- Việc làm
CVTạo CV online chuyên nghiệp, miễn phí
PortfolioTrình bày kỹ năng chuyên môn và dự án đã thực hiện một cách sinh động, trực quan.CVTạo CV online chuyên nghiệp, miễn phíTạo CVTạo CV online chuyên nghiệp, miễn phíMẫu CVTruy cập kho mẫu CV online ấn tượng, chuẩn quốc tế.CV mẫuTham khảo các CV mẫu đẹp đã được người dùng CakeResume ứng tuyển thành công.Cẩm nang nghề nghiệpTìm hiểu cách viết CV cho từng ngành nghề và vị trí.Trợ giúp viết CVTham khảo lời khuyên từ các chuyên gia tuyển dụng của CakeResume.- Kho tài nguyênCẩm nang ứng viênThế giới công sởVề đối tácCẩm nang doanh nghiệpVề CakeResumeBài viết nổi bật
- Tuyển dụng
- Tải app CakeResume
CakeResume Talent Search
Kế hoạch tuyển dụng đơn giản và hiệu quả nhất
Tìm kiếm 40k+ CV và chủ động liên hệ với ứng viên để đạt hiệu quả tuyển dụng cao hơn. Sự lựa chọn của hàng trăm công ty.
- Duyệt tất cả kết quả tìm kiếm
- Bắt đầu trò chuyện không giới hạn
- CV chỉ có thể truy cập bởi các công ty trả phí
- Xem địa chỉ email và số điện thoại của người dùng
Definition of Reputation Credits
擅長技術
- 論文：以多樣性測度估測集成模型預測正確率
- 統計：統計推論、變異數分析、迴歸、無母數檢定、多變量分析
- 資料探勘：特徵離散化、特徵萃取、徑向基函數、不平衡資料
- 機器學習：法則學、狄氏先驗貝氏分類器、隨機森林、集成模型
工作經歷
2021/1 - 2021/6
統計學助教
國立成功大學
- 撰寫授課講義並複習正課概念與架構，演示統計學概念，包含假設檢定、變異數分析、迴歸、無母數檢定。
- 釐清學生概念、證明統計命題、解答作業與考試問題。
2020/9 - 2021/6
研究助理
國立成功大學
- 輔助教授撰寫中華民國科技部計畫之研究，並撰寫為碩士論文。
2019/1 - 2019/6
工研院巨量資訊科技中心 實習生
財團法人工業技術研究院
執行資料標記，並與廠商討論資料類別標記標準。
學歷
國立成功大學
工業與資訊管理 (GPA: 3.98/4.3)
修課：數理統計、多變量分析、賽局理論 (A+)、資料探勘 (A) 、機器學習 (A+)
論文： A Study on Estimating the Accuracies of Ensemble Models by Diversity Metrics
發表： Wong, T. T. and Chang, E. Y.. A Study on the Effectiveness of Diversity Metrics for Ensemble Algorithms. （ under review, Information Fusion）
2019/9 - 2021/7
國立清華大學
工學院學士班 化學工程、工業工程與工廠管理 (GPA: 3.2/4.3)
修課：線性代數 (A+) 、線性規劃 (A) 、實驗設計、品質管理、計算機程式語言 (A)
2014/9 - 2019/6
