————On-site Data Scientist———— 客製推薦系統 - Two Tower模型： 建立客製化的Two Tower推薦 模型，提升推薦系統的準確度 優化推薦系統 - DeepFM模型： 修改並重新訓練DeepFM模型，通過細節調整和數據分析，顯著提高模型性能 重組Google Cloud Platform上的數據管線： 優化在Google Cloud Platform上的數據處理流程，提升數據處理效率和可靠性 開發文本挖掘算法： 新詞發現、詞彙分割清理、TextRank等文本挖掘技術，以支援業務需求和數據分析 語言模型與詞嵌入應用： 運用CKIP、fastText、Word2Vec、DeepCTR等工具處理語句分解 ————Remote Crawler Engineer———— Python爬蟲： 負責設計及優化爬蟲策略，提高數據爬取效率 Database管理： 管理MySQL和MongoDB數，保證data的完整性和可靠性 維護異步Golang API： 負責Golang API的維護工作，提升系統性能 ————Other———— 設計和開發用於學術論文比對的系統 DeepAR模型與Timeseries資料處理

應用算法進行時序分析： 使用通用加法模型（GAM）和自回歸積分滑動平均模型（ARIMA）進行時間序列分析，以預測每家商店的進貨需求和銷售趨勢 多模型分類應用： 設置自動商品標籤系統，使用多種分類模型 （XGBoost、Random Forest等），比較各模型的性能，自動選擇最適合的模型進行商品貼標 參與推薦系統的算法開發，提升推薦系統的準確性和用戶體驗 AWS雲服務管理： -自動化ETL流程： 使用Amazon SageMaker自動化推薦系統數據的抽取、轉換和加載（ETL）流程 -虛擬機管理： 負責AWS上的虛擬機管理工作，包括配置、監控和維護，確保系統穩定運行

設計開發，製程優化