國立成功大學職能治療學系 軟體工程師
朝陽科技大學 資訊管理系 大學畢業
台中市烏日區 2~3年工作經驗 希望職稱:AI相關 ,數據分析師,工程師
擅溝通、規劃、邏輯分析、抗壓力強
喜歡學習與思考探索新的事物,也喜歡接觸不同領域的知識,學習不同技能。
Email:[email protected]
手機:0983881043
主要負責收銀,櫃台行銷,店內清潔
1.開發Android App
2.PHP網頁架設
3.使用Tensorflow進行模型訓練
4.撰寫Python進行透過opencv套件進行藥劑辨識
5.使用Openpose進行動作分析
程式語言: Python | PHP | JavaScript
資料庫: MySQL
前端: HTML5 | CSS3 | JavaScript
後端: Python | PHP
版本控制: Github
開發環境: Windows | Linux
辦公室應用類:Excel、PowerPoint、Word
英文 聽:中等 說:中等 讀:中等 寫:中等
我是一個熱愛接觸新事物和挑戰的人,在高職的期間,在我所選擇的資料處理科上學習多方面的技能讓自己的技能更上一階。在這期間我也考取了許多證照,驗證自己的學習成效。而在高三那年很榮幸的被選做為技藝競賽-文書處理的選手代表學校出賽,讓我獲得比賽經驗。 在求學的過程中每當我遇到困難時,我總想辦法解決問題,在這三年中的課程中讓我擁有許多不同的應對處理,也令我學習許多的待人處事的方法,因此我在面對許多的狀況時有辦法應對。 在大學期間,我編寫程式方面較為落後,但藉由向導師及教授詢問解決許多難題對於編程有明顯的進步,於外語能力上要求自己能更進一步,所以我利用學校的資源精進自己的英文及日文,而在大學時期參與了系上的排球隊,藉此增加團隊合作的能力,在大四的專題期間,因為接觸了AI及大數據讓我產生了極大的興趣想繼續學習相關知識。
感應器:使用樹梅派連接鏡頭藉此收集受測者資料。
伺服器端:利用Microsoft Azure提供的臉部辨識API進行情緒辨識,並藉此轉換成分數量化,最後以網頁顯示各類Google Chart。
app端 讓使用者可以透過app錄製影片並傳送到伺服器進行分析,也可以透過app看到動作分析後的數據量化。
伺服器端
藉由Openpose進行動作錄製的骨架標記,再由Python進行節點分析,並藉此評斷動作的完成度及流暢度。
模型訓練:以 Tensorflow RCNN進行訓練。
應用端:使用Python進行模型應用,並輸出成執行檔。
國立成功大學職能治療學系 軟體工程師
朝陽科技大學 資訊管理系 大學畢業
台中市烏日區 2~3年工作經驗 希望職稱:AI相關 ,數據分析師,工程師
擅溝通、規劃、邏輯分析、抗壓力強
喜歡學習與思考探索新的事物,也喜歡接觸不同領域的知識,學習不同技能。
Email:[email protected]
手機:0983881043
主要負責收銀,櫃台行銷,店內清潔
1.開發Android App
2.PHP網頁架設
3.使用Tensorflow進行模型訓練
4.撰寫Python進行透過opencv套件進行藥劑辨識
5.使用Openpose進行動作分析
程式語言: Python | PHP | JavaScript
資料庫: MySQL
前端: HTML5 | CSS3 | JavaScript
後端: Python | PHP
版本控制: Github
開發環境: Windows | Linux
辦公室應用類:Excel、PowerPoint、Word
英文 聽:中等 說:中等 讀:中等 寫:中等
我是一個熱愛接觸新事物和挑戰的人,在高職的期間,在我所選擇的資料處理科上學習多方面的技能讓自己的技能更上一階。在這期間我也考取了許多證照,驗證自己的學習成效。而在高三那年很榮幸的被選做為技藝競賽-文書處理的選手代表學校出賽,讓我獲得比賽經驗。 在求學的過程中每當我遇到困難時,我總想辦法解決問題,在這三年中的課程中讓我擁有許多不同的應對處理,也令我學習許多的待人處事的方法,因此我在面對許多的狀況時有辦法應對。 在大學期間,我編寫程式方面較為落後,但藉由向導師及教授詢問解決許多難題對於編程有明顯的進步,於外語能力上要求自己能更進一步,所以我利用學校的資源精進自己的英文及日文,而在大學時期參與了系上的排球隊,藉此增加團隊合作的能力,在大四的專題期間,因為接觸了AI及大數據讓我產生了極大的興趣想繼續學習相關知識。
感應器:使用樹梅派連接鏡頭藉此收集受測者資料。
伺服器端:利用Microsoft Azure提供的臉部辨識API進行情緒辨識,並藉此轉換成分數量化,最後以網頁顯示各類Google Chart。
app端 讓使用者可以透過app錄製影片並傳送到伺服器進行分析,也可以透過app看到動作分析後的數據量化。
伺服器端
藉由Openpose進行動作錄製的骨架標記,再由Python進行節點分析,並藉此評斷動作的完成度及流暢度。
模型訓練:以 Tensorflow RCNN進行訓練。
應用端:使用Python進行模型應用,並輸出成執行檔。