碩士論文
A Study on Estimating the Accuracies of Ensemble Models by Diversity Metrics
貢獻：提升演算法預測能力 (10%) 、減少組成模型數量。
- 以自定義權重修改自適應增強演算法，提升演算法預測能力 10% （以兩獨立樣本檢定判定顯著性）。
- 自定義多樣性測度監督集成學習，並在固定集成模型預測能力下，減少所需組成模型數量，減少運算成本。
概述：以組成模型對資料預測正確與否作為伯努利隨機變數，計算給定數量組成模型之各個伯努利隨機變數所構成隨機向量之機率質量函數，以此為根基建構能夠描述集成模型預測正確率、組成模型個別預測正確率、組成模型間多樣性之因子。其中，因子與充分統計量概念相近，蘊含描述前述三者之所需資訊。以下為主要研究成果：
- 證明多樣性測度無法監督集成學習（蘊含資訊量不足、自由度限制不足）。
- 給定多樣性測度幾何意義：高維空間中隨機向量於各個方向之投影。
- 提出測度修改機制，建立高穩健性集成模型，並使得集成模型多樣性與預測正確率之間關係顯著。
專案
2022/5 - 2022/5
以矩陣分解建構電影推薦系統（以 Python 開發）
以矩陣分解建構電影推薦推薦系統。
2022/4 - 2022/5
以梯度增強樹推薦信用卡消費類別／超大量資料搜尋（以 Python 開發）
透過資料特性將資料分割為 0.5 M 份子資料集合以減少搜索對象，並透過快速排序、雙指針、哈希表實現快速搜索。以 Light GBM 建構預測模型，以預測下個月特定商品顧客消費額前三名之商品。
2020/8 - 2021/6
自定義權重自適應提升集成模型（以 Python 開發）
以自定義權重調整組成模型參與集成之權重，提升集成模型演算法預測正確率、建構效率。並開發袋裝法、自適應提升、隨機森林，比較各個經典演算法與此演算法預測能力之差異。
2020/4 - 2020/6
廣義狄氏先驗貝氏分類器預測肺臟疾病（以 C 語言開發）
以廣義狄氏分配描述 p(X) 、多項分配描述 p(y|X) ，進而透過共軛關係推算出 p(X|y) 所服從之分配，並以期望值估計其數值，進而提升樸素貝式分類器表現。
以 k-fold 架構透過統計檢定進行演算法效能評估、比較，挑選適當參數得到效能最佳之參數設定。
2019/12 - 2020/1
以 K 近鄰演算法預測乳腺癌（以 Basic 語言開發）
以徑向基函數衡量相似性並作為基本模型預測結果權重，以預測給定特徵之病人其乳腺癌之良、惡性。
技能
程式語言
C
Python
Visual Basic
套件
Numpy, Pandas, Matplotlib
Scikit-Learn
TensorFlow
軟體
MATLAB
Minitab
SPSS
EXCEL
語言
Mandarin Chinese
Traditional Chinese
English
社團經歷
2015/6 - 2016/5
吉他社社長 • 國立清華大學
1. 舉辦吉他╳鋼琴╳飲品社聯合成果發表、與國立新竹教育大學舉辦聯合迎新活動。
2. 策劃夜間教育，包含文案創作、活動內容發想、解謎影片拍攝、剪接與後製。
3. 撰寫吉他營營歌。
4. 社區、學生酒吧、商業酒吧駐唱。
2014/9 - 2015/1
懷幼社社員 • 國立清華大學
於偏遠地區為弱勢學生進行課後輔導、日常照料。
擅長技術
- 論文：以多樣性測度估測集成模型預測正確率
- 統計：統計推論、變異數分析、迴歸、無母數檢定、多變量分析
- 資料探勘：特徵離散化、特徵萃取、徑向基函數、不平衡資料
- 機器學習：法則學、狄氏先驗貝氏分類器、隨機森林、集成模型
工作經歷
2021/1 - 2021/6
統計學助教
國立成功大學
- 撰寫授課講義並複習正課概念與架構，演示統計學概念，包含假設檢定、變異數分析、迴歸、無母數檢定。
- 釐清學生概念、證明統計命題、解答作業與考試問題。
2020/9 - 2021/6
研究助理
國立成功大學
- 輔助教授撰寫中華民國科技部計畫之研究，並撰寫為碩士論文。
2019/1 - 2019/6
工研院巨量資訊科技中心 實習生
財團法人工業技術研究院
執行資料標記，並與廠商討論資料類別標記標準。
學歷
國立成功大學
工業與資訊管理 (GPA: 3.98/4.3)
