李佳逢 Eric

任職軟體研發工程師於華碩電腦，以C++與C#開發軟體產品已有超過3年經驗。

在開發華碩智慧輸入法與MyASUS等軟體產品中改良演算法提高效能、針對使用者需求增加不同功能。

為人和善、易於溝通與人合作，閒暇時關注科技發展與AI應用並樂於學習與閱讀，提高程式能力。

Taipei, TW

0988-267-922
[email protected]

工作經歷

華碩電腦股份有限公司軟體研發工程師，2020 年 6 月 - 至今

華碩智慧輸入法：個人化提升打字輸入體驗，在微軟商店獲得4.6顆星的評分

串接微軟提供的TSF (Text Services Framework)，開發在windows上使用的中英混和輸入法。使用者不需切換中文或英文輸入法，直接使用即可同時打出中文及英文，並且能學習使用者的模式，提供個人化的打字體驗。
以C++實作輸入法各項功能的演算法和架構設計、不同程式之間的溝通、windows api使用，改善架構與效能，減少使用者等待時間，改良演算法機制，提高預測選字精準度，以提高體驗。
以 WPF 編寫使用者操作教學、設定頁面，刻劃易懂的教學說明，及讓使用者易於套用自己的習慣、更改設定，增加體驗。
開發時並利用單元測試與整合測試自動化，提高程式的穩定度及開發效率。

MyASUS：提供客戶獲取電腦硬體資訊等多功能整合軟體，在微軟商店獲得4.5顆星的評分

負責WPF UI頁面與背後功能實作，並與不同部門團隊溝通合作，使得跨組開發的功能順利運作。

AI Research：

定期研讀AI現況發展的期刊論文，嘗試使用各種模型並與團隊分享。對自然語音處理、圖像分類繪圖等現今主流的模型皆有所涉略。

學歷

國立臺灣大學土木工程所結構組，2017 年 9 月 - 2019年8月，GPA 3.8 / 4.3

主修高等結構學、有限元素法等科目，編寫程式進行力學行為、結構系統之模擬分析。

學習智慧計算、機器學習等演算法課程，利用電腦計算與自動化快速提供結果輔助工程決策，如在需求條件下達到減少材料用量。

碩士論文題目為「應用機器學習方法於橋梁管理」，使用機器學習模型，由大量橋梁資料訓練並輔助判斷橋梁檢測和維修的時機。並利用網路爬蟲技巧自動蒐集橋梁所在地各年份之地理氣候資訊增加資料特徵，加入橋梁檢測模型，增加準確度。結果得以在一年執行30%左右橋梁檢測數達到一定程度之橋梁安全。

國立臺灣大學土木工程學系輔修經濟學系，2011 年 9 月 - 2016 年 6 月，GPA 3.9 / 4.3

主修土木工程，學習結構學等力學原理與應用至工程上之方法，且延伸至其他與工程相關之領域，像是災害防治與程式控制模擬等。

輔修經濟學系學習經濟、統計學等科目，培養外語(日文、德文)，並提升資訊程式(修習資料結構、演算法、物件導向等課程)的能力。

參加友會社團與熱舞社，擔任籌劃表演之召集人，負責協調學校、廠商與表演負責人，並與其他幹部討論規畫活動流程使之流暢有趣。

技能

Language

英語- TOEIC 金證 (870)

日語- JLPT N2

德語- 初級

Programming

C++, C#, Python, Matlab, Java

Object-oriented programming

Design pattern

Unit test & Integration test

machine learning, AI model

Windows app

Git

Engineering

AutoCAD、SketchUp

Structural analysis

Finite element analysis

專案與作品

華碩智慧輸入法

華碩智慧輸入法是一款為注音打字用戶設計的輸入法，可不需切換語言轉換輸入法即可打中英文。並能學習使用者的習慣，在打字時能自動將字置換成較常輸入的文字。另外也提供推測使用者接續打字內容的自動完成功能，還有個人辭庫、快捷文字本、符號表等用戶可以自行客製以便快速輸入的功能。詳細功能與內容可點擊網址或至micro store上觀看。

在此專案中參與各式功能演算法的設計以提高效能和選字體驗；各角色互動與程式架構設計，包含TSF frammework的串接、不同程式間資料的分享；UI的刻畫，WPF示頁面的實作等；並串接第三方軟體功能，以及設計Unit Test與用python做功能自動化測試。

MyASUS

MyASUS是一款華碩的整合軟體，用戶能在此得到與華碩相關的訊息，包括電腦本身的機台狀況進行設備監測、華碩的活動內容與其他軟體服務，並能利用此與客服聯絡，或與其他裝置連線進行檔案分享。

在此專案中負責設定與訊息等頁面的改版，使用WPF實作版面和其背後獲得資訊等運作與不同頁面間溝通的邏輯。

碩士論文 - 運用機器學習於橋梁檢測

使用Scikit-Learn提供之機器學習模組，透過歷年橋梁資料學習，判斷實行橋梁檢測之時機，以減少資源浪費並與安全性權衡。以樹型模型為主，使用decision tree、random forest、Xgboost 進行預測，調整模型參數與調整特徵提升準確度，以用於輔助橋梁的管理決策。另利用基本爬蟲技巧加進氣候條件，將每筆橋樑資料依照地點加上如雨量、氣溫等額外資料以提供更多資訊供模型學習。