- 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
Le Plan de Recrutement le Plus Efficace et Facile
Recherchez 800.000 CV et prenez l'initiative de contacter les candidats pour améliorer votre taux de recrutement. Le Choix de Centaines d'Entreprises
- Consulter tous les résultats
- Démarrer des nouvelles conversations sans limites
- Seules les entreprises avec un abonnement peuvent consulter les CV
- Consulter les adresses email et les numéros de téléphone des utilisateurs
Definition of Reputation Credits
許哲偉 Tony Hsu
Software Engineer，喜歡思考、學習各種新技術，擅於分析與結構化處理複雜問題，樂於鼓勵他人以及督促自我，能以積極樂觀的心面對一切事情。
自學過 Stanford 吳恩達教授的 Deep Learning 課程與作業以及 Kaggle和 Github 等網站上大量 Open Source 的知識。
Software Engineer
新北市，TW, Tel: 0937848413
[email protected]
Skills
程式語言-program 機器學習-ML-1 機器學習-ML-2
Front-End, Template
- JavaScript
- Html5
- CSS
- JQuery
- Ajax
- Bootstrap
- Python
- C++
- Django
- Fastapi
- Flask
Process Data Package & Skills- Numpy
- Pandas
- Matplotlib
- EDA
ML Package
- Scikit-learn
- Tensorflow
- Keras
Computer Vision Package
- OpenCV
- Dlib
- Mediapipe
- Darknet
Training Hardware
- GPU Tesla K8, T4 (Colab)
- GPU P100-16GB (Kaggle)
- TPUv3-8 128GB (Kaggle)
版本控制 - 資料庫
- Git / Github
- MySQL
- MongoDB
系統與開發工具
- VSCode
- Jupyter / Colab / Kaggle notebook
- Raspberry Pi-3B
- Linux - Ubuntu18.04
- Docker
- AWS EC2
經歷(Experience)
奕瑞科技有限公司, Software Engineer - 2022/03 ~ 2022/11
1. 奕瑞科技的訓練資料網站：
與 Frontend Engineer 合作開發公司內部系統，負責 Backend，以 Object Detection 需要的 Data 為主，使用 Yolo 系列算法所需的 Data labeling XML(PascalVOC) format，再將所需要的資料訊息轉成 json 儲存在 MongoDB database。用 Nosql 應對日後百萬至千萬的資料查詢。編寫資料搜尋引擎、XML 轉 json 工具、自動匯入 DB 工具、自動上傳下載工具優化，運用 Docker 部署在 Ubuntu上。
2. Camera Integrity Check System (AI 影像辨識妥善率監控系統)」的「友達」維護案子：
與 System Technical Supervisor, AI Engineer 負責處理公司自行研發的系統問題，了解網路架構、IP Camera 視訊串流( RTSP 協定)，使用過 Clonezilla 硬碟分割備份技術，學習解決連接 483 台監控設備遇到的問題，等等。
3. 運維「泛亞智慧工地」案子：
了解 Face Recognition device 規格書，MQTT 通訊協定，實作過 Subscriber and Publisher 測試工具，等等。
4. 影片訓練資料的收集與硬體 api 串接：
協助處理「泛亞專案」影片訓練資料的收集，使用切影片 frame 程式、編寫 frame_to_time 程式，等等工具。
協助處理「華夏塑膠」專案的 IP Speaker api 串接。
5.「泰國超商」人流、物品偵測與追蹤專案：
協助交接與練習，Detection 使用 Darknet Yolov4 Model 做訓練，Tracking 使用 FastMot 算法判斷。
學歷(Education)
2018/08 ~ 2018/12
資策會 - AI 人工智慧創新應用就業養成班
訓練課程：
前端網頁設計、Django 後端開發、Python Data Analysis、網頁爬蟲、Machine Learning、Deep Learning、OpenCV、AWS Cloud、LineBot、Git/Github、RaspberryPi-3B、Linux(Ubuntu18.04)、MySQL
小組專題製作：
1. Fusic 音樂網站 (5人) 2. 咖啡廳 AI Service (6人)
