- Lowongan
- Panduan KarirPengembangan KarirWawancara Orang/PerusahaanBusiness ExcellenceDari CakeResumeBacaan Unggulan
- Untuk Perusahaan
- Download aplikasi CakeResume
CakeResume Talent Search
Paket Perekrutan Paling Mudah dan Efektif, Pilihan Ratusan Perusahaan
Cari lebih dari 800 ribu CV dan ambil aksi menghubungi pelamar kerja untuk rekrutmen yang lebih efektif. Pilihan ratusan perusahaan.
- Lihat semua hasil pencarian
- Tanpa batas harian untuk memulai pesan baru
- CV dapat diakses oleh perusahaan berbayar
- Lihat email pengguna & nomor telepon
Definition of Reputation Credits
技能
機器學習與建模
• 算法: Tree-based models; Logistic Regression; XGBoost; KNN; SVM; Credit Score Card; ARIMA; Prophet; Clustering; Apriori; Bayesian analysis; Statistical Modelling
• 統計模擬: System Dynamics; Agent-based Modelling; Monte Carlo
程式語言/軟體
• Programming skills: R; Python (pandas, NumPy, Scikit-learn, statsmodel, apyori, fbprophet, pytorch)
• Software: SPSS; Anylogic; SAS; Matlab; MS Excel
• Web: Dash, Flask, HTML
工作技能
• Working Skills: Interdisciplinary Communication; Verbal/Writing; Public Speaking; Presentation
• Git; MySQL; PostgreSQL; Docker; Ubuntu; Airflow
專案
英國國民健保署: 自動救護服務分析
方法：根據業務需求設計自動特徵篩選模型，並以Python進行模型應用與特徵篩選工具之設計。 成果：改變與加速組織中統計分析流程，也為未來建模者提供建模的特徵篩選框架。本計畫亦用此工具，分析2019年影響英格蘭中南部救護服務的變因，如何與何時影響，並提供政策建議。研究內容已發表為學位論文。
美國Covid-19風險評分
方法：獲取美國網民對疫情關鍵字的搜尋數據、醫療資源分布、外加空氣汙染指標 (分別反映大眾對疫情的關心，與地區受疫情干擾程度)。使用機器學習風險計分模型檢驗變數影響力；據此建立即時風險預測模型。 成果：所使用的變量，幾乎全數都具有反映疫情的能力，且數據可透過公開管道或爬蟲即時獲取，有利於做出即時風險預測和監控。
中國股市與總體經濟的連動
方法：分析反映投資、生產、消費、貨幣政策與房地產相關經濟變數和上證指數的滯後關係，並了解如何變化。以關聯規則方法分析，用關聯規則數量反映滯後關係。 成果：探討中國股市與經濟間滯後關係的演化。發掘了影響股市不同程度波動的重要因素。
Github: https://github.com/DarrenTsungjenWu/Chinese-Stock-market-and-Macroeconomics
工作經歷
Welhunt Material Enterprise
Data Scientist｜Dec. 2020 - present
• 研究經濟、天氣、船運及國際原物料市場，找尋並爬取資料建置Data Centre。
• 將原物料市場的領域知識，用於feature engineering以自製特徵，優化並使模型多樣化。
• 機器學習建模，掌握衍生性金融商品走勢以利交易人員進行投資與避險。
• 歸結國際市場主要買家的購買行為，使用時間序列與機器學習方法視覺化掌握交易規則，並呈現出不同國家決策時的節點
• 設計Dashboard，設計前端與連接後端資料庫，以呈現研究發現與觀測指標，監測/預判主要購買國的交易活動
South Central Ambulance NHS Foundation Trust, UK
數據分析師｜Jun. 2020 - Oct. 2020 (英格蘭南安普頓)
【專案: Developed an automated performance analysis framework for the 999 emergency response services】
• 與supervisors 和 project sponsors 定期溝通需求與進度，確保最終產品交付的形式與品質
