- 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
最も簡単で効果的な採用プラン
80万枚以上の履歴書を検索して、率先して求人応募者と連絡をとって採用効率を高めましょう。何百もの企業に選ばれています。
- 検索結果をすべて閲覧
- 新しい会話を無制限に始められます
- 有料企業にのみ履歴書を公開
- ユーザーのメールアドレスと電話番号を確認
Definition of Reputation Credits
學歷
國立中山大學, 碩士學位, 資工工程學系, 2017 ~ 2019
國立中山大學, 學士學位, 資訊工程學系, 2013 ~ 2017
工作經歷
Deep Learning Engineer, Rosetta.ai，2021 年 10 月 - 2021 年 9 月
- 開發時尚服飾配件影像偵測辨識系統，物件偵測 mAP 54.1% ，時尚標籤分類準確度達 99 %
- 資料 ETL (Airflow) 與資料視覺化 (Redash)，解決跨部門資料溝通問題
- 維護並優化推薦系統，提升穩定度並減少 43 % 回應時間
- 參與 聚陽 x AWS 銷售預測 比賽第三名
機器學習工程師，沛智生醫科技股份有限公司，2020 年 7 月 - 2021 年 10 月
- AI人工生殖技術相關研究與開發
- 1篇期刊發表、2篇會議發表、參與開發4個 AI 專案
- 導入MLOps，系統化紀錄實驗參數與結果，加速實驗迭代
- 修改模型架構，模型推論速度加快3.6倍
專案經歷
基於影像分割之子宮肌腺症指標 (論文)，2018 年 12 月 - 2019 年 6 月
利用影像分割辨識小鼠子宮切片組織，量化生理指標，評估小鼠子宮肌腺症程度。影像分割模型 mIOU達84%，入侵區域 mIOU 比 U-Net 高 4.2%。
員工門禁行為模式偵測 (產學合作)，2017 年 9 月 - 2018 年 9 月
根據過往門禁資料，利用機器學習建立個人/部門行為模式，偵測異常門禁行為，為企業安全把關。已在上市公司實地應用。
自動化軸承瑕疵檢測系統－端面檢測，2017 年 7 月 - 2017 年 9 月
利用影像處理技術測量軸承端面幾何尺寸及瑕疵檢測。
雙鏡頭車流追蹤系統(大學專題)，2016 年 7 月 - 2017 年 1 月
利用十字路口雙鏡頭影像，建立十字路口鳥瞰圖，追蹤道路交通車輛與行人。
期刊與會議
Lee, C. I., Su, Y. R., Chen, C. H., Chang, T. A., Kuo, E. E., Zheng, W. L., Hsieh, W. T., Huang, C. C., Lee, M. S., & Liu, M. (2021). End-to-end deep learning for recognition of ploidy status using time-lapse videos. Journal of assisted reproduction and genetics, 38(7), 1655–1663. https://doi.org/10.1007/s10815-021-02228-8
技能
專業領域：Computer Vision, Image Processing, Machine Learning, Deep Learning
程式語言：Python, C/C++
開發/部屬相關：OpenCV, Tensorflow, Pytorch, Docker
專案介紹
時尚服飾識別系統 2021/10~2022/9
時尚商品影像為消費者購買商品重要依據，解析成千上萬時尚影像，提供更精細的標籤分類，進而增進推薦系統準確度。本專案建立時尚標籤資料集(包含1000種以上標籤)，應用物件偵測與影像辨識模型。自動辨識商品影像特徵。物件偵測 mAP 達 54.1%，特徵分類準確度達 99%。
End-to-end deep learning for recognition of ploidy status using time-lapse videos
Chun-I Lee, Yan-Ru Su, Chien-Hong Chen, T. Arthur Chang, Esther En-Shu Kuo, Wei-Lin Zheng, Wen-Ting Hsieh, Chun-Chia Huang, Maw-Sheng Lee & Mark Liu
Published: 22 May 2021
隨著少子化的來襲，每一個新生兒皆是珍貴的與許多為人父母的期望。挑選胚胎為人工生殖技術重要一環，其中染色體型態是一種重要指標。因為縮時攝影培養箱的發明，讓人們可以一窺胚胎發展奧妙。結合縮時攝影與影片分類技術找出特定胚胎特定特徵，預測染色體狀態。模型預測
AUC 達 74%，並發表於 Journal of Assisted Reproduction and Genetics 國際期刊上。
基於影像分割之子宮肌腺症指標(論文) 2018/12~2019/7