Took extra courses:
- Edx & Microsoft: Logic and Computational Thinking
- Edx & Microsoft: Introduction to Python for Data Science
2011/09 ~ 2017/01
文化大學 - 資訊工程學系 (畢業)
學習經歷： 在大學修習時期，有些課程不認真，以至於延宕畢業時間。迫使我更加珍惜努力學習，而找到編程 (programing) 之樂趣。放棄與克服之間我最終選擇後者，克服它。因此，透過不斷的練習，在資料結構 (Data Structure) 的正課上獲得84分，程式實作課總平均提高到90分。
- TOEIC成績： 460分 (2020/10)
奕瑞科技 Projects
2022/03 ~ In progress
奕瑞科技的訓練資料網站 - (Internal System)
負責 Backend，以 Object Detection 需要的 Data 為主，使用 Yolo 系列算法所需的 Data labeling XML (PascalVOC) format，再將所需要的資料訊息轉成 json 儲存在 MongoDB database。用 Nosql 應對日後百萬至千萬的資料查詢。
編寫資料搜尋引擎、XML 轉 json工具、自動匯入 DB 工具、自動上傳下載工具優化，運用 Docker 部署在 Ubuntu 上。
2022/04 ~ In progress
Camera Integrity Check System (AI 影像辨識妥善率監控系統) - (Operation and Maintenance)
與 System Technical Supervisor, AI Engineer 處理運維系統問題，了解網路架構、IP Camera 視訊串流 ( RTSP 協定)，使用過 Clonezilla 硬碟分割備份技術，學習解決連接 483 台監控設備遇到的問題，等等。
2022/09 ~ In progress
泛亞智慧工地 - (Operation and Maintenance)
與 System Technical Supervisor, AI Engineer 運維「泛亞智慧工地」案子，了解 Face Recognition device 規格書，MQTT 通訊協定，實作過 Subscriber and Publisher 測試工具，等等。
協助處理「泛亞專案」影片訓練資料的收集，使用切影片 frame 程式、編寫 frame_to_time 程式，等等工具。
協助處理「華夏塑膠」專案的 IP Speaker api 串接。
2022/03 ~ 2022/04
「泰國超商」人流、物品偵測與追蹤專案
協助交接與練習，Detection 使用 Darknet Yolov4 Model 做訓練，Tracking 使用 FastMot 算法判斷。
AI Projects
2021/05 ~ 2020/12
Custom YOLOv4 (Multi-Object Detection Project)
軟體實作：
使用 Open Images Dataset V6 (Google Datasets) 做Custom 3 classes Datasets (train: 三個類別各 1500 張 img + annotaions, test: 三個類別各 300 張img + annotaions)，以 darknet yolov4-custom.cfg 架構 + Colab GPU training 1800 iterations，達到mAP=91%。
工具：
Python, OpenCV, Darknet,
Macbook Pro Camera, VSCode,
Colab (GPU)
參考資料 & Open Source:
ScaledYOLOv4 (Github)
https://github.com/WongKinYiu/ScaledYOLOv4
YOLOv4: Optimal Speed and Accuracy of Object Detection
My Github:
2021/05 ~ 2020/12
種族分類器 (Race Classifier Project)
軟體開發
Data:
Kaggle UTKFace (Open Data)
Data Preprocess:
Python, Numpy, Pandas, Matplotlib, EDA
Build Model:
Tensorflow, Keras
CNN Architecture:
VGG16, ResNet50, Xception, EfficientnetB4-5-7-L2 (SOTA), EfficientnetV2-m-l-xl (SOTA)
Skills used
1. Data-cleaning (Sklearn IsolationForest) -> not good
2. Data-Augmentation
3. Transfer learning
4. Learning Rate Scheduler
5. Tensorboard
6. ImageNet pre-trained model
7. Self-Supervised-Learning pre-trained model (Noisy Student, ImageNet21k or 21K-ft1k)
8. Fine-tuning
9. TFRecords (protobuffer)
10. TF Data API (shuffle -> map -> batch -> prefetch)
