Hkwg8ooab4mvxamrqp84
技能

Front-end

  • HTML, JavaScript, jQuery, Boostrap, Cordova
Back-end
  • Tomcat, Servlet, MySQL, JDBC

Web IE & IR

  • IR system: Solr, Elasticsearch
  • Web scraping: Requests, BeautifulSoup


Machine Learning

  • Supervised Learning: KNN
  • Un-Supervised Learning: K-means
  • Deep Learning: ANN, CNN, RNN, Seq2Seq, Attention
  • TensorFlow, keras, Pandas, NumPy, scikit-learn

Natural Language Processing

  • Stance Detection
  • Natural Language Inference
  • Discourse Parsing 
  • Word Representation: word2vec, GloVe  
  • Natural Language Toolkit (NLTK), Gensim, CKIP, Jieba

學歷

國立中央大學, 工學碩士, 資訊工程, 2018 ~ 2020

國立臺灣海洋大學, 工學學士, 資訊工程, 2014 ~ 2018

競賽/論文發表

2020.9 ROCLING 計算語言學研討會 - 論文發表 (題目:應用階層可解構式注意力模型於新聞立場辨識任務)

2018.10 大專學生研究計畫 - 研究創作獎

2018.6 海洋大學資工系專題競賽 - 第一名

2017.12 智慧終端與人機互動軟體創作專題競賽 - 第三名

2017.11 第22屆全國大專校院資訊應用服務創新競賽 - 資訊技術應用組 佳作

2017.10 TANET台灣網際網路研討會 - 論文發表 (題目:基於QR CODE與推播技術之問卷導向醫病互動系統)

2017.5 全國大專校院軟體創作競賽 - 行動終端與應用組 佳作







作品集

Paragraph image 01 00@2x

大學專題: 問卷導向醫病互動系統 - BBDP

隨著網路科技與行動裝置的技術快速進步,透過行動醫療 (Mobile Health) 技術進行健康管理已越來越普及。市面上許多醫療相關的行動App雖然提供了各式功能以達成健康管理的目的,卻無法解決實際的診療時,病患與醫生間醫療資訊不對等之現象。基於上述議題,本研究提出一個基於QR Code與推播技術的問卷導向醫病互動系統,稱為BBDP (Bridge Between Doctor and Patient)。本研究依循軟體工程流程方法,規劃建置以問卷功能為核心的行動醫療App,除了提供基本的健康管理功能外,病患與醫生可以透過問卷功能與病況記錄功能,將更有效地進行深度診療,同時增加病患與醫生、家屬間的互動性,達成減少醫療資訊不對等、提升醫療品質之目的。 


關鍵詞:行動醫療App、問卷、醫病互動、WebSocket、FCM (Firebase Cloud Messaging)、QR Code 


使用技術: 

前端-JavaScript, Boostrap, C3.js, Cordova 

後端-Apache Tomcat, Servlet, WebSocket, FCM, MySQL


職責:病患端 QR code 掃描模組、醫生端病患搜尋模組、病患端與醫生端上傳大頭貼模組、病患端與醫生端檔案夾模組、病患端與醫生端注意事項模組、家屬模式-家屬列表模組&權限設定模組

Paragraph image 01 00@2x

碩士論文: 應用階層可解構式注意力模型於新聞立場辨識任務

新聞立場辨識任務的目的為判斷一篇新聞對於某個議題的立場是中立、贊成或反對。 此項任務與自然語言推理 (Natural Language Inference, NLI) 任務類似,目標在給定兩 個句子,判斷兩者之間是否無關或存在蘊涵、矛盾關係。本論文以新聞立場檢索競賽 提供的資料作為參考,但其大部分的新聞文章都屬於支持特定議題的立場,造成資料 在不同類別的分佈不平衡。本篇論文提出 Hierarchical Decomposable Attention Model 來解決新聞立場辨識任務,我們以句子為單位分割新聞文章,並基於 Decomposable Attention 的原理找出文章中的每個句子與特定議題的關係。針對資料不平衡的問題, 我們建立反義的議題,並手動標記新聞對反義議題的立場,以改善模型效能。實驗結果顯示,我們提出的模型效能優於其他模型。 


關鍵詞:新聞立場辨識、自然語言推理、篇章分析、注意力機制 


使用技術:TensorFlow, scikit-learn, Gensim, CKIP, Pandas, NumPy, BeautifulSoup

Powered by CakeResumePowered by CakeResume