子宮肌腺症為常見婦科疾病，現階段生物團隊使用小鼠子宮模擬人體子宮進行子宮肌腺症實驗，目前僅由醫師主觀衡量小鼠子宮肌腺症嚴重程度，而此衡量過程難以重現與量化。我們團隊收集178張小鼠子宮肌腺症影像，標記其嚴重程度與影像分割圖，形成子宮肌腺症資料集。我提出基於影像分割之子宮肌腺症指標，改良 UNet++ 架構搭配稠密空洞空間金字塔池化（Dense atrous spatial pyramid pooling, Dense ASPP）和步伐 2的 2×2 卷積神經網路，辨識子宮組織形成影像分割圖，為動物藥物實驗提供良好衡量指標。 並展示Dense ASPP模組搭配步伐2的2×2卷積神經網路有效提升模型辨識小鼠子宮組織能力，以小型資料集配合有效資料增量方法，使模型整體 mIOU 達到 84.37%，入侵區域mIOU則分別超越 U-Net、UNet++ 4.2% 與 6.9%。
員工門禁行為模式偵測 (產學合作案) 2017/9~2018/8
傳統感應式門禁系統記錄員工刷卡資訊，必須透過制定異常規則或人工判讀才能偵測異常門禁行為。若發生新異常行為模式，傳統感應式門禁系統將無法偵測，必須等待監控人員察覺或該行為被舉發，方能針對該行為模式手動訂定規則進行防範。因此傳統感應式門禁系統對新型異常行為不僅易發生遺漏情況，且不一定能夠在關鍵時刻偵測異常行為，容易造成門禁系統漏洞。
本專案使用機器學習K-means clustering，從過往刷卡門禁資料中建立員工/部門刷卡行為模型，自動歸納推導異常行為模式，偵測員工每一筆刷卡紀錄，判斷是否為不當刷卡行為，建立全方位且快速門禁行為偵測系統。該演算法不僅強化傳統門禁系統安全性，並且已在實務中驗證並成功找出異常行為，為企業安全把關。
自動化軸承瑕疵檢測系統 - 端面檢測 2017/6~2017/9
軸承端面檢測系統為自動化軸承瑕疵檢測系統一環，利用自行設計之攝影平台上拍攝軸承端面，經由影像處理測量軸承尺寸與偵測瑕疵。在此專案中，我負責軸承端面檢測，第一部分為尺寸檢測方面，使用最小平方圓檢測軸承尺寸，第二部分為端面瑕疵，將圓形軸承進行座標轉換成長方形，利用正規化灰階變異數檢測法快速找出端面瑕疵。
雙鏡頭車流追蹤系統(大學專題) 2016/6~2017/1
十字路口發生交通事故的比例高，及交通號誌無法動態調整。在江明朝教授指導下，我與同學兩人合作開發雙鏡頭車流追蹤系統，使用路口對角相機拍攝影像，使用背景相減建立高斯混合模型，追蹤道路車輛，並且生成模擬路口鳥瞰圖。本系統若能與交通號誌或警政系統連線，將可達到動態調整號誌秒數，最大化行經車流，且利用模擬路口鳥瞰圖協助警察釐清肇事責任。該專案榮獲105學年大學專題競賽第三名，並獲得2016系友會專題競賽傑出創作獎，該獎項每年頒發給最具創意與商業價值之專案。
學歷
國立中山大學, 碩士學位, 資工工程學系, 2017 ~ 2019
國立中山大學, 學士學位, 資訊工程學系, 2013 ~ 2017
工作經歷
Deep Learning Engineer, Rosetta.ai，2021 年 10 月 - 2021 年 9 月
- 開發時尚服飾配件影像偵測辨識系統，物件偵測 mAP 54.1% ，時尚標籤分類準確度達 99 %
- 資料 ETL (Airflow) 與資料視覺化 (Redash)，解決跨部門資料溝通問題
- 維護並優化推薦系統，提升穩定度並減少 43 % 回應時間
- 參與 聚陽 x AWS 銷售預測 比賽第三名
機器學習工程師，沛智生醫科技股份有限公司，2020 年 7 月 - 2021 年 10 月
- AI人工生殖技術相關研究與開發
- 1篇期刊發表、2篇會議發表、參與開發4個 AI 專案
- 導入MLOps，系統化紀錄實驗參數與結果，加速實驗迭代
- 修改模型架構，模型推論速度加快3.6倍
專案經歷
基於影像分割之子宮肌腺症指標 (論文)，2018 年 12 月 - 2019 年 6 月
利用影像分割辨識小鼠子宮切片組織，量化生理指標，評估小鼠子宮肌腺症程度。影像分割模型 mIOU達84%，入侵區域 mIOU 比 U-Net 高 4.2%。
員工門禁行為模式偵測 (產學合作)，2017 年 9 月 - 2018 年 9 月
根據過往門禁資料，利用機器學習建立個人/部門行為模式，偵測異常門禁行為，為企業安全把關。已在上市公司實地應用。
自動化軸承瑕疵檢測系統－端面檢測，2017 年 7 月 - 2017 年 9 月
利用影像處理技術測量軸承端面幾何尺寸及瑕疵檢測。
雙鏡頭車流追蹤系統(大學專題)，2016 年 7 月 - 2017 年 1 月
利用十字路口雙鏡頭影像，建立十字路口鳥瞰圖，追蹤道路交通車輛與行人。
期刊與會議