Hardware
1. NV GPU K8, T4 (Colab)
2. NV GPU P100-16GB (Kaggle)
3. TPUv3-8 128GB (Kaggle)
- TPU Skills - Convert tf.float32 to tf.bfloat16
Problem Solved:
Training model
- GPU Out of Memory
- TPUv3 (Exceeded hbm capacity)
- Cloud VM problem
Project process:
分析＆預處理：
使用 Kaggle UTKFace 約 23708 張 Face dataset -> 做 EDA 分析 (ex: sex, age, race) -> Data cleaning -> 將資料用Sklearn train_test_split 方法切割成 train: 80%, valid: 10%, test: 10% -> 將分好的資料寫成二進位格式轉成TFRecords 檔 (能夠在訓練時快速讀取大量資料) -> 讀取大量圖片檔案並轉成 numpy 格式，遇到 I/O 問題，使用 multiprocessing 跟容器減少讀取時間跟記憶體消耗 -> 解析 TFRecords 檔使用 tf.data pipeline (載入資料, 預先處理, cache, map, shuffle, prefetch)
建立模型 (ex: VGG16, ResNet50, Xception, EfficientnetB5-7-L2, EfficientnetV2-m-l-xl) -> 使用 Transfer Learning 加 pre-trained model weights (ex: ImageNet) or Self-Supervised learning weights (ex: Noisy-student, ImageNet21K, ImageNet21K-ft1K) -> Fine-tuning -> 使用 Kaggle TPU/GPU 訓練 -> Evaluate Accuracy -> Plot predict curves -> Confusion Matrix -> Visualize prediction images -> F1 score
2021/05 ~ 2020/12
Face Detection and Recognition (Face Attendance Project)
軟體實作：
Python, OpenCV, Pillow, Dlib, Mediapipe, Face_recognition
功能：
1. 偵測與辨識人臉系統，寫入CSV檔管理出勤 2. 人名中英文轉換
實作工具：
Macbook Pro Camera, VSCode
My Github：
2018/8 ~ 2018/12
Automatic-Cafe (Group Project)
Web 開發：
Nginx
軟體開發：
OpenCV, Tesseract OCR, Linux(Ubuntu18.04), Linebot
硬體 & 開源工具：
RaspberryPi-3B, Nvidia GPU 2080, LabelImg, Donkey Car & Ducky Car Framework
功能：
1. Web 顧客選位
2. LineBot 語音點餐、拉花遊戲、滿意度調查服務
3. 以 Donkey Car 架構為基礎訓練的送餐車
4. 用 LineBot 呈現以 RNN 做的詩詞
5. CNN 老鼠辨識器，用以解決倉儲中環境衛生問題。
6. 我的功能以下面的 Text Recognition 專題介紹。
Group of 6.
Text Recognition (My Project)
軟體實作：
Python, OpenCV, Tesseract OCR,
EAST pre-trained model and Ubuntu18.04.
功能：
Text Recognition 用在辨識顧客的牌子文字
參考資料 & Open Source:
1. EAST: An Efficient and Accurate Scene Text Detector (Github)
2. PyImageSearch
My Github:
https://github.com/tonyhsu32/AI-Cafe-with-machine-learning
My Demo: https://www.youtube.com/channel/UC8Rz5NB_A_FCEAXJjIC8xqw
Web Crawler
2021/05 ~ 2020/12
圖片爬蟲程式(Web Crawler)
1. Google Image Crawler
軟體實作：
Python, Selenium, urllib
2. Unsplash 圖庫 Crawler
軟體實作：
Python, Selenium, urllib, BeautifulSoup
功能： 自動化圖片抓取
My Github：
Web Projects
2018/8 ~ 2018/12
Music Web (Group Project)
前端開發：
JavaScript, Html5, CSS, Bootstrap
後端開發：
Python, Django, MySQL
功能：
CRUD 服務, 註冊會員, 留言板, 聊天功能 (我), 自動匹配喜好 Youtube 音樂, FB Chatbot 服務。
UI介面： 參考 Spotify 網站
Group of 5.
