我目前在CloudMile擔任Machine Learning Engineer,個人在機器學習的領域上有六年以上實作經驗,在CloudMile的工作內容為使用機器學習、資料探勘等技術來幫助客戶導入機器學習技術與優化廣告投放的效率和減少成本. 曾參與深度學習使用者行為預測,廣告投放效益預測,自動生成廣告文案等模型設計與後端平台API的開發. 另外也負責大型OCR發票辨識系統的後端開發與維護.
Machine Learning Engineer. Data Scientist.
Taipei Special Municipality,TW
[email protected]
• 智慧家電推薦系統平台設計與建置,以API即時提供深度學習模型預測結果.
(Python, mongoDB, Azure Cloud Service)
• 設計Recurrent Neural Network架構與特徵工程演算法預測消費者行為.
(Python, Pandas, Scikit-learn, Tensorflow, Keras)
• 智慧家電Chatbot後端平台之開發,使用者可透過LINE直接操作家中的電器,省去使用智慧家電APP操控.
(Golang, Heroku, PostgreSQL, Line Chatbot, Azure Cognitive Services)
• 實作Convolutional Neural Network與遷移學習在自駕車專案中的物件偵測.
(Python, Pandas, Scikit-learn, Tensorflow, Keras)
• 建立OTA系統後端開發,讓使用者可以隨時更新韌體.(PHP, MySQL)
• 智能環境監控系統開發與建置
• 分析與預測智能環境中的使用者行為 (Matlab, Python)
• 主修Machine Learning,著重於使用者行為分析預測與智慧型環境監控系統.
• 蒐集並分析智能環境資料,並預測人類活動和環境條件.
• 畢業論文 : Model Decomposition for Activity Recognition and Reasoning.2015
• 開發影像處理之Android應用程式 (Java, Android)
- Python
- Java
- JavaScript
- Golang
- C
- PHP
Data Science
- Machine Learning
- Deep Learning
- PyTorch
- Tensorflow
- Keras
- Hadoop
我是孫郁喬,畢業於國立台灣科技大學資訊工程研究所,在研究所時主修機器學習,論文主題為智慧環境下的使用者行為辨識與其效能的優化。在Intel台大創新研究中心擔任研究助理時為智慧環境下的使用者行為分析與預測,我們將一個實驗室布置成智慧環境,並且在該環境佈建許多感測器來蒐集使用者資料,藉由這些蒐集來的資料進一步分析預測使用者行為與辨識使用者並切換至該使用者的個人環境設定。
畢業後,我以研發替代役的身分進入Quanta Computer並且擔任軟體工程師的職務,我的部門是一個研究型的軟體部門,相較於其他生產製造的部門,我們專注於業界中較新或是創新的技術,思考運用新的技術或是更適合的程式語言取代原先已有的技術。另外我們也將機器學習的技術運用到公司的物聯網產品與新的專案上,來加強產品的效能與附加價值。
從廣達電腦離開後進入到CloudMile萬里雲擔任Machine Learninig Engineer,主要的工作內容為使用機器學習、資料探勘等技術來幫助客戶導入機器學習技術與優化廣告投放的效率和減少成本. 曾參與深度學習使用者行為預測,廣告投放效益預測,自動生成廣告文案等模型設計與後端平台API的開發. 另外也負責大型OCR發票辨識系統的後端開發與維護.
以下列舉曾參與的專案與工作內容:
1. 自動生成廣告文案,加快廣告投放的創作文案速度.
- 資料處理與分析
- 生成文案模型建立與訓練
- 後端API開發
2. 建置推薦與預測系統於MarTech領域, 提供使用者廣告投放效益預測.
我們運用過去使用者的廣告投放行為建立模型,讓使用者可以提前參考廣告投放的成效
- 資料處理與分析
- 成效模型建立與訓練
- 後端API開發
3. 開發OCR發票辨識系統,提供使用者拍攝實體發票並即時儲存相關資訊.
