八月 2020 - 八月 2021
(兼職,1年1個月)
1. 舉辦與行銷協會活動
2. 創意發想文案、設計平面海報
3. Facebook粉絲人數:2,191人,最高貼文觸及人數:7,923人
七月 2018 - 七月 2019
(實習,1年1個月)
1. 處理應收帳款(AR)、應付帳款(AP)每月工作事宜
2. 同時管理兩間公司的會計傳票,大幅減少憑證遺失率
3. 審查員工請款單,為員工加速審核通過流程
三月 2017 - 十一月 2017
(兼職,9個月)
1. 分析顧客的使用場景與需求,推薦合適的Apple產品
2. 為顧客創造周邊產品的需求,提升公司業績表現
3. 排解顧客於產品軟、硬體上的使用問題
4. 處理門市帳務 (如收銀、每日閉店總結帳、跨期退款等)
5. 帶領新進員工快速上手門市職務
2020 - 2022
2015 - 2019
- 專案期間:1個月
- 負責項目:所有項目(User Research、User Flow、Wireframe、Mockup、Prototype等)
- 使用工具:Figma
iTravel是一個旅遊規劃小幫手,透過流程引導,帶您一步一步地準備您的旅行,從交通、住宿、景點到美食,都能完善地安排所有。同時,最後產出的行程表,也會貼心地為您呈現所有必備資訊,讓您抵達目的地時能優雅享受旅行不慌張。(了解更多)
- 專案期間:15天
- 負責項目:所有項目
- 使用工具:Swift、AirTable、Postman、Python
1. 使用Python爬蟲可不可官網飲料資訊,並統整DataFrame於AirTable
2. 使用Get API到AirTable,透過Swift的Collection View Controller陳列飲料資訊
3. 使用Segment Control、Drop Down Menu、Input Text Field獲取使用者訂購資訊
4. 使用Post API上傳訂購資訊到AirTable上
5. 使用Table View Controller陳列所有已訂購資料
- 專案期間:11個月
- 負責項目:所有項目
- 使用工具:Python、Numpy、Pandas、Keras、Tensorflow
為了建構出有利可圖的選擇權價差交易策略,本研究提出一個基於長短期記憶模型(LSTM)架構下,搭配蒙地卡羅模擬法(MCS)預估標的資產股價報酬機率分佈的方法,簡稱 LSTMCS。本研究以台指週選擇權(TXOW)為研究對象,將根據模型預估標的資產於結算時的機率分佈,再搭配價差損益計算期望值,篩選出有利可圖的進場點。實驗結果顯示,本研究提出的LSTMCS能有效地預估機率分佈,可有效篩選選擇權價差的進場點,獲得穩定向上的損益曲線。
八月 2020 - 八月 2021
(兼職,1年1個月)
1. 舉辦與行銷協會活動
2. 創意發想文案、設計平面海報
3. Facebook粉絲人數:2,191人,最高貼文觸及人數:7,923人
七月 2018 - 七月 2019
(實習,1年1個月)
1. 處理應收帳款(AR)、應付帳款(AP)每月工作事宜
2. 同時管理兩間公司的會計傳票,大幅減少憑證遺失率
3. 審查員工請款單,為員工加速審核通過流程
三月 2017 - 十一月 2017
(兼職,9個月)
1. 分析顧客的使用場景與需求,推薦合適的Apple產品
2. 為顧客創造周邊產品的需求,提升公司業績表現
3. 排解顧客於產品軟、硬體上的使用問題
4. 處理門市帳務 (如收銀、每日閉店總結帳、跨期退款等)
5. 帶領新進員工快速上手門市職務
2020 - 2022
2015 - 2019
- 專案期間:1個月
- 負責項目:所有項目(User Research、User Flow、Wireframe、Mockup、Prototype等)
- 使用工具:Figma
iTravel是一個旅遊規劃小幫手,透過流程引導,帶您一步一步地準備您的旅行,從交通、住宿、景點到美食,都能完善地安排所有。同時,最後產出的行程表,也會貼心地為您呈現所有必備資訊,讓您抵達目的地時能優雅享受旅行不慌張。(了解更多)
- 專案期間:15天
- 負責項目:所有項目
- 使用工具:Swift、AirTable、Postman、Python
1. 使用Python爬蟲可不可官網飲料資訊,並統整DataFrame於AirTable
2. 使用Get API到AirTable,透過Swift的Collection View Controller陳列飲料資訊
3. 使用Segment Control、Drop Down Menu、Input Text Field獲取使用者訂購資訊
4. 使用Post API上傳訂購資訊到AirTable上
5. 使用Table View Controller陳列所有已訂購資料
- 專案期間:11個月
- 負責項目:所有項目
- 使用工具:Python、Numpy、Pandas、Keras、Tensorflow
為了建構出有利可圖的選擇權價差交易策略,本研究提出一個基於長短期記憶模型(LSTM)架構下,搭配蒙地卡羅模擬法(MCS)預估標的資產股價報酬機率分佈的方法,簡稱 LSTMCS。本研究以台指週選擇權(TXOW)為研究對象,將根據模型預估標的資產於結算時的機率分佈,再搭配價差損益計算期望值,篩選出有利可圖的進場點。實驗結果顯示,本研究提出的LSTMCS能有效地預估機率分佈,可有效篩選選擇權價差的進場點,獲得穩定向上的損益曲線。