My Github: https://github.com/tonyhsu32/team4project
葆光系統 - POS 網站開發-Case (Project)
軟體開發：
JavaScript, Html5, CSS, Bootstrap, UI
資料：
葆光系統 - POS 管理 Data
功能：
POS 網站首頁動態介紹 (Self-Study期間完成)
My Github: https://github.com/tonyhsu32/FitSoft-web
Edx x Microsoft Certificate:
1. Logic and Computational Thinking
2. Introduction to Python for Data Science
3. Microsoft Professional Orientation Front-End Web Developer
4. Essential Math for Machine Learning Python Edition
5. Algorithms and Data Structures
2018.8 ~ 2019.2
Coursera Certificate:
Deep Learning Specialization
Instructor: Stanford's Andrew Ng
5 courses:
- Neural Networks and Deep Learning
- Improving Deep Neural Networks Hyperparameter tuning, Regularization and Optimization
- Structuring Machine Learning Projects
- Convolutional Neural Networks
- Sequence Models
2019.5 ~ 2019.11 Coursera link:
( Self-study )
許哲偉 Tony Hsu
Software Engineer，喜歡思考、學習各種新技術，擅於分析與結構化處理複雜問題，樂於鼓勵他人以及督促自我，能以積極樂觀的心面對一切事情。
自學過 Stanford 吳恩達教授的 Deep Learning 課程與作業以及 Kaggle和 Github 等網站上大量 Open Source 的知識。
Software Engineer
新北市，TW, Tel: 0937848413
[email protected]
Skills
程式語言-program 機器學習-ML-1 機器學習-ML-2
Front-End, Template
- JavaScript
- Html5
- CSS
- JQuery
- Ajax
- Bootstrap
- Python
- C++
- Django
- Fastapi
- Flask
Process Data Package & Skills- Numpy
- Pandas
- Matplotlib
- EDA
ML Package
- Scikit-learn
- Tensorflow
- Keras
Computer Vision Package
- OpenCV
- Dlib
- Mediapipe
- Darknet
Training Hardware
- GPU Tesla K8, T4 (Colab)
- GPU P100-16GB (Kaggle)
- TPUv3-8 128GB (Kaggle)
版本控制 - 資料庫
- Git / Github
- MySQL
- MongoDB
系統與開發工具
- VSCode
- Jupyter / Colab / Kaggle notebook
- Raspberry Pi-3B
- Linux - Ubuntu18.04
- Docker
- AWS EC2
經歷(Experience)
奕瑞科技有限公司, Software Engineer - 2022/03 ~ 2022/11
1. 奕瑞科技的訓練資料網站：
與 Frontend Engineer 合作開發公司內部系統，負責 Backend，以 Object Detection 需要的 Data 為主，使用 Yolo 系列算法所需的 Data labeling XML(PascalVOC) format，再將所需要的資料訊息轉成 json 儲存在 MongoDB database。用 Nosql 應對日後百萬至千萬的資料查詢。編寫資料搜尋引擎、XML 轉 json 工具、自動匯入 DB 工具、自動上傳下載工具優化，運用 Docker 部署在 Ubuntu上。
2. Camera Integrity Check System (AI 影像辨識妥善率監控系統)」的「友達」維護案子：
與 System Technical Supervisor, AI Engineer 負責處理公司自行研發的系統問題，了解網路架構、IP Camera 視訊串流( RTSP 協定)，使用過 Clonezilla 硬碟分割備份技術，學習解決連接 483 台監控設備遇到的問題，等等。
3. 運維「泛亞智慧工地」案子：
了解 Face Recognition device 規格書，MQTT 通訊協定，實作過 Subscriber and Publisher 測試工具，等等。
4. 影片訓練資料的收集與硬體 api 串接：
協助處理「泛亞專案」影片訓練資料的收集，使用切影片 frame 程式、編寫 frame_to_time 程式，等等工具。
協助處理「華夏塑膠」專案的 IP Speaker api 串接。
5.「泰國超商」人流、物品偵測與追蹤專案：
協助交接與練習，Detection 使用 Darknet Yolov4 Model 做訓練，Tracking 使用 FastMot 算法判斷。
學歷(Education)
2018/08 ~ 2018/12
資策會 - AI 人工智慧創新應用就業養成班
訓練課程：
前端網頁設計、Django 後端開發、Python Data Analysis、網頁爬蟲、Machine Learning、Deep Learning、OpenCV、AWS Cloud、LineBot、Git/Github、RaspberryPi-3B、Linux(Ubuntu18.04)、MySQL
小組專題製作：
1. Fusic 音樂網站 (5人) 2. 咖啡廳 AI Service (6人)
Took extra courses:
