李坪鑫(Pin-Xin Lee)

1997.05.01 · 0966-220-277

我是一位積極的青年,來自台南市安南區,在學期間我就讀資訊相關科系,在該領域上有不少的研究成就,寫程式可以說是我的嗜好,而我的目標是成為一位大數據分析師。
I am a motivated young man from the Annan district of Tainan City. I studied information-related subjects during my school years and have made a lot of research achievements in the field, writing programs is my hobby, and my goal is to become a big data analyst.

  [email protected]

  Tainan, Taiwan

    

技能

Programming


  • Python
  • Java
  • C#
  • html/css
  • SQL/NoSQL

Database Systems


  • MySQL
  • MSSQL
  • MongoDB

Language


  • Chinese
  • English

IDE


  • Jupyter notebook
  • pycharm
  • Android Studio
  • Netbeans
  • eclipse

Other


  • MQTT
  • RESTful Services
  • Raspberry Pi3
  • ubuntu

學歷

南臺科技大學

資訊管理系研究所

2019 - 2021

南臺科技大學

資訊管理系學士

2015 - 2019

工作經歷

數據分析師  •  神預科技有限公司

11月 2021 - 7月 2022

本人在Guess365擔任數據分析師一職,主要負責工作為運動數據分析,針對NBA、MLB等運動數據進行ETL處理,將網路資料爬蟲做各種視覺化分析、深度學習與機器學習建模等動作,提供網站用戶最佳比賽預測結果。

預測網站:https://guess365.cc/

研究助理  •  成功大學製造資訊與系統研究所

四月 2018 - 七月 2020

本人在成功大學製造資訊與系統研究所擔任研究助理職位,協助兩項科技部計畫成果研究與報告撰寫。

  • 先進駕駛輔助系統之雲端輔助設計優化--子計畫二:雲端巨量資料管理技術為基之智慧計算框架研發以支援先進駕駛輔助系統(II)(MOST 106-2221-E-006-005)
  • 基於實路樣本學習技術之自適性先進駕駛輔助系統--子計畫二:在雲端巨量資料平台上研發可自動伸縮式車載資料收集框架及智慧型先進駕駛輔助服務(MOST 107-2221-E-006-017-MY2)

其成果內容分別在期刊與會議論文:

  • 王鼎超、李坪鑫*、蔡芷菁與陳朝鈞(2021 年 3 月 23 日 )。基於深度學習圖像識別技術之智慧型危險駕駛分析平台開發。南臺學報工程科學類, 6 ( 1 ),1 – 16。李坪鑫*、郭欣婷、蔡芷菁、王鼎超、陳朝鈞與
  • 鍾鳳嬌 (2020 年 5 月 16 日)。 支援分散式架構之智慧型車輛感測資料收集與儲存系統。第 11 屆前瞻管理學術與產業趨勢研討會,國立聯合大學。

論文

作品集

GUESS365 LINE官方機器人  

本專案為Guess365建構LineBot官方頻道機器人,系統主要目標是提供用戶多種優質便利服務。例如,加入Line的會員將享有平台預測機器人的即時明牌通知、好手PK等功能。

頻道:https://linevoom.line.me/user/_dcy6PNfCn0mC5wkCou4H3MkuviKP5fbMX_bIiIc?utm_medium=windows&utm_source=desktop&utm_campaign=OA_Profile

介紹:https://github.com/leeprinxin/Guess365LineBot/blob/main/Guess365%20LINEBOT.pdf

 水錶自動抄錶系統

本專案使用Android APP裝載之YoloV4模組辨識水錶的儀表板數值,並把辨識的抄表紀錄寫入手機本地資料庫後,提供抄表紀錄轉移功能,能讓使用者下載抄表紀錄到電腦或其他資料庫。

https://github.com/leeprinxin/WaterMeterRecognition

基於兩種深度神經網路訓練的分類模型進行相互校正之混合人臉識別系統  

本作品開發一種基於兩種人臉神經網路所訓練的分類模型進行相互校正之方法,此稱為「雙重人臉辨識交互校正訓練系統」。 系統同時使用FaceNet和OpenFace神經網路進行分類訓練,並建構模組更新演算法,修正與選擇分類模型最佳的預測結果。

  • 模組更新演算法用於兩個模型的相互對抗,模型對新輸入的人臉圖像各取得一組預測身份與信心度後進行比較,以取得最佳預測結果後,協助新圖像被餵入正確的身份。
  • 使系統能夠自動收集新的資料,落實完全自動動態更新功能,這有助於增加樣本量和提高識別準確率。
  • 憑借自動動態更新和低識別錯誤率,系統可以取代人工篩選,減少勞動力成本。

https://link.springer.com/chapter/10.1007%2F978-3-030-73280-6_47

YoloV4漫威超人物件檢測

由GoogLeNET結構所開發的one stage物件檢測系統。採用End to End,只要使用單一神經網路(CNN),就能達到「You Only Look Once」。

其運作原理,模型一開始會將影像分成S*S的網格,每個網格會先預測它的中心點是否有包含物件,如果有就會預測出B個偵測框與屬於各別類別的機率,其中對每個 bndBox 的預測會輸出5個預測值: x, y, w, h 以及 confidence。

影片中,我利用YoloV4訓練一個偵測漫威超人的物件偵測器,並導入GPU在OpenCV加速計算,每秒約26FPS。

https://github.com/leeprinxin/Yolov4-Marvel-Object-Detection

CycleGAN影像風格轉換

CycleGAN 是一種擁有圖像轉譯功能的GAN,通過兩組鑑別器與兩組生成器互相對抗,學習如何將A風格的影像轉成B風格或B風格的影像轉成A風格。

圖像中,利用CycleGAN 將一般風景影像轉為梵谷風格的畫作。

https://gist.github.com/leeprinxin/36b9e0e9db0db00c9dc34dc3016086bc

基於BERT的新聞文章分類器

BERT 是 Google 以無監督的方式利用大量無標註文本「煉成」的語言代表模型,其架構為 Transformer 中的 Encoder。

  • 透過無監督式學習文字。不須標注數據,因此要訓練 LM 的話網路上所有文本都是你的資料集。
  •  厲害的 LM 能夠學會語法結構、解讀語義甚至指代消解。
  • 透過特徵擷取或是 fine-tuning 能更有效率地訓練下游任務並提升其表現。 減少處理不同 NLP 任務所需的建制架構成本。(擷取自Meng Lee)

本作品利用Tensorflow 2.0實現新聞文章分類功能,透過大量爬蟲爬取今日新聞網的所有新聞,共8萬篇幅,11種類別,進行BERT的下游微調分類訓練。

其結果得知,BERT的準確率大於GRU+Fasttext Embedding、LSTM+Word2Vec等組合。

https://github.com/leeprinxin/News-classification-using-BERT-model