修課：數理統計、多變量分析、賽局理論 (A+)、資料探勘 (A) 、機器學習 (A+)
論文： A Study on Estimating the Accuracies of Ensemble Models by Diversity Metrics
發表： Wong, T. T. and Chang, E. Y.. A Study on the Effectiveness of Diversity Metrics for Ensemble Algorithms. （ under review, Information Fusion）
2019/9 - 2021/7
國立清華大學
工學院學士班 化學工程、工業工程與工廠管理 (GPA: 3.2/4.3)
修課：線性代數 (A+) 、線性規劃 (A) 、實驗設計、品質管理、計算機程式語言 (A)
2014/9 - 2019/6
碩士論文
A Study on Estimating the Accuracies of Ensemble Models by Diversity Metrics
貢獻：提升演算法預測能力 (10%) 、減少組成模型數量。
- 以自定義權重修改自適應增強演算法，提升演算法預測能力 10% （以兩獨立樣本檢定判定顯著性）。
- 自定義多樣性測度監督集成學習，並在固定集成模型預測能力下，減少所需組成模型數量，減少運算成本。
概述：以組成模型對資料預測正確與否作為伯努利隨機變數，計算給定數量組成模型之各個伯努利隨機變數所構成隨機向量之機率質量函數，以此為根基建構能夠描述集成模型預測正確率、組成模型個別預測正確率、組成模型間多樣性之因子。其中，因子與充分統計量概念相近，蘊含描述前述三者之所需資訊。以下為主要研究成果：
- 證明多樣性測度無法監督集成學習（蘊含資訊量不足、自由度限制不足）。
- 給定多樣性測度幾何意義：高維空間中隨機向量於各個方向之投影。
- 提出測度修改機制，建立高穩健性集成模型，並使得集成模型多樣性與預測正確率之間關係顯著。
專案
2022/5 - 2022/5
以矩陣分解建構電影推薦系統（以 Python 開發）
以矩陣分解建構電影推薦推薦系統。
2022/4 - 2022/5
以梯度增強樹推薦信用卡消費類別／超大量資料搜尋（以 Python 開發）
透過資料特性將資料分割為 0.5 M 份子資料集合以減少搜索對象，並透過快速排序、雙指針、哈希表實現快速搜索。以 Light GBM 建構預測模型，以預測下個月特定商品顧客消費額前三名之商品。
2020/8 - 2021/6
自定義權重自適應提升集成模型（以 Python 開發）
以自定義權重調整組成模型參與集成之權重，提升集成模型演算法預測正確率、建構效率。並開發袋裝法、自適應提升、隨機森林，比較各個經典演算法與此演算法預測能力之差異。
2020/4 - 2020/6
廣義狄氏先驗貝氏分類器預測肺臟疾病（以 C 語言開發）
以廣義狄氏分配描述 p(X) 、多項分配描述 p(y|X) ，進而透過共軛關係推算出 p(X|y) 所服從之分配，並以期望值估計其數值，進而提升樸素貝式分類器表現。
以 k-fold 架構透過統計檢定進行演算法效能評估、比較，挑選適當參數得到效能最佳之參數設定。
2019/12 - 2020/1
以 K 近鄰演算法預測乳腺癌（以 Basic 語言開發）
以徑向基函數衡量相似性並作為基本模型預測結果權重，以預測給定特徵之病人其乳腺癌之良、惡性。
技能
程式語言
C
Python
Visual Basic
套件
Numpy, Pandas, Matplotlib
Scikit-Learn
TensorFlow
軟體
MATLAB
Minitab
SPSS
EXCEL
語言
Mandarin Chinese
Traditional Chinese
English
社團經歷
2015/6 - 2016/5
吉他社社長 • 國立清華大學
1. 舉辦吉他╳鋼琴╳飲品社聯合成果發表、與國立新竹教育大學舉辦聯合迎新活動。
2. 策劃夜間教育，包含文案創作、活動內容發想、解謎影片拍攝、剪接與後製。
3. 撰寫吉他營營歌。
4. 社區、學生酒吧、商業酒吧駐唱。
2014/9 - 2015/1
懷幼社社員 • 國立清華大學
於偏遠地區為弱勢學生進行課後輔導、日常照料。