- Jobs
ResumeCreate your job-winning resume using our free resume builder.
PortfolioShowcase your skills and projects with a professional portfolio.ResumeCreate your job-winning resume using our free resume builder.Resume BuilderMake a resume for free.Resume TemplatesAccess our extensive library of professional & ready-to-use templates.Resume ExamplesGet inspired by real resume examples to create your own.Occupation GuideAccess resume writing guides tailored for different professions.Resume HelpGet expert advice on all things resume from our team of recruitment specialists.- ResourcesSuccess StoriesBusiness ExcellenceAbout CakeResumeFeatured Reads
- Hire
- Download our App
CakeResume Talent Search
The Most Lightweight and Effective Recruiting Plan
Search resumes and take the initiative to contact job applicants for higher recruiting efficiency. The Choice of Hundreds of Companies.
- Browse all search results
- Unlimited access to start new conversations
- Resumes accessible for only paid companies
- View users’ email address & phone numbers
Definition of Reputation Credits
傅群
0913889502 | [email protected]
https://www.linkedin.com/in/chun-fu/
https://www.kaggle.com/patrick0302
我是一名擁有豐富機器學習和數據分析經驗的專業人士，包含了學術界的博士學歷及豐富的業界經驗，尤其在能源和建築領域有著全面的專案經驗。以下是我職業生涯的亮點和重要成就：
- 在能源和建築領域有全面的機器學習專案經驗，包括預測、異常檢測、填補缺失數據和生成模型等方面
- 在建築和能源領域擁有超過三年的業界工作經驗，包括建築運營和節能策略，參與過數個建築大數據的專案
- 在數據競賽方面擁有豐富經驗，包括在Kaggle程式碼的Master級別，並在太陽能板生產、智慧農業數位分身和西門子永續黑客松等競賽中獲勝
- 多次應邀發表講座和演講，分享能源建模和數據分析方面的知識，包括在台灣電力公司、學術會議以及Python社群
- 在數據競賽、業界工作和學術研究的不同職位中，展示出強大的團隊合作和領導能力
工作經歷
Data Science Competition Expert
一月 2020 - Present | Taipei, Taiwan
- 2024 Kaggle獎金競賽：Enefit -預測prosumers能源行為, 銀牌, 71th/2731 on public leaderboard (團隊成員)
- 2023西門子永續技術黑客松:”Swarm Behaviour on the Grid”, 第一名 (團隊成員,獲得5,000歐元)
- 2022 台灣AIGO:透過身體組成與健身數據AI智能健身訓練課程推薦系統, 優勝隊伍 (團隊隊長, 獲得10,000美元)
- 2022年Kaggle社區競賽：大規模能源異常檢測, 第一名（獨立參賽）
- 2021智慧農業數位分身創新應用競賽,第三名 (團隊成員, 獲得1,500美元)
- 2020 Aidea:中科智慧製造-光電製程品質預測, 第一名 (獨立參賽, 獲得1,500美元)
- Kaggle平台的程式碼(notebooks)Master (180th/55809)
資料科學家 • 探識空間科技有限公司
八月 2016 - 一月 2020 | Taipei, Taiwan
與台積電合作研發: 應用人工智慧於建築設備群的運轉異常偵測及診斷服務
- 實踐能夠大量導入和訓練的建模流程, 應用於超過千台設備、萬點以上的IoT點位
- 應用機器學習技術及早發覺異常徵兆, 提前告知維護人員設備異常及診斷預測
- 獲得內政部建研所2019年、第12屆巢向未來銀獎獎項(總排名第二名)
分析市政府的BA大數據, 並協助BIM-FM系統的建置
- 建置可視化的能源預測及最佳化服務(結合氣象預報)
- 從營運大數據中, 提出數種策略: 冰機預測性控制, 預冷策略, 負荷移轉
- 帶領工讀生完成1000+個空調設備的電子及系統化
建置智慧建築管理系統 (內政部建研所的Living 3.0智慧化展示空間)
- 整合500+的I/O點位, 包含既有系統及新增感測器 (BACnet/Modbus)
- 向參觀民眾展示智慧節能及最佳化控制 (每年約10,000+遊客), 視覺化呈現建築營運
學歷
National University of Singapore
Department of building • 2020 - 2024
- 專攻建築能源和營運的機器學習技術。研究全面涵蓋了應用ML/DL的預測、異常檢測、缺失數據填補和數據生成
- Technical team in Kaggle competition: <ASHRAE - Great Energy Predictor III>近20年最大的建築能源數據競賽, 數據集涵蓋全球1500棟建築、收集期間長達三年, 協助分析比賽隊伍的機器學習模型及預測表現, 並比較不同的預測模型建構策略
- 博士論文<Automated Pipelines for Enhanced Energy Data Quality: Anomaly Detection, Data Imputation, and Generative Modeling>, 提出了一套結合異常偵測、缺失預測和數據條件生成的自動化流程, 規模化的將能源大數據進行清理和前處理。
- 2023台灣電力公司邀請演講: 數據與電業之旅系列講座 – 以數據探索能源與評估風險,
- 2022 PyCon APAC (python社群年會)公開演講: 從開放數據閱讀台灣能源 - 數據探索、模型預測和風險評估
- 2022 BuildSys2022 Workshop: "1st ACM BuildSys 2022 Tutorial on Electricity Demand Forecasting"
National Taiwan University
Sustainable Environment and Green Architecture • 2013 - 2015
綠建築標章制度下之節能成效調查與驗證研究
-執行國內首次對EEWH綠建築標章實質效益的全面檢核, 欲了解國內的綠建築制度對於建築耗能是否有顯著的成效
-進行數棟具綠建築標章辦公大樓的EnergyPlus能源性能模擬
National Taiwan University
Bioenvironmental System Engineering • 2009 - 2013
- NTU Presidential Award (2013)
- Class Representative
學術發表
- Fu, C., Quintana, M., Nagy, Z., & Miller, C. (2024). Filling time-series gaps using image techniques: Multidimensional context autoencoder approach for building energy data imputation. Applied Thermal Engineering, 236, 121545.
