- 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
廖彥勛(Ivan Liao)
Data Analyst/ AI Engineer/Machine Learning Engineer
核心技術: 開發AI模型、資料庫語法、數據分析專案、自動化流程及API
專攻程式: Python、SQL
成功大學財金所(GPA: 3.9/4.3)，大學就讀應用數學系，具備跨領域能力
Taipei City, Taiwan [email protected] 0972-185978 TOEIC: 840
程式能力
Python SQL Deep Learning Docker Machine Learning
Linux Git Mongo Elastic Search Google Ads
專長
AI人工智慧
NLP
- 使用語言: Python
- 模型架構: Pytorch、Tensorflow
- 模型應用: BERT、ALBERT、DistilBERT、XLNet
- 實作領域: 預測商品分類、營業秘密要件預測、文本相似度計算
Deep Learning
- 使用語言: Python
- 模型架構: Pytorch、Tensorflow
- 模型應用: CNN、VGG16、ENN、CoANet
- 實作領域: 預測商品分類、英特爾影像辨識
Machine Learning
- 使用語言: Python
- 模型架構: sklearn
- 模型應用: KNN、XGBoost RandomForest、Regression
- 實作領域: 預測公司破產、超額認購對於公司過度投資的影響、Titanic 存活分析預測
數據分析
Python
- Process Automation: 開發自動化流程專案，以定時執行數據分析任務
- Data Analysis: 利用pyodbc從SQL撈取數據，進行資料預處理，並藉由商業邏輯開發演算法
- API Deployment: 利用flask建構API，並使用docker部署上線，以協助前端進行UI設計
- Web Crawler: 使用request、beautifulsoup爬取官網文字內容、司法院網站的判決書
SQL
- Stored Procedure: 開發SQL自動化流程，以定時執行資料更新以及任務
- Query: 熟悉SQL語法，有效提升邏輯運算及撈取效能
Google Ads
- 廣告類型: Shopping campaign, Search campaign
- Google ads API: 透過使用Big Query語法呼叫API，取得線上SKU的表現數據，協助專案開發
Other Database
- 資料庫: Elastic Search, Mongo
- 應用: 透過將數據匯入以上資料庫，以提升Query效能，進而優化API反應時間
Linux
- 熟悉基本操作語法，並建立Python Virtualenv，避免開發階段影響線上其他程式
- 具備git操作經驗
Personality
- 具備團隊合作以及(跨組)溝通能力
- 個性堅毅認真，熱心助人，經公司同仁投票獲選為勞方代表
工作經歷
資料分析師(ML)
台灣新蛋股份有限公司 • 八月 2021 - 六月 2022
- 建立深度學習模型(ALBERT、XLNet、DistilBERT)，預測商品分類，提升搜尋引擎的品質。過程訓練近184萬筆的商品文字資訊，且可預測類別高達480類，最終準確度來到87%以上，且修正近30萬筆錯置的商品
- 和前端進行跨組合作，以開發搜尋關鍵字績效API及邏輯，提供使用者有效率的查詢系統
- 開發自動化流程的分析專案(Python、SQL)，並利用Airflow進行排程上線
- 開發google ads相關專案，為專案設計排除重複SKU的機制，並提供其他關鍵字專案近90萬筆的數據源，以提升廣告投放效益
【預測商品分類模型】
專案目的: 建立商品預測模型，以修正錯誤分類的商品，優化平台搜尋結果