我們運用Google Vision API的OCR技術,即時將使用者拍攝之發票做分析,並且將發票資訊存於資料庫
- Vision API串接
- GCP CloudRun部署並優化
4. 自動將商品圖片去除背景以符合網拍平台規範.
因應網拍平台要求商品圖片只能有商品主體不能有其他任何標籤,使用GAN來將既有商品圖片去背與去除標籤
- 圖片爬取
- 圖片數據擴充
- 生成對抗式網路建立與訓練
5. IoT智慧家電專案
我們開發了一個IoT產品,使用者能夠藉由該IoT產品,透過手機或是智慧音箱來操控家中電器設備,此專案我負責的部分如下:
- Chatbot後端開發(Golang)
- NLP中的關鍵字擷取與意圖(Python, Dialogflow, Luis)
6. 機器學習使用者行為預測專案
我們蒐集使用者操作IoT產品的log資料與該IoT產品本身可以蒐集到的環境溫濕度資料,來進行分析並建立深度學習模型來預測使用者行為,減少使用者操作手機App的過程進而增加使用者體驗,例如藉由使用者過去開冷氣的資料,推薦該使用者當下最適宜的冷氣模式與溫度,並且預測使用者想開冷氣的時間,在該時段前5分鐘發送推播通知到使用者手機詢問是否開冷氣。
此專案我運用我機器學習專長,主導整個專案並且設計流程,其內容如下:
- 資料處理與特徵工程 (Python, Jupyter, Pandas, matplotlib)
- 深度學習模型設計 (Python, Jupyter, Pandas, Tensorflow, Keras)
- 後端API開發 (Python, Flask)
- 自動化Re-Train深度學習模型(Python)
7. 自駕車專案
此專案當中我負責研究自駕車中有使用到關於機器學習的所有演算法,並且藉由實作Convolution Neural Network與遷移學習(Transfer Learning)來實作物件偵測(Object detection),我負責的內容如下:
- 資料蒐集
- 遷移學習實作
- 自駕車軟硬體整合
我目前在CloudMile擔任Machine Learning Engineer,個人在機器學習的領域上有六年以上實作經驗,在CloudMile的工作內容為使用機器學習、資料探勘等技術來幫助客戶導入機器學習技術與優化廣告投放的效率和減少成本. 曾參與深度學習使用者行為預測,廣告投放效益預測,自動生成廣告文案等模型設計與後端平台API的開發. 另外也負責大型OCR發票辨識系統的後端開發與維護.
Machine Learning Engineer. Data Scientist.
Taipei Special Municipality,TW
[email protected]
• 智慧家電推薦系統平台設計與建置,以API即時提供深度學習模型預測結果.
(Python, mongoDB, Azure Cloud Service)
• 設計Recurrent Neural Network架構與特徵工程演算法預測消費者行為.
(Python, Pandas, Scikit-learn, Tensorflow, Keras)
• 智慧家電Chatbot後端平台之開發,使用者可透過LINE直接操作家中的電器,省去使用智慧家電APP操控.
(Golang, Heroku, PostgreSQL, Line Chatbot, Azure Cognitive Services)
• 實作Convolutional Neural Network與遷移學習在自駕車專案中的物件偵測.
(Python, Pandas, Scikit-learn, Tensorflow, Keras)
• 建立OTA系統後端開發,讓使用者可以隨時更新韌體.(PHP, MySQL)
• 智能環境監控系統開發與建置
• 分析與預測智能環境中的使用者行為 (Matlab, Python)
• 主修Machine Learning,著重於使用者行為分析預測與智慧型環境監控系統.
• 蒐集並分析智能環境資料,並預測人類活動和環境條件.
