目前就讀於清華大學 計算與建模科學研究所(ICMS) 碩二,目前主要研究方向為AI視覺辨識、物件偵測、瑕疵檢測、LLM,曾任於四維集團數據部門資料科學家,協助集團進行數位轉型、建立Data lake、自助式數據服務和工業數據分析。
https://github.com/leoliu5550 https://www.linkedin.com/in/leo-liu-aa83721b3/ leoliu5550@gmail.com
計算與建模科學研究所
統計資訊學系
Transformer-based method with Adapter module
Deformable Convolution and Central Difference Convolution for Object Detection
清華 • Sept 2022 - Present
在i.MX RT1060EVK上,我更改現有Tensorflow pretrain model(重新初始化最後兩個layer、重新建立檢測頭) 重新訓練於人和車輛資料集,以實現檢測人數和計程車數量,期望以此減少計程車的空轉時間,更進一步減少車輛排放廢氣。在減輕模型大小的同時,該模型還是可以在流媒體監視器中檢測所有的人和計程車。
Jubo 智齡科技 • Jul 2023 - Sept 2023
該實習主要開發一個用於語音輸入系統的對話式用戶界面(CUI),以減輕護理師於行政文書作業之類的間接照護上花費大量時間,也解除在護理師在進行照護時面臨無法筆記的限制,從而減少資料產生人為錯誤的發生。 利用speech to text模型轉換語音為文字,並fine tune 於LLaMA模型用於產出固定格式紀錄。預計能在一個班次中減少護士的記錄時間1小時。 本次實習與台灣大學CAE合作,並於實習競賽中獲獎。
Symbio, Inc. • Jun 2022 - Jul 2022
我協助 BenQ 導入 Oracle Analytics Cloud(OAC),指導使用者如何善用 Oracle Analytics Cloud 進行資料視覺化,實現更有效的資料分析。我還協助BenQ建立重要的數據基礎設施,以優化使用者體驗,並依據使用者需求錄製 15 門OAC資料分析課程。
Symbio, Inc. • Oct 2019 - May 2022
在大學統計資訊系畢業後,任職於四維企業數據核心部門資料科學家進行集團內數據中台的治理與數據整合分析應用。其中,敝人主要負責的項目為產線製程條件的最佳化、設備預測性維護的與全集團的BI系統維護開發。
Mathematical Modeling and Analysis-Lotka-Volterra equation analysis
Topics on Applied Mathematics - YoloV3 on IPCam DataSet(on tensorflow2)
Special Topics on Scientific Computing - YoloV7/DDN/DERT on AOI Dataset(on pytorch)
The Study of User and Chatbot Design - wound detection&chatgpt linebot on aws service
2023 Mei-chu Hacksthon
在i.MX RT1060EVK上,我更改現有Tensorflow pretrain model(重新初始化最後兩個layer、重新建立檢測頭) 重新訓練於人和車輛資料集,輸出為TFlite model,以實現檢測人數和計程車數量,期望以此減少計程車的空轉時間,更進一步減少車輛排放廢氣。我主要負責簡化物體檢測模型,在減輕模型大小的同時,該模型還是可以在流媒體監視器中檢測所有的人和計程車。實時模型的召回率達到了93.42%。. SLIDES, picture reference
Jul 2023 - Sept023
Taipei, Taiwan
該實習主要開發一個用於語音輸入系統的對話式用戶界面(CUI),以減輕護理師於行政文書作業之類的間接照護上花費大量時間,也解除在護理師在進行照護時面臨無法筆記的限制,從而減少資料產生人為錯誤的發生。 利用speech to text模型轉換語音為文字,並fine tune 於LLaMA模型用於產出固定格式紀錄。預計能在一個班次中減少護士的記錄時間1小時。
本次實習與台灣大學CAE合作,並於實習競賽中獲獎。
Jun 2022 - Jul 2022
Taipei, Taiwan
Oct 2019 - May 2022
Taipei, Taiwan
在完成統計學和資訊科學學位後,我開始在四維企業的核心資料部門擔任資料科學家。我負責優化生產過程條件,實施設備的預防性維護,以及維護和開發公司的商業智能(BI)系統。
Project as Data Scientist
in 2019~2022
因產品需要進行人工檢查,這個過程容易受到個人主觀性、培訓變化、疲勞和分心的影響。這些因素導致檢查標準不一致。利用影像辨識模型來降低因人為因素產生的檢驗差異。利用detection2 構建缺陷檢測人工智能模型,平均精度達到93%。部署於Oracle cloud 服務中,除了能實時監控模型表現,在模型表現降低時發出預警和替換模型,使各廠人員都能利用API隨時調用模型。
由於產品性質的固有特性,大多數產品測試是屬於破壞性檢測,這使得測試每個單獨的產品變得不切實際。通過在生產設施內設置傳感器並收集數據,加上計算各站點之間工作時間差,使得可以對應檢驗數據到生產過程中的產品上,利用統計和監督式機器學習建立訓練模型,以此實現產品全檢。主要成果:客訴損失540萬。
利用oracle data integrator和Oracle Integration在Oracle ADW建立data pipeline連結ERP,並在Oracle Analytics Cloud 設計多個數據星狀模型,以此提供數據自助式服務,使各單位相關人員可以開發自我相關需求的資料視覺化儀表板,提供合適各數據星狀模型的數據視覺化儀表板模板,這有助於需要的相關人員每月減少開發時間。