Keelung City, Taiwan

Email: [email protected]

Phone: 0933101297

Github: github.com/Rainman5042 

簡孝羽

淡江大學資訊工程碩士

  AI Engineer  | 積極負責 | 擅於溝通 | 適應力強 | 勇於嘗試新事物

  • 多次競賽相關經驗
  • 碩士研究 - 基於深度學習 BERT 語言模型之醫療影像報告生成系統
  • 深度學習|影像處理 自然語言

於碩士在學期間研究影像處理、自然語言以及影像描述等技術,並將其應用於醫療影像的判讀以及醫療報告生成,期許利用自身所學,降低醫療系統的龐大負擔。在學期間曾參加全國性競賽,並於2019全國智慧製造大數據競賽成功進入決賽,以及2021 Tomofun狗音辨識AI挑戰賽排名前9%,樂於應用自身所學解決各領域所遇到的問題。

Skills

Programing & IDEs


  • Python ( 3+ years experience )
  • Jupyter Notebook
  • Visual Studio

Package


  • Tensorflow 
  • Keras
  • Scikit-Learn
  • Numpy
  • Pandas
  • NLTK
  • OpenCV
  • Matplotlib

ML Algorithms


  • Data Preprocessing
  • Feature Engineering 
  • Model Design, Training

  • Data Visualization

  • Transfer Learning  

Machine Learning


  • Statistic Analysis
  • Linear/Logistic Regression
  • Classification
  • Image Captioning

  • CNN

  • BERT

競賽經歷

Jun 2021 - July 2021

2021 Tomofun狗音辨識 AI 百萬挑戰賽

題目: 利用主辦方所提供的六種居家環境音建立音源分類模型,排名前9% (27/300)。 

關鍵字:  log-Mei spectrum, EfficentNet, Mixup, SpecAugment

May 2020 - Jun 2020

2020全國智慧製造大數據競賽 

題目: 以加工機台的設定參數作為訓練資料,預測其中20個設定參數的數據。

指導兩位淡江機電系大學生組隊參加,負責演算法開發,資料前處理。

關鍵字: Hot Deck Imputation, LightGBM, K-fold

May 2019 - Jun 2019

2019全國智慧製造大數據競賽 - 進入決賽

題目: 利用刀具加工震動數據預測刀具磨耗類別與加工工件表面品質。

與兩位淡江機電系研究生組隊參加,負責演算法開發資料前處理 

關鍵字: Fast Fourier transform, MFCCs, Linear Regression

其他經歷


 Sep 2019 - Jan 2020

大學助理教師

研究生時擔任助理教師,負責淡江資工系大學生App Inventor 2  課程,使用App Inventor 2 做出Android App,提升大學生的程式基本概念。

 Aug 2016 - Aug 2017

法務部行政執行署高雄分署-替代役管理幹部

於行政執行署高雄分署服役時,擔任替代役管理幹部,協助長官管理役男生活起居,輔助長官完成交辦事項。

學歷

淡江大學

資訊工程學系碩士

2018 - 2020

真理大學

企業管理學系學士

2012 - 2016

碩士論文

基於深度學習 BERT 語言模型之醫療影像報告生成系統

使用IU X-Ray以及PEIR Gross醫療影像資料庫,使用VGG以及ResNet做為影像特徵擷取模型,並使用 Conditional Layer Normalization,來控制 BERT 生成相對應的文字報告,最後使用集束搜尋 (Beam Search) 來增加輸出文字的準確度。研究結果顯示使用BERT結合VGG或ResNet,可達到 BLEU-1 : 0.636,其表現皆優於其他使用RNN的語言模型 。

使用VGG19建立手勢辨識模型

使用24個英文字母手勢影像做為訓練資料,利用Opencv影像經過膨脹處理,使用Otsu二值化做背景去除&手勢定位,利用VGG-19建立分類模型,模型準確率可達到99.5%。

Tomofun狗音辨識 AI 百萬挑戰賽

利用主辦方所提供的六種居家環境音建立音源分類模型

使用log-Mel-Spectrum結合Delta Features & Accelerate features,堆疊成三維影像做為訓練資料,並使用了 SpecAugment、Mixup等前處理。使用 EfficientNet 做為主要的模型架構,測試準確率91.2%ROC Curve score 為 0.981在競賽中排名前9% (27/300)