• 程式語言

• Python、C

• 研究領域

• 物件偵測
  
• 推薦系統
• 推薦模型進行廣告點擊預測

AI台灣人工智慧學校

• 物件偵測實作班結業-
  實作課程(物件偵測、影像分割)

• 數據分析與處理

• Pandas、Numpy等方式進行資料清洗、資料轉換、資料縮減、資料離散化、資料正規化、資料
  標準化等

模型訓練

• jupyter notebook 中進行開發
  
• TensorFlow 做為學習框架
• DeepCTR  點擊率預測模型
• Scikit-Learn 回歸演算法
  

2021/9 - 2023/10 明新學校財團法人明新科技大學 

半導體學院 - 電機工程系碩士班(資工組)

修習課程 : 深度學習、人工智慧、無線系統、大數據分析、物件偵測相關、影像分割相關、推薦系統

2016/9 - 2020/6  明新學校財團法人明新科技大學

資訊工程系

修習課程 : 資料結構、資料庫實務、數位邏輯設計、網路安全實務、軟體工程、演算法、程式設計

2013/9 - 2016/6 新竹縣私立忠信高級中學  - 資訊科

           我是土生土長的新竹人，畢業於明新科技大學的電機工程系(資工組)研究所，從小的家庭與學習環境使我擁有「多方向思考與解決問題」的能力，使我在面對不同的事情時，能夠冷靜理性思考，並且一步一步找出相應的解決方式，平時愛好除了打羽球與HIIT運動外，還有閱讀程式相關以及理財方面書籍，增進自己的能力，因為我認為做好每件事情，除了需要清晰的頭腦也需要充足的體力，才能應付所遇到的所有問題。

            本身對於人工智慧、資料分析及各種AI運用的領域很有興趣，因而在就讀研究所前就與研究人工智慧技術之教授討論就讀研究所之方向及相關問題，進入研究所之後也進入AI臺灣人工智慧學校進行物件偵測等相關課程及培訓，從學校的課程中與實驗室學長姐們的經驗中吸取數據處理、機器學習等相關知識，並且運用在論文研究中，所學之技術能夠幫助我論文研究中解決所遇到的問題。

            論文研究使用深度學習之方式去訓練不同種點擊率預測模型，找出較好的點擊率預測模型，並且將其改進，使廣告點擊推薦系統能夠提高效率及準確度。

            在研究所中所學之資料分析、物件偵測及機器學習等相關知識及經驗，能夠利用在業界AI領域相關之產業，幫助各種模型相關訓練及問題解決，未來進入職場後，短期內會盡速將工作崗位所需之工作內容上手，讓自己能夠獨立完成工作為優先，長期計畫則是從深度的專業知識及廣度或工作經驗中，去不斷精進自己的能力，能夠進而提升整體工作之效率和能力。

<基於深度學習之廣告推薦點擊預測系統>

1.將資料進行預處理，避免過多會影響結果之不必要因素參雜其中

2.處理完之資料經過特徵工程，使訓練模型時每個特徵之權重不會失衡影響訓練結果

3.將上述經處理之資料餵進CTR模型進行訓練

4.使用AUC去測試CTR模型之效果，如效果不如預期再將其模型進行調整再訓練