• 運用機器學習為基礎的特徵篩選算法──Sparse Logistic Regression，篩選並解釋造成不良救護服務的因素
• 對 555,000+ 筆緊急救護服務數據 (即999 Incident Data) 進行數據預處理(pandas)，並應用特徵篩選算法分析跨週、跨月與跨時樣本數據，總結出不同時間段救護服務的表現差異
• 使用Python (Scikit-learn) 將特徵篩選器產品化，自動化project sponsors傳統分析流程，即時地辨識重要因素
量化投資社群
• 發起交易系統開發專案，打造具解讀市場情緒 + 綜合預測未來股市變化的交易預測系統
• 組建最小專案戰鬥團隊 (工程師、分析師與投資研究員，橫跨台灣與美國)，統合跨領域知識，協調專案進展所需資源
• 監管建模流程與prototype品質，確定產品概念與構圖
• 預處理與測試數據，反覆驗證與強化Forecasting/機器學習模型
南京大學計算機科學中心
• 瀏覽數據挖掘與股市研究文獻，提出以數據挖掘為基礎的研究主題──中國股市是否是宏觀經濟的晴雨表？
• 預處理上證指數與8個涵蓋生產、消費、貨幣與房價的經濟指標 (2000-2017年)；以視覺化處理，查看波動之關聯
• 使用Apriori演算法(Python的apyori frameworks)，分析上證指數與經濟指標的滯後關係，以此回答經濟理論中的重要命題：中國股市是不是有效市場，以及在17年期間如何演變
學歷
University of Southampton, UK，2019 年 9 月 - 2020 年 10 月
• (MSc) Business Analytics & Management Sciences
• 2.1 Academic Excellence Scholarship/5000 pounds
• Dissertation: What factors impact poor 999 services, and how? An empirical study of machine-learning-based feature selection on big data from South Central Ambulances Services NHS Foundation Trust
南京大學，2019 年 3 月 - 2019 年 7 月
• 2019春季交流計畫：政府管理學院
• 眾創空間3D列印空間志工解說員、值班管理員
• 相關課程：公共管理研究方法、數據科學、大數據分析基礎
國立政治大學，2014 年 9 月 - 2019 年 6 月
• 經濟學系/中國文學系雙主修 學士
• 研究興趣: 總體經濟、公共經濟 (公部門經濟研究)、貨幣銀行學理論、聲韻/漢語語言
更多作品
統計建模/分析：公共經濟
統計建模/分析：開源健康資料
病人健康如何影響罹患心臟病的機率？本作品旨在展示不同的特徵組合，如何影響模型的解釋力。同時設計/改善Matlab程式碼進行分析，並分別對感興趣的特徵繪出變數─機率擬合圖。
Forecasting
本作品為技術報告，主要涉及模型訓練、統計判斷以及模型比對之流程。測試Exponential Smoothing模型，並與ARIMA模型進行比較。
學習資源
技能
機器學習與建模
• 算法: Tree-based models; Logistic Regression; XGBoost; KNN; SVM; Credit Score Card; ARIMA; Prophet; Clustering; Apriori; Bayesian analysis; Statistical Modelling
• 統計模擬: System Dynamics; Agent-based Modelling; Monte Carlo
程式語言/軟體
• Programming skills: R; Python (pandas, NumPy, Scikit-learn, statsmodel, apyori, fbprophet, pytorch)
• Software: SPSS; Anylogic; SAS; Matlab; MS Excel
• Web: Dash, Flask, HTML
工作技能
• Working Skills: Interdisciplinary Communication; Verbal/Writing; Public Speaking; Presentation
• Git; MySQL; PostgreSQL; Docker; Ubuntu; Airflow
專案
英國國民健保署: 自動救護服務分析
方法：根據業務需求設計自動特徵篩選模型，並以Python進行模型應用與特徵篩選工具之設計。 成果：改變與加速組織中統計分析流程，也為未來建模者提供建模的特徵篩選框架。本計畫亦用此工具，分析2019年影響英格蘭中南部救護服務的變因，如何與何時影響，並提供政策建議。研究內容已發表為學位論文。
美國Covid-19風險評分