專案流程: 撈取數據 → 模型訓練 → 開發及部署API → 開發自動化流程及上線
- 撈取數據: 透過SQL撈取商品的文字資訊，總共取得184萬筆數據進來訓練
- 模型訓練: 分別訓練三大模型ALBERT、XLNet、DistilBERT，最終Top5準確度皆超過87%
- 開發及部署API:利用flask架構設計出API，讓使用者透過輸入商品編號或是商品資訊取得模型預測結果
- 開發自動化流程及上線 : 透過取得Market部門的待測商品名單，並呼叫三大模型API取得預測類別。經過整合及備份模型預測的邏輯，將最終結果回傳到指定Table並更新任務狀態。 專案結果: 每天執行一次流程，累積修正了近三十萬筆錯誤分類的商品
【搜尋關鍵字績效API】
專案目的: 提供使用者關鍵字對應前五名熱門商品的資訊，以便賣家擬定行銷策略
專案流程: 數據準備及運算 → 匯入數據庫 → 開發及部署API
- 數據準備及運算: 透過有效率的整合及運算多張SQL Table數據，並開發成SP
- 匯入數據庫: 經過測試Mongo及Elastic Search效能，最後選擇匯入後者因為該資料庫對於搜尋結果的檢索能力是較強的
- 開發及部署API :利用flask架構設計API，將使用者輸入的keyword及條件(時間、地區、顯示筆數、頁數等)轉換成ES的Query語法，整理成Json格式並回傳查詢結果
專案結果: 在數據為百萬級別及大量文字的情況下，API反應時間從6秒優化到2秒，滿足前端UI開發需求以及使用者高效能的查詢
行政人員
聖喬科技股份有限公司 • 六月 2019 - 六月 2020
該新創公司致力於研發智能投資領域，利用AI技術進行投資分析，滿足金融構資產配置的需求。
- 負責撰寫客戶提案書及財務分析，為公司計算出合理估值
- 擔任公司聯絡窗口，包含協調公司網頁的設計、公司UI系統及創投基金的會談，展現溝通能力及團隊合作，協助公司技術及業務的推展
學歷
國立成功大學
財務金融研究所
2018 - 2020
國立嘉義大學
應用數學系
2014 - 2018
專案
工作專案-預測商品分類
專案目的:
建立商品預測模型，修正錯誤分類的商品
專案流程:
撈取數據 → 模型訓練 → 開發及部署API → 開發自動化流程及上線
專案成果:
利用超過一百萬筆數據訓練三大模型(ALBERT、XLNet、ALBERT)，可預測類別為480類，最終Top5準確度皆超過87%以上，修正了近三十萬筆錯誤分類的商品
工作專案-搜尋關鍵字績效API
專案目的:
提供使用者關鍵字對應前五名熱門商品的資訊
專案流程:
數據準備及運算 → 匯入數據庫(Mongo、Elastic Search) → 開發及部署API
專案成果:
將運算結果匯入ES，最終在大量文字及一百萬筆級別的情況下，API反應時間從6秒優化到2秒，滿足前端UI開發需求以及使用者高效能的查詢
工作專案-Google Ads專案開發
專案目的:
取得google ads線上數據
專案流程:
研究google ads API → 開發自動化流程及上線
專案成果:
設計排除重複SKU機制，並從購物廣告的關鍵字取得九十萬筆的數據，為其他廣告專案注入數據源
技術協助-營業秘密要件預測
專案目的:
目的為辨識公司技術或其他資料是否為營業秘密
專案流程:
數據準備 → 數據清洗 → 模型訓練及預測
專案成果:
最後利用預訓練模型ALBERT進行分類訓練，輸出準確度將近0.88
專案目的:
建立影像辨識模型以分辨該圖片屬於何種分類
專案流程:
影像預處理 → 模型訓練 → 模型評估
專案成果:
成功訓練CNN(2層卷積層、2層池化層+NN)、VGG16(取前13層輸出特徵+NN)、ENN(取前13層輸出特徵+1層卷積層+1層池化層+NN)，準確度分別為0.777、0.873、0.886
專案目的:
建立機器學習模型，利用財務數據預測公司是否會破產
專案流程:
數據清洗→ 特徵工程及EDA → 模型訓練 → 模型評估
專案成果:
透過特徵選擇將95個篩選到25個，最終成功訓練出預測模型KNN、Random Forest及XGBoost，準確度分別為0.950、0.977、XGBoost: 0.978
