劉雨鑫(Rossi Liu)
軟體工程師
目前於公司擔任軟體工程師一職，主要負責深度學習模型開發、實作及改良。
隨時了解深度學習相關技術的進展，並分析其中的技術是否可導入現有模型用以提升效能。
閒暇時間參與影像辨識相關競賽，透過競賽來增進改良、訓練模型的技術並且鍛鍊分析問題、解決問題能力。
熟悉Python、Tensorflow、Keras、OpenCV、影像處理。
倍利科技
國立中正大學
台灣新竹市新竹
專業背景
- 目前狀態就職中・目前沒有興趣尋找新的機會
- 專業數據工程師・機器學習工程師・Python 開發人員
- 產業人工智慧 / 機器學習・軟體
- 工作年資2 到 4 年 (2 到 4 年相關工作經驗)
- 管理經歷無
- 技能
- 語言能力English・中階
- 最高學歷碩士
求職偏好
- 預期工作模式全職・對遠端工作有興趣
- 希望獲得的職位AI工程師、機器學習工程師、深度學習工程師、資料科學家、Machine Learning Engineer、Deep Learning Engineer、Data Scientist
- 期望的工作地點台灣・台灣新竹市新竹・台灣新竹市
- 接案服務不提供接案服務
工作經驗
資深軟體工程師
軟體維護/客製化：
針對不同客戶提出的要求，在現有架構上進行客製化修改。
將TensorFlow 1相關程式升級至TensorFlow 2。
將TensorFlow模型轉換為TensorRT提升推論速度。
深度學習建模：
建立側顱X-Ray影像分割模型。
建立胸部X-Ray肺部檢測模型。
建立顯微影像下的細胞偵測計數與分類模型。
建立image style transfer模型。
建立CycleGAN模型。
建立瑕疵檢測模型。
深度學習講師：
提供有需求的客戶進行基礎觀念教學，以及撰寫相關範例程式。
開發輔助工具：
導入Grad-CAM，分析分類、檢測模型是否在正確位置上有較高的反應，用來評估模型訓練好壞。
模型優化/改良：
在原始模型上加入SENet、CBAM、DropBlock等論文技術，在測試資料中使得漏檢率從0.3808%降低至0.3046%。
總技術室-軟體工程師
E-CAP Inspection：
與數位多媒體部門合作，使用IP Camera，開發電容極性檢測演算法。
開發傳統影像處理演算法，使得極性檢測達到90%準確度。
開發Deep Learning技術與tracking演算法，達到100%準確度。
Anormal detection：
建立深度學習模型分析公司歷年數據，利用預測結果鑑別異常資料。
學歷
Master’s Degree
・
資訊工程所簡介
1.使用深度學習分析一般使用者生成的影像，透過模型分析的結果，自動剪輯成摘要影片，目的是希望能透過此技術縮短以往人工剪輯所耗費巨大成本。
論文發表於2019 IEEE 21st International Workshop on Multimedia Signal Processing。
論文名稱：
Spatiotemporal Modeling and Label Distribution Learning for Video Summarization
2.偵測行車紀錄器的車輛，並對廠牌顏色進行分類。
3.對行車紀錄器影像建立segmentation模型，提升車道線偵測準度。
4.對行車紀錄器影像，使用深度學習以及SVM進行場景分類。
5.使用Rank SVM改良遊戲影像Highlight detection的準確度(研究室論文改進)。
資格認證
教育部人工智慧競賽與標註資料蒐集計畫 (AI CUP)