- Edx & Microsoft: Logic and Computational Thinking
- Edx & Microsoft: Introduction to Python for Data Science
2011/09 ~ 2017/01
文化大學 - 資訊工程學系 (畢業)
學習經歷： 在大學修習時期，有些課程不認真，以至於延宕畢業時間。迫使我更加珍惜努力學習，而找到編程 (programing) 之樂趣。放棄與克服之間我最終選擇後者，克服它。因此，透過不斷的練習，在資料結構 (Data Structure) 的正課上獲得84分，程式實作課總平均提高到90分。
- TOEIC成績： 460分 (2020/10)
奕瑞科技 Projects
2022/03 ~ In progress
奕瑞科技的訓練資料網站 - (Internal System)
負責 Backend，以 Object Detection 需要的 Data 為主，使用 Yolo 系列算法所需的 Data labeling XML (PascalVOC) format，再將所需要的資料訊息轉成 json 儲存在 MongoDB database。用 Nosql 應對日後百萬至千萬的資料查詢。
編寫資料搜尋引擎、XML 轉 json工具、自動匯入 DB 工具、自動上傳下載工具優化，運用 Docker 部署在 Ubuntu 上。
2022/04 ~ In progress
Camera Integrity Check System (AI 影像辨識妥善率監控系統) - (Operation and Maintenance)
與 System Technical Supervisor, AI Engineer 處理運維系統問題，了解網路架構、IP Camera 視訊串流 ( RTSP 協定)，使用過 Clonezilla 硬碟分割備份技術，學習解決連接 483 台監控設備遇到的問題，等等。
2022/09 ~ In progress
泛亞智慧工地 - (Operation and Maintenance)
與 System Technical Supervisor, AI Engineer 運維「泛亞智慧工地」案子，了解 Face Recognition device 規格書，MQTT 通訊協定，實作過 Subscriber and Publisher 測試工具，等等。
協助處理「泛亞專案」影片訓練資料的收集，使用切影片 frame 程式、編寫 frame_to_time 程式，等等工具。
協助處理「華夏塑膠」專案的 IP Speaker api 串接。
2022/03 ~ 2022/04
「泰國超商」人流、物品偵測與追蹤專案
協助交接與練習，Detection 使用 Darknet Yolov4 Model 做訓練，Tracking 使用 FastMot 算法判斷。
AI Projects
2021/05 ~ 2020/12
Custom YOLOv4 (Multi-Object Detection Project)
軟體實作：
使用 Open Images Dataset V6 (Google Datasets) 做Custom 3 classes Datasets (train: 三個類別各 1500 張 img + annotaions, test: 三個類別各 300 張img + annotaions)，以 darknet yolov4-custom.cfg 架構 + Colab GPU training 1800 iterations，達到mAP=91%。
工具：
Python, OpenCV, Darknet,
Macbook Pro Camera, VSCode,
Colab (GPU)
參考資料 & Open Source:
ScaledYOLOv4 (Github)
https://github.com/WongKinYiu/ScaledYOLOv4
YOLOv4: Optimal Speed and Accuracy of Object Detection
My Github:
2021/05 ~ 2020/12
種族分類器 (Race Classifier Project)
軟體開發
Data:
Kaggle UTKFace (Open Data)
Data Preprocess:
Python, Numpy, Pandas, Matplotlib, EDA
Build Model:
Tensorflow, Keras
CNN Architecture:
VGG16, ResNet50, Xception, EfficientnetB4-5-7-L2 (SOTA), EfficientnetV2-m-l-xl (SOTA)
Skills used
1. Data-cleaning (Sklearn IsolationForest) -> not good
2. Data-Augmentation
3. Transfer learning
4. Learning Rate Scheduler
5. Tensorboard
6. ImageNet pre-trained model
7. Self-Supervised-Learning pre-trained model (Noisy Student, ImageNet21k or 21K-ft1k)
8. Fine-tuning
9. TFRecords (protobuffer)
10. TF Data API (shuffle -> map -> batch -> prefetch)
Hardware
1. NV GPU K8, T4 (Colab)
2. NV GPU P100-16GB (Kaggle)
3. TPUv3-8 128GB (Kaggle)
- TPU Skills - Convert tf.float32 to tf.bfloat16
Problem Solved:
Training model
- GPU Out of Memory
- TPUv3 (Exceeded hbm capacity)
- Cloud VM problem
Project process:
分析＆預處理：