- Canaydin, A., Fu, C., Balint, A., Khalil, M., Miller, C., & Kazmi, H. (2024). Interpretable domain-informed and domain-agnostic features for supervised and unsupervised learning on building energy demand data. Applied Energy, 360, 122741.
- Fu, C., Kazmi, H., Quintana, M., & Miller, C. (2023, November). Enhancing Classification of Energy Meters with Limited Labels using a Semi-Supervised Generative Model. In Proceedings of the 10th ACM International Conference on Systems for Energy-Efficient Buildings, Cities, and Transportation (pp. 450-453).
- H. Kazmi, Fu, C., C. Miller, “Ten questions concerning data-driven modelling and forecasting of operational energy demand at building and urban scale,” Building and Environment, vol. 239, pp. 110407, 2023.
- Fu, C., Arjunan, P., & Miller, C. (2022, November). Trimming outliers using trees: winning solution of the large-scale energy anomaly detection (LEAD) competition. In Proceedings of the 9th ACM International Conference on Systems for Energy-Efficient Buildings, Cities, and Transportation (pp. 456-461).
- Miller, C., Picchetti, B., Fu, C., & Pantelic, J. (2022). Limitations of machine learning for building energy prediction: ASHRAE Great Energy Predictor III Kaggle competition error analysis. Science and Technology for the Built Environment, 1-18.
- Fu, C., & Miller, C. (2022). Using Google Trends as a proxy for occupant behavior to predict building energy consumption. Applied Energy, 310, 118343.
- Miller, C., Hao, L., Fu, C. (2022). Gradient boosting machines and careful pre-processing work best: ASHRAE Great Energy Predictor III lessons learned. arXiv preprint arXiv:2202.02898.
- Miller, C., Arjunan, P., Kathirgamanathan, A., Fu, C., Roth, J., Park, J. Y., ... & Haberl, J. (2020). The ASHRAE great energy predictor III competition: Overview and results. Science and Technology for the Built Environment, 26(10), 1427-1447.
語言
- English — 專業
- Chinese — 母語或雙語
傅群
0913889502 | [email protected]
https://www.linkedin.com/in/chun-fu/
https://www.kaggle.com/patrick0302
我是一名擁有豐富機器學習和數據分析經驗的專業人士，包含了學術界的博士學歷及豐富的業界經驗，尤其在能源和建築領域有著全面的專案經驗。以下是我職業生涯的亮點和重要成就：
- 在能源和建築領域有全面的機器學習專案經驗，包括預測、異常檢測、填補缺失數據和生成模型等方面
- 在建築和能源領域擁有超過三年的業界工作經驗，包括建築運營和節能策略，參與過數個建築大數據的專案
- 在數據競賽方面擁有豐富經驗，包括在Kaggle程式碼的Master級別，並在太陽能板生產、智慧農業數位分身和西門子永續黑客松等競賽中獲勝
- 多次應邀發表講座和演講，分享能源建模和數據分析方面的知識，包括在台灣電力公司、學術會議以及Python社群
- 在數據競賽、業界工作和學術研究的不同職位中，展示出強大的團隊合作和領導能力
工作經歷
Data Science Competition Expert
一月 2020 - Present | Taipei, Taiwan
- 2024 Kaggle獎金競賽：Enefit -預測prosumers能源行為, 銀牌, 71th/2731 on public leaderboard (團隊成員)
- 2023西門子永續技術黑客松:”Swarm Behaviour on the Grid”, 第一名 (團隊成員,獲得5,000歐元)
- 2022 台灣AIGO:透過身體組成與健身數據AI智能健身訓練課程推薦系統, 優勝隊伍 (團隊隊長, 獲得10,000美元)
- 2022年Kaggle社區競賽：大規模能源異常檢測, 第一名（獨立參賽）
- 2021智慧農業數位分身創新應用競賽,第三名 (團隊成員, 獲得1,500美元)
- 2020 Aidea:中科智慧製造-光電製程品質預測, 第一名 (獨立參賽, 獲得1,500美元)
- Kaggle平台的程式碼(notebooks)Master (180th/55809)
資料科學家 • 探識空間科技有限公司
八月 2016 - 一月 2020 | Taipei, Taiwan
與台積電合作研發: 應用人工智慧於建築設備群的運轉異常偵測及診斷服務
- 實踐能夠大量導入和訓練的建模流程, 應用於超過千台設備、萬點以上的IoT點位
- 應用機器學習技術及早發覺異常徵兆, 提前告知維護人員設備異常及診斷預測
- 獲得內政部建研所2019年、第12屆巢向未來銀獎獎項(總排名第二名)
分析市政府的BA大數據, 並協助BIM-FM系統的建置
- 建置可視化的能源預測及最佳化服務(結合氣象預報)
- 從營運大數據中, 提出數種策略: 冰機預測性控制, 預冷策略, 負荷移轉
- 帶領工讀生完成1000+個空調設備的電子及系統化
建置智慧建築管理系統 (內政部建研所的Living 3.0智慧化展示空間)
