CakeResume 找人才
最轻量、快速的招募方案，数百家企业的选择
搜寻简历，主动联系求职者，提升招募效率。
- 浏览所有搜寻结果
- 每日可无限次数开启陌生对话
- 搜尋僅開放付費企業檢視的简历
- 检视使用者信箱 & 电话
职场能力评价定义
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。