNN; SVM; Credit Score Card; ARIMA; Prophet; Clustering; Apriori; Bayesian analysis; Statistical Modelling


• 統計模擬: System Dynamics; Agent-based Modelling; Monte Carlo


• 特徵選擇: Sparse Logistic Regression, LASSO, Ridge Regression


程式語言/軟體

• Programming skills: R; Python (pandas, NumPy, Scikit-learn, statsmodel, matplotlib, apyori, fbprophet)


• Software: SPSS; Anylogic; SAS; Matlab; MS Excel


• IDE: Spyder; JupyterNoteBook; VScode




工作技能

• Working Skills: Interdisciplinary Communication; Verbal/Writing; Public Speaking; Presentation


• Data Science: Data Preprocessing; Data Visualisation; Feature Engineering; Git


專案

Projects 00 00@2x

英國國民健保署: 自動救護服務分析


方法:根據業務需求設計自動特徵篩選模型,並以Python進行模型應用與特徵篩選工具之設計。 成果:改變與加速組織中統計分析流程,也為未來建模者提供建模的特徵篩選框架。本計畫亦用此工具,分析2019年影響英格蘭中南部救護服務的變因,如何與何時影響,並提供政策建議。研究內容已發表為學位論文。

閱讀成果
Projects 00 00@2x

美國Covid-19風險評分


方法:獲取美國網民對疫情關鍵字的搜尋數據、醫療資源分布、外加空氣汙染指標 (分別反映大眾對疫情的關心,與地區受疫情干擾程度)。使用機器學習風險計分模型檢驗變數影響力;據此建立即時風險預測模型。 成果:所使用的變量,幾乎全數都具有反映疫情的能力,且數據可透過公開管道或爬蟲即時獲取,有利於做出即時風險預測和監控。

閱讀成果
Projects 00 00@2x

中國股市與總體經濟的連動


方法:分析反映投資、生產、消費、貨幣政策與房地產相關經濟變數和上證指數的滯後關係,並了解如何變化。以關聯規則方法分析,用關聯規則數量反映滯後關係。 成果:探討中國股市與經濟間滯後關係的演化。發掘了影響股市不同程度波動的重要因素。

Github: https://github.com/DarrenTsungjenWu/Chinese-Stock-market-and-Macroeconomics

閱讀成果

工作經歷

South Central Ambulance NHS Foundation Trust, UK

數據分析師|Jun. 2020 - Oct. 2020 (英格蘭南安普頓)

【專案: Developed an automated performance analysis framework for the 999 emergency response services】


•  與supervisors 和 project sponsors 定期溝通需求與進度,確保最終產品交付的形式與品質 

•  運用機器學習為基礎的特徵篩選算法──Sparse Logistic Regression,篩選並解釋造成不良救護服務的因素

•  對 555,000+ 筆緊急救護服務數據 (即999 Incident Data) 進行數據預處理(pandas),並應用特徵篩選算法分析跨週、跨月與跨時樣本數據,總結出不同時間段救護服務的表現差異 

•  使用Python (Scikit-learn) 將特徵篩選器產品化,自動化project sponsors傳統分析流程,即時地辨識重要因素


量化投資社群

專案負責人 & 數據分析師|Mar. 2020 - Sept. 2020 (遠距,台灣)
【專案:交易系統】

• 發起交易系統開發專案,打造具解讀市場情緒 + 綜合預測未來股市變化的交易預測系統

• 組建最小專案戰鬥團隊 (工程師、分析師與投資研究員,橫跨台灣與美國),統合跨領域知識,協調專案進展所需資源

• 監管建模流程與prototype品質,確定產品概念與構圖

• 預處理與測試數據,反覆驗證與強化Forecasting/機器學習模型


New York University 美國紐約大學

專案組長|Mar. 2020 - May 2020 (遠距,美國)
【專案:美國Covid-19即時疾病風險監測──與美國紐約大學工程學院學生】

• 定義與Covid-19研究主題與方向,為地區性Covid-19風險建模 

•  試驗合適特徵組合,優化模型預測力;測試多種機器學習分類器 (e.g. Logistic Regression, Random Forest 與Support Vector Machine),挑選合適模型並開展Credit Score Card方法以量化即時疾病風險

•  此模型提供即時(real-time)疾病風險觀測功能,以及提供中長期可用/易懂之疫情風險觀測器


誠泰養蜂事業

市場分析師|Jan. 2020 - current (遠距,台灣)