方法：獲取美國網民對疫情關鍵字的搜尋數據、醫療資源分布、外加空氣汙染指標 (分別反映大眾對疫情的關心，與地區受疫情干擾程度)。使用機器學習風險計分模型檢驗變數影響力；據此建立即時風險預測模型。 成果：所使用的變量，幾乎全數都具有反映疫情的能力，且數據可透過公開管道或爬蟲即時獲取，有利於做出即時風險預測和監控。
中國股市與總體經濟的連動
方法：分析反映投資、生產、消費、貨幣政策與房地產相關經濟變數和上證指數的滯後關係，並了解如何變化。以關聯規則方法分析，用關聯規則數量反映滯後關係。 成果：探討中國股市與經濟間滯後關係的演化。發掘了影響股市不同程度波動的重要因素。
Github: https://github.com/DarrenTsungjenWu/Chinese-Stock-market-and-Macroeconomics
工作經歷
Welhunt Material Enterprise
Data Scientist｜Dec. 2020 - present
• 研究經濟、天氣、船運及國際原物料市場，找尋並爬取資料建置Data Centre。
• 將原物料市場的領域知識，用於feature engineering以自製特徵，優化並使模型多樣化。
• 機器學習建模，掌握衍生性金融商品走勢以利交易人員進行投資與避險。
• 歸結國際市場主要買家的購買行為，使用時間序列與機器學習方法視覺化掌握交易規則，並呈現出不同國家決策時的節點
• 設計Dashboard，設計前端與連接後端資料庫，以呈現研究發現與觀測指標，監測/預判主要購買國的交易活動
South Central Ambulance NHS Foundation Trust, UK
數據分析師｜Jun. 2020 - Oct. 2020 (英格蘭南安普頓)
【專案: Developed an automated performance analysis framework for the 999 emergency response services】
• 與supervisors 和 project sponsors 定期溝通需求與進度，確保最終產品交付的形式與品質
• 運用機器學習為基礎的特徵篩選算法──Sparse Logistic Regression，篩選並解釋造成不良救護服務的因素
• 對 555,000+ 筆緊急救護服務數據 (即999 Incident Data) 進行數據預處理(pandas)，並應用特徵篩選算法分析跨週、跨月與跨時樣本數據，總結出不同時間段救護服務的表現差異
• 使用Python (Scikit-learn) 將特徵篩選器產品化，自動化project sponsors傳統分析流程，即時地辨識重要因素
量化投資社群
• 發起交易系統開發專案，打造具解讀市場情緒 + 綜合預測未來股市變化的交易預測系統
• 組建最小專案戰鬥團隊 (工程師、分析師與投資研究員，橫跨台灣與美國)，統合跨領域知識，協調專案進展所需資源
• 監管建模流程與prototype品質，確定產品概念與構圖
• 預處理與測試數據，反覆驗證與強化Forecasting/機器學習模型
南京大學計算機科學中心
• 瀏覽數據挖掘與股市研究文獻，提出以數據挖掘為基礎的研究主題──中國股市是否是宏觀經濟的晴雨表？
• 預處理上證指數與8個涵蓋生產、消費、貨幣與房價的經濟指標 (2000-2017年)；以視覺化處理，查看波動之關聯
• 使用Apriori演算法(Python的apyori frameworks)，分析上證指數與經濟指標的滯後關係，以此回答經濟理論中的重要命題：中國股市是不是有效市場，以及在17年期間如何演變
學歷
University of Southampton, UK，2019 年 9 月 - 2020 年 10 月
• (MSc) Business Analytics & Management Sciences
• 2.1 Academic Excellence Scholarship/5000 pounds
• Dissertation: What factors impact poor 999 services, and how? An empirical study of machine-learning-based feature selection on big data from South Central Ambulances Services NHS Foundation Trust
南京大學，2019 年 3 月 - 2019 年 7 月
• 2019春季交流計畫：政府管理學院
• 眾創空間3D列印空間志工解說員、值班管理員
• 相關課程：公共管理研究方法、數據科學、大數據分析基礎
國立政治大學，2014 年 9 月 - 2019 年 6 月
• 經濟學系/中國文學系雙主修 學士
• 研究興趣: 總體經濟、公共經濟 (公部門經濟研究)、貨幣銀行學理論、聲韻/漢語語言
更多作品
統計建模/分析：公共經濟
統計建模/分析：開源健康資料
病人健康如何影響罹患心臟病的機率？本作品旨在展示不同的特徵組合，如何影響模型的解釋力。同時設計/改善Matlab程式碼進行分析，並分別對感興趣的特徵繪出變數─機率擬合圖。
Forecasting
本作品為技術報告，主要涉及模型訓練、統計判斷以及模型比對之流程。測試Exponential Smoothing模型，並與ARIMA模型進行比較。