• 畢業論文 : Model Decomposition for Activity Recognition and Reasoning.2015
• 開發影像處理之Android應用程式 (Java, Android)
- Python
- Java
- JavaScript
- Golang
- C
- PHP
Data Science
- Machine Learning
- Deep Learning
- PyTorch
- Tensorflow
- Keras
- Hadoop
我是孫郁喬,畢業於國立台灣科技大學資訊工程研究所,在研究所時主修機器學習,論文主題為智慧環境下的使用者行為辨識與其效能的優化。在Intel台大創新研究中心擔任研究助理時為智慧環境下的使用者行為分析與預測,我們將一個實驗室布置成智慧環境,並且在該環境佈建許多感測器來蒐集使用者資料,藉由這些蒐集來的資料進一步分析預測使用者行為與辨識使用者並切換至該使用者的個人環境設定。
畢業後,我以研發替代役的身分進入Quanta Computer並且擔任軟體工程師的職務,我的部門是一個研究型的軟體部門,相較於其他生產製造的部門,我們專注於業界中較新或是創新的技術,思考運用新的技術或是更適合的程式語言取代原先已有的技術。另外我們也將機器學習的技術運用到公司的物聯網產品與新的專案上,來加強產品的效能與附加價值。
從廣達電腦離開後進入到CloudMile萬里雲擔任Machine Learninig Engineer,主要的工作內容為使用機器學習、資料探勘等技術來幫助客戶導入機器學習技術與優化廣告投放的效率和減少成本. 曾參與深度學習使用者行為預測,廣告投放效益預測,自動生成廣告文案等模型設計與後端平台API的開發. 另外也負責大型OCR發票辨識系統的後端開發與維護.
以下列舉曾參與的專案與工作內容:
1. 自動生成廣告文案,加快廣告投放的創作文案速度.
- 資料處理與分析
- 生成文案模型建立與訓練
- 後端API開發
2. 建置推薦與預測系統於MarTech領域, 提供使用者廣告投放效益預測.
我們運用過去使用者的廣告投放行為建立模型,讓使用者可以提前參考廣告投放的成效
- 資料處理與分析
- 成效模型建立與訓練
- 後端API開發
3. 開發OCR發票辨識系統,提供使用者拍攝實體發票並即時儲存相關資訊.
我們運用Google Vision API的OCR技術,即時將使用者拍攝之發票做分析,並且將發票資訊存於資料庫
- Vision API串接
- GCP CloudRun部署並優化
4. 自動將商品圖片去除背景以符合網拍平台規範.
因應網拍平台要求商品圖片只能有商品主體不能有其他任何標籤,使用GAN來將既有商品圖片去背與去除標籤
- 圖片爬取
- 圖片數據擴充
- 生成對抗式網路建立與訓練
5. IoT智慧家電專案
我們開發了一個IoT產品,使用者能夠藉由該IoT產品,透過手機或是智慧音箱來操控家中電器設備,此專案我負責的部分如下:
- Chatbot後端開發(Golang)
- NLP中的關鍵字擷取與意圖(Python, Dialogflow, Luis)
6. 機器學習使用者行為預測專案
我們蒐集使用者操作IoT產品的log資料與該IoT產品本身可以蒐集到的環境溫濕度資料,來進行分析並建立深度學習模型來預測使用者行為,減少使用者操作手機App的過程進而增加使用者體驗,例如藉由使用者過去開冷氣的資料,推薦該使用者當下最適宜的冷氣模式與溫度,並且預測使用者想開冷氣的時間,在該時段前5分鐘發送推播通知到使用者手機詢問是否開冷氣。
此專案我運用我機器學習專長,主導整個專案並且設計流程,其內容如下:
- 資料處理與特徵工程 (Python, Jupyter, Pandas, matplotlib)
- 深度學習模型設計 (Python, Jupyter, Pandas, Tensorflow, Keras)
- 後端API開發 (Python, Flask)
- 自動化Re-Train深度學習模型(Python)
7. 自駕車專案
此專案當中我負責研究自駕車中有使用到關於機器學習的所有演算法,並且藉由實作Convolution Neural Network與遷移學習(Transfer Learning)來實作物件偵測(Object detection),我負責的內容如下:
- 資料蒐集
- 遷移學習實作
- 自駕車軟硬體整合