Lee, C. I., Su, Y. R., Chen, C. H., Chang, T. A., Kuo, E. E., Zheng, W. L., Hsieh, W. T., Huang, C. C., Lee, M. S., & Liu, M. (2021). End-to-end deep learning for recognition of ploidy status using time-lapse videos. Journal of assisted reproduction and genetics, 38(7), 1655–1663. https://doi.org/10.1007/s10815-021-02228-8
技能
專業領域：Computer Vision, Image Processing, Machine Learning, Deep Learning
程式語言：Python, C/C++
開發/部屬相關：OpenCV, Tensorflow, Pytorch, Docker
專案介紹
時尚服飾識別系統 2021/10~2022/9
時尚商品影像為消費者購買商品重要依據，解析成千上萬時尚影像，提供更精細的標籤分類，進而增進推薦系統準確度。本專案建立時尚標籤資料集(包含1000種以上標籤)，應用物件偵測與影像辨識模型。自動辨識商品影像特徵。物件偵測 mAP 達 54.1%，特徵分類準確度達 99%。
End-to-end deep learning for recognition of ploidy status using time-lapse videos
Chun-I Lee, Yan-Ru Su, Chien-Hong Chen, T. Arthur Chang, Esther En-Shu Kuo, Wei-Lin Zheng, Wen-Ting Hsieh, Chun-Chia Huang, Maw-Sheng Lee & Mark Liu
Published: 22 May 2021
隨著少子化的來襲，每一個新生兒皆是珍貴的與許多為人父母的期望。挑選胚胎為人工生殖技術重要一環，其中染色體型態是一種重要指標。因為縮時攝影培養箱的發明，讓人們可以一窺胚胎發展奧妙。結合縮時攝影與影片分類技術找出特定胚胎特定特徵，預測染色體狀態。模型預測
AUC 達 74%，並發表於 Journal of Assisted Reproduction and Genetics 國際期刊上。
基於影像分割之子宮肌腺症指標(論文) 2018/12~2019/7
子宮肌腺症為常見婦科疾病，現階段生物團隊使用小鼠子宮模擬人體子宮進行子宮肌腺症實驗，目前僅由醫師主觀衡量小鼠子宮肌腺症嚴重程度，而此衡量過程難以重現與量化。我們團隊收集178張小鼠子宮肌腺症影像，標記其嚴重程度與影像分割圖，形成子宮肌腺症資料集。我提出基於影像分割之子宮肌腺症指標，改良 UNet++ 架構搭配稠密空洞空間金字塔池化（Dense atrous spatial pyramid pooling, Dense ASPP）和步伐 2的 2×2 卷積神經網路，辨識子宮組織形成影像分割圖，為動物藥物實驗提供良好衡量指標。 並展示Dense ASPP模組搭配步伐2的2×2卷積神經網路有效提升模型辨識小鼠子宮組織能力，以小型資料集配合有效資料增量方法，使模型整體 mIOU 達到 84.37%，入侵區域mIOU則分別超越 U-Net、UNet++ 4.2% 與 6.9%。
員工門禁行為模式偵測 (產學合作案) 2017/9~2018/8
傳統感應式門禁系統記錄員工刷卡資訊，必須透過制定異常規則或人工判讀才能偵測異常門禁行為。若發生新異常行為模式，傳統感應式門禁系統將無法偵測，必須等待監控人員察覺或該行為被舉發，方能針對該行為模式手動訂定規則進行防範。因此傳統感應式門禁系統對新型異常行為不僅易發生遺漏情況，且不一定能夠在關鍵時刻偵測異常行為，容易造成門禁系統漏洞。
本專案使用機器學習K-means clustering，從過往刷卡門禁資料中建立員工/部門刷卡行為模型，自動歸納推導異常行為模式，偵測員工每一筆刷卡紀錄，判斷是否為不當刷卡行為，建立全方位且快速門禁行為偵測系統。該演算法不僅強化傳統門禁系統安全性，並且已在實務中驗證並成功找出異常行為，為企業安全把關。
自動化軸承瑕疵檢測系統 - 端面檢測 2017/6~2017/9
軸承端面檢測系統為自動化軸承瑕疵檢測系統一環，利用自行設計之攝影平台上拍攝軸承端面，經由影像處理測量軸承尺寸與偵測瑕疵。在此專案中，我負責軸承端面檢測，第一部分為尺寸檢測方面，使用最小平方圓檢測軸承尺寸，第二部分為端面瑕疵，將圓形軸承進行座標轉換成長方形，利用正規化灰階變異數檢測法快速找出端面瑕疵。
雙鏡頭車流追蹤系統(大學專題) 2016/6~2017/1
十字路口發生交通事故的比例高，及交通號誌無法動態調整。在江明朝教授指導下，我與同學兩人合作開發雙鏡頭車流追蹤系統，使用路口對角相機拍攝影像，使用背景相減建立高斯混合模型，追蹤道路車輛，並且生成模擬路口鳥瞰圖。本系統若能與交通號誌或警政系統連線，將可達到動態調整號誌秒數，最大化行經車流，且利用模擬路口鳥瞰圖協助警察釐清肇事責任。該專案榮獲105學年大學專題競賽第三名，並獲得2016系友會專題競賽傑出創作獎，該獎項每年頒發給最具創意與商業價值之專案。