廖彥勛(Ivan Liao)
Data Analyst/ AI Engineer/Machine Learning Engineer
核心技術: 開發AI模型、資料庫語法、數據分析專案、自動化流程及API
專攻程式: Python、SQL
成功大學財金所(GPA: 3.9/4.3)，大學就讀應用數學系，具備跨領域能力
Taipei City, Taiwan [email protected] 0972-185978 TOEIC: 840
程式能力
Python SQL Deep Learning Docker Machine Learning
Linux Git Mongo Elastic Search Google Ads
專長
AI人工智慧
NLP
- 使用語言: Python
- 模型架構: Pytorch、Tensorflow
- 模型應用: BERT、ALBERT、DistilBERT、XLNet
- 實作領域: 預測商品分類、營業秘密要件預測、文本相似度計算
Deep Learning
- 使用語言: Python
- 模型架構: Pytorch、Tensorflow
- 模型應用: CNN、VGG16、ENN、CoANet
- 實作領域: 預測商品分類、英特爾影像辨識
Machine Learning
- 使用語言: Python
- 模型架構: sklearn
- 模型應用: KNN、XGBoost RandomForest、Regression
- 實作領域: 預測公司破產、超額認購對於公司過度投資的影響、Titanic 存活分析預測
數據分析
Python
- Process Automation: 開發自動化流程專案，以定時執行數據分析任務
- Data Analysis: 利用pyodbc從SQL撈取數據，進行資料預處理，並藉由商業邏輯開發演算法
- API Deployment: 利用flask建構API，並使用docker部署上線，以協助前端進行UI設計
- Web Crawler: 使用request、beautifulsoup爬取官網文字內容、司法院網站的判決書
SQL
- Stored Procedure: 開發SQL自動化流程，以定時執行資料更新以及任務
- Query: 熟悉SQL語法，有效提升邏輯運算及撈取效能
Google Ads
- 廣告類型: Shopping campaign, Search campaign
- Google ads API: 透過使用Big Query語法呼叫API，取得線上SKU的表現數據，協助專案開發
Other Database
- 資料庫: Elastic Search, Mongo
- 應用: 透過將數據匯入以上資料庫，以提升Query效能，進而優化API反應時間
Linux
- 熟悉基本操作語法，並建立Python Virtualenv，避免開發階段影響線上其他程式
- 具備git操作經驗
Personality
- 具備團隊合作以及(跨組)溝通能力
- 個性堅毅認真，熱心助人，經公司同仁投票獲選為勞方代表
工作經歷
資料分析師(ML)
台灣新蛋股份有限公司 • 八月 2021 - 六月 2022
- 建立深度學習模型(ALBERT、XLNet、DistilBERT)，預測商品分類，提升搜尋引擎的品質。過程訓練近184萬筆的商品文字資訊，且可預測類別高達480類，最終準確度來到87%以上，且修正近30萬筆錯置的商品
- 和前端進行跨組合作，以開發搜尋關鍵字績效API及邏輯，提供使用者有效率的查詢系統
- 開發自動化流程的分析專案(Python、SQL)，並利用Airflow進行排程上線
- 開發google ads相關專案，為專案設計排除重複SKU的機制，並提供其他關鍵字專案近90萬筆的數據源，以提升廣告投放效益
【預測商品分類模型】
專案目的: 建立商品預測模型，以修正錯誤分類的商品，優化平台搜尋結果
專案流程: 撈取數據 → 模型訓練 → 開發及部署API → 開發自動化流程及上線