- 整合500+的I/O點位, 包含既有系統及新增感測器 (BACnet/Modbus)
- 向參觀民眾展示智慧節能及最佳化控制 (每年約10,000+遊客), 視覺化呈現建築營運
學歷
National University of Singapore
Department of building • 2020 - 2024
- 專攻建築能源和營運的機器學習技術。研究全面涵蓋了應用ML/DL的預測、異常檢測、缺失數據填補和數據生成
- Technical team in Kaggle competition: <ASHRAE - Great Energy Predictor III>近20年最大的建築能源數據競賽, 數據集涵蓋全球1500棟建築、收集期間長達三年, 協助分析比賽隊伍的機器學習模型及預測表現, 並比較不同的預測模型建構策略
- 博士論文<Automated Pipelines for Enhanced Energy Data Quality: Anomaly Detection, Data Imputation, and Generative Modeling>, 提出了一套結合異常偵測、缺失預測和數據條件生成的自動化流程, 規模化的將能源大數據進行清理和前處理。
- 2023台灣電力公司邀請演講: 數據與電業之旅系列講座 – 以數據探索能源與評估風險,
- 2022 PyCon APAC (python社群年會)公開演講: 從開放數據閱讀台灣能源 - 數據探索、模型預測和風險評估
- 2022 BuildSys2022 Workshop: "1st ACM BuildSys 2022 Tutorial on Electricity Demand Forecasting"
National Taiwan University
Sustainable Environment and Green Architecture • 2013 - 2015
綠建築標章制度下之節能成效調查與驗證研究
-執行國內首次對EEWH綠建築標章實質效益的全面檢核, 欲了解國內的綠建築制度對於建築耗能是否有顯著的成效
-進行數棟具綠建築標章辦公大樓的EnergyPlus能源性能模擬
National Taiwan University
Bioenvironmental System Engineering • 2009 - 2013
- NTU Presidential Award (2013)
- Class Representative
學術發表
- Fu, C., Quintana, M., Nagy, Z., & Miller, C. (2024). Filling time-series gaps using image techniques: Multidimensional context autoencoder approach for building energy data imputation. Applied Thermal Engineering, 236, 121545.
- Canaydin, A., Fu, C., Balint, A., Khalil, M., Miller, C., & Kazmi, H. (2024). Interpretable domain-informed and domain-agnostic features for supervised and unsupervised learning on building energy demand data. Applied Energy, 360, 122741.
- Fu, C., Kazmi, H., Quintana, M., & Miller, C. (2023, November). Enhancing Classification of Energy Meters with Limited Labels using a Semi-Supervised Generative Model. In Proceedings of the 10th ACM International Conference on Systems for Energy-Efficient Buildings, Cities, and Transportation (pp. 450-453).
- H. Kazmi, Fu, C., C. Miller, “Ten questions concerning data-driven modelling and forecasting of operational energy demand at building and urban scale,” Building and Environment, vol. 239, pp. 110407, 2023.
- Fu, C., Arjunan, P., & Miller, C. (2022, November). Trimming outliers using trees: winning solution of the large-scale energy anomaly detection (LEAD) competition. In Proceedings of the 9th ACM International Conference on Systems for Energy-Efficient Buildings, Cities, and Transportation (pp. 456-461).
- Miller, C., Picchetti, B., Fu, C., & Pantelic, J. (2022). Limitations of machine learning for building energy prediction: ASHRAE Great Energy Predictor III Kaggle competition error analysis. Science and Technology for the Built Environment, 1-18.
- Fu, C., & Miller, C. (2022). Using Google Trends as a proxy for occupant behavior to predict building energy consumption. Applied Energy, 310, 118343.
- Miller, C., Hao, L., Fu, C. (2022). Gradient boosting machines and careful pre-processing work best: ASHRAE Great Energy Predictor III lessons learned. arXiv preprint arXiv:2202.02898.
- Miller, C., Arjunan, P., Kathirgamanathan, A., Fu, C., Roth, J., Park, J. Y., ... & Haberl, J. (2020). The ASHRAE great energy predictor III competition: Overview and results. Science and Technology for the Built Environment, 26(10), 1427-1447.
語言
- English — 專業
- Chinese — 母語或雙語