2019/9~2020/9                                                      Thesis

實作過程: 
收集處理資料、比較模型優略、建構模型、實驗、調整統計分析模組、建立動態化分析結果、攥寫論文。

基於在線式深度非負自編碼的主題演進及分散度探索

'' 不同時間點探討相同主題的內容是否相同 "

    「鑑古知今」，藉由過往的經驗判別當下甚至未來的發展，一向都是生活的一部份，機器學習也運用著相同的道理。

       本篇論文是研究所期間，藉由使用 arXiv.org 上關於機器學習的論文，期望辨別出不同年份探討機器學習的主題/詞彙有哪些明確的演變，透過我們提出的 Deep Non-negative Autoencoder 做為訓練模型產生主題，訓練期間結合 Online Learning 加入時間因素。

        根據我們的實驗結果，可看出文字在不同時間點中佔主題的機率，得以判斷主題是否不同，最終以 Shiny 為介面呈現演進過程。

2017/9~2020/7

負責專項: 
建構K8S集群(5台PC)、了解實作網路協定、建立使用Log紀錄查詢機制(ELK)、動態化呈現集群資源工具(Grafana)、實作ML pipeline (Kubeflow, Argo)。

UMC產學-資源共享平台 (Resource Sharing Platform, RSP)  

'' 加速多部門協作時間，妥善利用運算資源 "

        建構一個公司內部的雲端運算環境，如何有效地分配現有資源是這個計畫主要的問題，我們研究室以過往維護校內平台的經驗，提出使用開源軟體 Kubernetes 為基礎搭配 istio, EFK, Prometheus ...等應用工具建置雲端環境。

        計畫執行過程中包含配置、監控、CI/CD、網路協定...等多項議題，都多次實驗加以討論找出最符合業者的配置模式，並透過自動化部屬工具 mass/juju/LXD，提升集群的擴展性。

2017/3~2020/7                                                        Link

負責專項:
定期更新叢集相關套件、建立及維護分析環境(RStudio, JupyerLab)、開發叢集監控平台、攥寫分散式運算範例程式碼、開發GPU資源配置機制、導入容器化套件。

中山大學管理學院大數據平台維護

'' 提供管理學院學生一個快速可以上手的運算環境 "

- 大數據運算集群維護、開發
    管理包含24台PC及6台Server的叢集，配置GPU運算集群、處理資料備份、軟體更新、 虛擬伺服器配置...等。

- 配置分散式資料庫、編寫分散式運算應用
    實際開發Spark、Hadoop、H2O、GreenPlum程式，並攥寫相關使用設定，提供學院多次大數據競賽之程式範例。

- 建置運算及監控平台
    架設 JupyterLAB、RStudio、Shiny，並開發管理使用者的平台，其中包含記憶體使用限制、GPU使用排序功能。

2018/11~2019/2                                                        Link

負責專項:
清理優惠卷資料，調整演算法參數，攥寫驗證準確度機制以及擔任報告者。

統計學習與資料探勘：折價券購買推薦

''推薦系統: 看似相同卻變化莫測的未來"

        此份研究主要是探討舊有會員的屬性及購買折價券的偏好，藉以找出規律推薦即將發售的折價券。這是推薦系統常遇到的狀況稱為 Cold-Start Problem，狀況說明如下:
1. 新用戶：沒有用戶的瀏覽記錄、消費記錄，該如何推薦？
2. 新產品：沒有購買、瀏覽產品的資料記錄，該如何推薦？

        我們在這次的分析計畫中，使用了非負矩陣分解（NMF）的方法，該模型會壓縮資料維度，產生主題，最終藉由矩陣回推，找出不同用戶的推薦資訊。

2016/7~2017/7

Link    Video

畢業專案 - Drawable 捉簿

''捉得住的畫簿"

        AR 相關應用日漸熱門，但畫面中呈現的物件大多不是我能自己打造的，如何方便且快速的將自己建立的 3D 物件運用AR技術呈現，便是我大學專案提出的構想。

       專案執行過程中，以電腦端透過 Leap Motion 結合 Unity 建立立體小畫家，讓體驗者建立屬於自己的立體物件，並在手機端使用Android Studio 開發 AR筆記本。 開發過程中，我負責手機端接收物件，綁定目標物，將3D物件運用AR技術呈現在目標物上，並於競賽及畢業專案發表中擔任主講者。