• 組織網路行銷部門,制定工作流程與網路事業發展方向 

• 收集與彙整Google Analytics與Facebook數據,構建潛在消費者特徵,規劃相關行銷資源 

• 試驗關鍵字組合與不同廣告類型成效,統整消費者回饋,提升粉絲與關注者數量(300%)與累積網路上的品牌認知

• 與行銷團隊和企業用戶溝通,拓展線下合作通路


南京大學計算機科學中心

研究助理|Mar 2019 - July 2019 (江蘇省南京市)
【專案:中國股市是否是宏觀經濟的晴雨表】

• 瀏覽數據挖掘與股市研究文獻,提出以數據挖掘為基礎的研究主題──中國股市是否是宏觀經濟的晴雨表? 

• 預處理上證指數與8個涵蓋生產、消費、貨幣與房價的經濟指標 (2000-2017年);以視覺化處理,查看波動之關聯 

• 使用Apriori演算法(Python的apyori frameworks),分析上證指數與經濟指標的滯後關係,以此回答經濟理論中的重要命題:中國股市是不是有效市場,以及在17年期間如何演變


品感覺 - 英屬安奎拉商麥菲爾有限公司台灣分公司

市場分析師 & 主管助理|Dec. 2017 - Sept. 2018 (台灣台北)

• 協助物流部門獲取顧客消費資訊,以供優化客服流程與物流數據整合 

• 協助客服部門檢測產品運作狀況,完善售後服務之資料 

•  整合組織內部會計資訊與商業計畫,以供商業經費與補助案申請



學歷

University of Southampton, UK,2019 年 9 月 - 2020 年 10 月

• (MSc) Business Analytics & Management Sciences

• 2.1 Academic Excellence Scholarship/5000 pounds 

• Dissertation: What factors impact poor 999 services, and how? An empirical study of machine-learning-based feature selection on big data from South Central Ambulances Services NHS Foundation Trust

南京大學,2019 年 3 月 - 2019 年 7 月

•  2019春季交流計畫:政府管理學院

• 眾創空間3D列印空間志工解說員、值班管理員

• 相關課程:公共管理研究方法、數據科學、大數據分析基礎

國立政治大學,2014 年 9 月 - 2019 年 6 月

•  經濟學系/中國文學系雙主修 學士

•  研究興趣: 總體經濟、公共經濟 (公部門經濟研究)、貨幣銀行學理論、聲韻/漢語語言


更多作品

Projects 00 00@2x

統計建模/分析:公共經濟

本文研究中國豬肉價格與環境政策的影響。運用三種檢驗模式與視覺化技巧,確立模型/分析的可靠性與延展性。結論揭示環境政策的影響力,及其於中國東中西部的差異。本文為150餘人大課程中最高分,研究結果受評極為可靠,建模技術精確且成熟
閱讀成果


Projects 00 00@2x

統計建模/分析:開源健康資料

病人健康如何影響罹患心臟病的機率?本作品旨在展示不同的特徵組合,如何影響模型的解釋力。同時設計/改善Matlab程式碼進行分析,並分別對感興趣的特徵繪出變數─機率擬合圖。

閱讀成果


Projects 00 00@2x

Forecasting

本作品為技術報告,主要涉及模型訓練、統計判斷以及模型比對之流程。測試Exponential Smoothing模型,並與ARIMA模型進行比較。

閱讀成果

學習資源

•  Coursera:
機器學習、深度學習 (Andrew Ng)

•  LinkedIn Learning
SQL Essential Learning
Social Networks Analysis Using R

•  Other Platforms
StatQuest: https://bit.ly/3nJHBqm 
Tech with Tim: https://bit.ly/3fl5qSl

• Reference Book Recommended
 Hyndman, R. and Athanasopoulos, G. (2018) Forecasting: Principles and Practices. Available at: https://otexts.com/fpp2/
 Hastie, T., Tibshirani, R., and Friedman, J. (2009) The elements of statistical learning: data mining, inference, and prediction. Springer Science & Business Media.
 Géron A. (2019) Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow. O'Reilly Media, Inc.
 Han, J., Pei, J., and Kamber, M. (2011) Data mining: concepts and techniques. Elsevier.
 周志華 (2018) 機器學習. 北京清華大學出版社
Powered by CakeResumePowered by CakeResume