- 撈取數據: 透過SQL撈取商品的文字資訊，總共取得184萬筆數據進來訓練
- 模型訓練: 分別訓練三大模型ALBERT、XLNet、DistilBERT，最終Top5準確度皆超過87%
- 開發及部署API:利用flask架構設計出API，讓使用者透過輸入商品編號或是商品資訊取得模型預測結果
- 開發自動化流程及上線 : 透過取得Market部門的待測商品名單，並呼叫三大模型API取得預測類別。經過整合及備份模型預測的邏輯，將最終結果回傳到指定Table並更新任務狀態。 專案結果: 每天執行一次流程，累積修正了近三十萬筆錯誤分類的商品
【搜尋關鍵字績效API】
專案目的: 提供使用者關鍵字對應前五名熱門商品的資訊，以便賣家擬定行銷策略
專案流程: 數據準備及運算 → 匯入數據庫 → 開發及部署API
- 數據準備及運算: 透過有效率的整合及運算多張SQL Table數據，並開發成SP
- 匯入數據庫: 經過測試Mongo及Elastic Search效能，最後選擇匯入後者因為該資料庫對於搜尋結果的檢索能力是較強的
- 開發及部署API :利用flask架構設計API，將使用者輸入的keyword及條件(時間、地區、顯示筆數、頁數等)轉換成ES的Query語法，整理成Json格式並回傳查詢結果
專案結果: 在數據為百萬級別及大量文字的情況下，API反應時間從6秒優化到2秒，滿足前端UI開發需求以及使用者高效能的查詢
行政人員
聖喬科技股份有限公司 • 六月 2019 - 六月 2020
該新創公司致力於研發智能投資領域，利用AI技術進行投資分析，滿足金融構資產配置的需求。
- 負責撰寫客戶提案書及財務分析，為公司計算出合理估值
- 擔任公司聯絡窗口，包含協調公司網頁的設計、公司UI系統及創投基金的會談，展現溝通能力及團隊合作，協助公司技術及業務的推展
學歷
國立成功大學
財務金融研究所
2018 - 2020
國立嘉義大學
應用數學系
2014 - 2018
專案
工作專案-預測商品分類
專案目的:
建立商品預測模型，修正錯誤分類的商品
專案流程:
撈取數據 → 模型訓練 → 開發及部署API → 開發自動化流程及上線
專案成果:
利用超過一百萬筆數據訓練三大模型(ALBERT、XLNet、ALBERT)，可預測類別為480類，最終Top5準確度皆超過87%以上，修正了近三十萬筆錯誤分類的商品
工作專案-搜尋關鍵字績效API
專案目的:
提供使用者關鍵字對應前五名熱門商品的資訊
專案流程:
數據準備及運算 → 匯入數據庫(Mongo、Elastic Search) → 開發及部署API
專案成果:
將運算結果匯入ES，最終在大量文字及一百萬筆級別的情況下，API反應時間從6秒優化到2秒，滿足前端UI開發需求以及使用者高效能的查詢
工作專案-Google Ads專案開發
專案目的:
取得google ads線上數據
專案流程:
研究google ads API → 開發自動化流程及上線
專案成果:
設計排除重複SKU機制，並從購物廣告的關鍵字取得九十萬筆的數據，為其他廣告專案注入數據源
技術協助-營業秘密要件預測
專案目的:
目的為辨識公司技術或其他資料是否為營業秘密
專案流程:
數據準備 → 數據清洗 → 模型訓練及預測
專案成果:
最後利用預訓練模型ALBERT進行分類訓練，輸出準確度將近0.88
專案目的:
建立影像辨識模型以分辨該圖片屬於何種分類
專案流程:
影像預處理 → 模型訓練 → 模型評估
專案成果:
成功訓練CNN(2層卷積層、2層池化層+NN)、VGG16(取前13層輸出特徵+NN)、ENN(取前13層輸出特徵+1層卷積層+1層池化層+NN)，準確度分別為0.777、0.873、0.886
專案目的:
建立機器學習模型，利用財務數據預測公司是否會破產
專案流程:
數據清洗→ 特徵工程及EDA → 模型訓練 → 模型評估
專案成果:
透過特徵選擇將95個篩選到25個，最終成功訓練出預測模型KNN、Random Forest及XGBoost，準確度分別為0.950、0.977、XGBoost: 0.978