使用 Kaggle UTKFace 約 23708 張 Face dataset -> 做 EDA 分析 (ex: sex, age, race) -> Data cleaning -> 將資料用Sklearn train_test_split 方法切割成 train: 80%, valid: 10%, test: 10% -> 將分好的資料寫成二進位格式轉成TFRecords 檔 (能夠在訓練時快速讀取大量資料) -> 讀取大量圖片檔案並轉成 numpy 格式，遇到 I/O 問題，使用 multiprocessing 跟容器減少讀取時間跟記憶體消耗 -> 解析 TFRecords 檔使用 tf.data pipeline (載入資料, 預先處理, cache, map, shuffle, prefetch)
建立模型 (ex: VGG16, ResNet50, Xception, EfficientnetB5-7-L2, EfficientnetV2-m-l-xl) -> 使用 Transfer Learning 加 pre-trained model weights (ex: ImageNet) or Self-Supervised learning weights (ex: Noisy-student, ImageNet21K, ImageNet21K-ft1K) -> Fine-tuning -> 使用 Kaggle TPU/GPU 訓練 -> Evaluate Accuracy -> Plot predict curves -> Confusion Matrix -> Visualize prediction images -> F1 score
2021/05 ~ 2020/12
Face Detection and Recognition (Face Attendance Project)
軟體實作：
Python, OpenCV, Pillow, Dlib, Mediapipe, Face_recognition
功能：
1. 偵測與辨識人臉系統，寫入CSV檔管理出勤 2. 人名中英文轉換
實作工具：
Macbook Pro Camera, VSCode
My Github：
2018/8 ~ 2018/12
Automatic-Cafe (Group Project)
Web 開發：
Nginx
軟體開發：
OpenCV, Tesseract OCR, Linux(Ubuntu18.04), Linebot
硬體 & 開源工具：
RaspberryPi-3B, Nvidia GPU 2080, LabelImg, Donkey Car & Ducky Car Framework
功能：
1. Web 顧客選位
2. LineBot 語音點餐、拉花遊戲、滿意度調查服務
3. 以 Donkey Car 架構為基礎訓練的送餐車
4. 用 LineBot 呈現以 RNN 做的詩詞
5. CNN 老鼠辨識器，用以解決倉儲中環境衛生問題。
6. 我的功能以下面的 Text Recognition 專題介紹。
Group of 6.
Text Recognition (My Project)
軟體實作：
Python, OpenCV, Tesseract OCR,
EAST pre-trained model and Ubuntu18.04.
功能：
Text Recognition 用在辨識顧客的牌子文字
參考資料 & Open Source:
1. EAST: An Efficient and Accurate Scene Text Detector (Github)
2. PyImageSearch
My Github:
https://github.com/tonyhsu32/AI-Cafe-with-machine-learning
My Demo: https://www.youtube.com/channel/UC8Rz5NB_A_FCEAXJjIC8xqw
Web Crawler
2021/05 ~ 2020/12
圖片爬蟲程式(Web Crawler)
1. Google Image Crawler
軟體實作：
Python, Selenium, urllib
2. Unsplash 圖庫 Crawler
軟體實作：
Python, Selenium, urllib, BeautifulSoup
功能： 自動化圖片抓取
My Github：
Web Projects
2018/8 ~ 2018/12
Music Web (Group Project)
前端開發：
JavaScript, Html5, CSS, Bootstrap
後端開發：
Python, Django, MySQL
功能：
CRUD 服務, 註冊會員, 留言板, 聊天功能 (我), 自動匹配喜好 Youtube 音樂, FB Chatbot 服務。
UI介面： 參考 Spotify 網站
Group of 5.
My Github: https://github.com/tonyhsu32/team4project
葆光系統 - POS 網站開發-Case (Project)
軟體開發：
JavaScript, Html5, CSS, Bootstrap, UI
資料：
葆光系統 - POS 管理 Data
功能：
POS 網站首頁動態介紹 (Self-Study期間完成)
My Github: https://github.com/tonyhsu32/FitSoft-web
Edx x Microsoft Certificate:
1. Logic and Computational Thinking
2. Introduction to Python for Data Science
3. Microsoft Professional Orientation Front-End Web Developer
4. Essential Math for Machine Learning Python Edition
5. Algorithms and Data Structures
2018.8 ~ 2019.2
Coursera Certificate:
Deep Learning Specialization
Instructor: Stanford's Andrew Ng
5 courses:
- Neural Networks and Deep Learning
- Improving Deep Neural Networks Hyperparameter tuning, Regularization and Optimization
- Structuring Machine Learning Projects
- Convolutional Neural Networks
- Sequence Models
2019.5 ~ 2019.11 Coursera link:
( Self-study )