Eddy Wang | 王彥淇

．2 years + Full-end Engineer 

．1 years Data scientist

． 從零到有的開發站台(Flask)，並依照功能撰寫CI測試項目 

．具備設計後端框架能力(OOD)，與同仁共同構思程式開發架構，並統一未來程式開發原則


         

Backend Engineer / Data Scientist 

Work Experience

Aug 2021 ~

後端工程師 - 新漫資訊有限公司 , 2021.08 - 

  1. 根據PM的需求進行Django的後端開發/維運事項，並與QA一同完成測試 
  2. 協助架設haproxy system讓系統高可用性、load balance
  3. 使用Django + redis + Mysql + gunicorn + supervisor的開發架構進行開發


Aug 2020 - Jul 2021

軟體開發工程師 - 意藍資訊股份有限公司, 2020.08 - 2021.07

  1. 視使用情境導入不同的模型，來進行自然語言處理。像是族群貼標就是一種多標籤任務，透過不同模型來測試效果（Random Forest、SVM、Naive Bayes）
  2. 引入CI/CD的流程，協助開發人員是在相同的環境下進行測試與部署
  3. 使用Flask開發族群貼標Demo站台，最後考量到維運和開發新功能問題(權限控管、管理站台)，所以改用Django進行重構


Jul 2019 - Aug 2020

軟體工程師 - 意藍資訊股份有限公司, 2019.07 - 2020.08

  1. 導入微服務架構，為了降低維運門檻和提升部署效率
  2. 為了讓原有的Backend程式利更易於擴充和維運，所以使用在大學期間學到的OOD（Object-oriented design）概念中的Design Pattern（Template Pattern、Command Pattern）來進行重構
  3. 從無到有的開發新站台的後端API（Spring Boot），以及串接前端測試（Ajax）。為了讓API使用上更加容易，所以引入RESTful API設計風格

Feb 2019 - Jul 2019

實習工程師 - 大聯大控股, 2019.02 - 2019.07

  1. 撰寫API、前端介面提供公司內部App使用。
  2. 研究Android Studio協助WMS team進行倉儲系統App化。
  3. 研究React Native 連接OCR技術後進行文件擷取文字。

Education

  • 資訊管理系, 國立雲林科技大學，2016.09 - 2019.07
    • 相關課程：系統分析與設計、物件導向設計開發、資料探勘 、資料庫管理系統、資料結構、作業系統 。
    • 畢業專題：秘密譯師，是一套能夠快速擷取圖片中的文字，並且同時翻譯的系統，這套系統可以輔助漫畫翻譯人員，翻譯完後進行圖片的修改與排版的後製作業。

Skill

Machine Learning Frameworks

 Scikit-Learn     TensorFlow   Keras 

Backend

   Python     Docker    RabbitMQ      gunicorn         redis    haproxy    celery 

Frontend

   Html      Js      JQuery       Vue  

Data Persistence

   SQL Server    mariaDB      MongoDB      Mysql  

Cloud  

   

Side Project


引用自https://miro.medium.com/max/2100/0*gmasqsdn4Yk91VlF.jpg


Maple交易所

．提供交易所給玩家查詢想要的道具，並讓買賣雙方進一步的交涉來達成共識

．使用Django做為框架，以django-simple-ui來改寫原本Django的admin站台介面，進行RESTFul API開發(restframework)，依照API功能撰寫單元測試 ，嘗試部署在VM端(docker-compose)、Heroku(Git push)、GKE(k8s)上面

．Python | Django | CI | MySql | Centos | GKE | Docker

情緒Demo站台

．提供分析師線上測試該文章情緒，藉此驗證辨識是否有誤

．為了防止多使用者同時使用此專案，所以使用RabbitMQ的RPC模式進行開發，並利用Docker創建RabbitMQ。RabbitMQ中的Consumer透過GRPC的方式呼叫由TF Serving佈署的模型進行預測，並返回其結果來完成此次的任務。

．使用TensorFlow V2進行情緒模型(Fine-tuning BERT)的重構，以較少的資料來訓練模型，藉此來降低訓練模型的難度和訓練時間。

．平均精準度(Precision)：89.6%

．平均召回率(Recall)：89.25%

．平均F1指標：89.39%

．Python | Flask | RabbitMQ  | GRPC  | TensorFlow | BERT | Docker | TF Serving | Ubuntu

引用自https://miro.medium.com/max/2100/0*gmasqsdn4Yk91VlF.jpg

族群貼標站台

．利於分析師重新訓練族群模型，利於優化原模型

．使用Flask框架，以Python進行開發，依照功能撰寫單元測試，部署在Ubuntu

．Python | Flask | CI/CD | Machine Learning | MySql | MongoDB | Ubuntu

Line Notify

使用Python進行網站爬蟲(selenium) + Line Notify，通知使用者最新一期的哪部漫畫更新囉~，並傳送漫畫的圖片到Line Notify綁定的群組上。

Powered By
CakeResume