黃仕勳 Ryan Huang   [email protected]

臺灣科技大學主修資工輔系財金畢業,現為臺科大資管所研究生。過去一年半在野村投信擔任 IT Intern,完整經歷三個專案累積功能開發、跨部門合作與領導合作等軟硬實力 ; 在校同時有多項產學與專案經驗。期許結合資工、金融領域所學與在實習所累積的實務經驗,運用自身資訊專業於真實業務場景,成為專業人才。

學歷

Sep. 2021 - Now

國立臺灣科技大學

資訊管理所 計算與資料探勘實驗室

Sep. 2017 June 2021

國立臺灣科技大學

主修:資訊工程系 資料探勘與社群網路分析實驗室

輔系:財務金融學士學位學程

工作經歷

電腦資訊部實習生 •  野村投信

 Jan. 2021 - Now

  • 完整經歷與負責三個專案從規劃至開發再到測試與部署和AI專案維護
    • 全委代操功能移轉 : 移轉資料與功能至自建平台,節省成本、增加開發彈性並優化使用者介面

    • 業務移轉功能: 將業務移轉功能化,提升工作效率並增加權限控管與覆核機制提升安全性 

    • 培訓時數紀錄: 將時數統計功能化並正確匯出報表提報公會,優化工作流程並提升效率 

    • AI 靜止戶預測:熟悉靜止戶預測實作方法,維護已上線AI專案

  • 主導與協作兩位新實習生完成專案
  • 參與跨部門合作累積跨域溝通經驗
  • 接觸 C#, ASP.NET, winform, MS-SQL, Linq

Python 全方位期貨課程講師  •  MasterTalks 

Nov. 2021 - Now

  • 教授從 python 基礎、爬蟲、回測、Line提醒到AI應用於期貨市場
  • 課程銷售額即將突破百萬
  • 負責 python 基礎教學、Backtrader 框架策略回測、AI 應用課程

產品企劃實習生&校園大使  •  IOH (秘密公開有限公司)

July 2019 - Aug. 2020

  • 網站內容(講座)產出,精準提問使講座內容深化與科普
    • 舉辦 9 場工作坊,一對一協作 12 位來自各校各領域講者(含一位外籍講者)
  • 擔任校園大使赴高中職演講,分享講師經驗並推廣 IOH
    • 演講 10 所 學校,累計觸及 2000 人以上
  • 資訊統整與科普產出四支(資訊、數理化、遊憩與運動、藝術)學群介紹影片

社團經歷

隊長  •  臺科大法式滾球校隊

Apr. 2020 - Apr. 2021

球技與領導能力的磨練與身兼數職的挑戰

  • 組織團隊,擔任團隊中的溝通橋樑
  • 球隊財務管理、社群網路管理
  • 四年大專盃累計奪得2冠、2亞、1季

美宣長&團員  •  臺科大國際親善大使團

Apr. 2018 - June 2021

專業儀態與自信的成長,培養表達與跨域合作的能力

  • 擔任第 14 屆美宣長,經營社團獲得社團評鑑第三名
  • 擔任校內外禮賓人員,引導接待各級長官貴賓
  • 擔任社課講師培養學弟妹們成為專業親善大使

專案經歷

自動化商品推薦演算法  •  工研院產學合作

Sep. 2021 - Oct. 2021 

需求 : 依照會員資料、商品資訊及交易紀錄等資料自動化生成推薦模型
接觸 : Decision Tree, 商品關聯分析, 協同過濾

  • 資料前處理:將文字資料與選項進行 one-hot encoding & label encoding
  • 模型建立: 使用 scikit-learn 建立 Decision Tree

惡意文字訊息攔截與異常帳號分析  •  遊戲公司產學合作

July 2020 - June 2021 

需求 : 分析聊天室訊息與可疑帳號,透過分類對應類別協助惡意訊息與可疑帳號偵測與屏蔽 
接觸 : Pytoch, word2vec, XLNET / Fine-tune ,  TextCNN, Cross Entropy

  • 資料預處理 : 透過語系判斷過濾與訊息內網址偵測等前置作業使資料更整潔
  • 詞向量分析 : 切詞後的訊息透過 XLNET 做 Embedding 轉換對應向量
  • TextCNN : 利用卷積神經網路 TextCNN 預測各類別機率
  • 權重 : 調整權重提升訓練效果改善資料數量不平衡造成的問題

職位與求職者推薦  •  人力銀行產學合作

Oct. 2019 - Jan. 2020 

需求 : 依照求職者所在地區與工作期待推薦最適合的工作
接觸 : Jieba, word2vec, gensim, Consine Similarity

  • 詞向量分析 : 使用切詞後的素材做 Embedding 後訓練模型
  • 工作內容與期望工做相似性 : 透過 Cosine Similarity 計算相似程度
  • 權重與排序 : 依照工作需求吻合度與地區計算權重,並排序後推薦給使用者

關聯性分析實現 Netflix 影集推薦  •  社群網路分析實務 期末報告

Apr. 2020 - June 2020 

需求 : 預測使用者喜好並推薦最適影集
接觸 : TF/IDF, 關聯分析, Graph

  • 以社群網路分析方式(建關聯圖)解讀 Netflix 影集資料並依關聯性推薦相似影集給使用者
  • 透過 TF/IDF 評估「詞」對於「影評敘述」的重要程度後計算描述相似度
  • 利用連結預測演算法 Adamic Adar algorithm 進行關聯分析

LinkedIn 商業表現與推薦功能技術分析  •  人工智慧和資料的商業價值 期末報告

Apr. 2021 - June 2021 

  • LinkedIn 推薦技術與演算法分析
    • Feed: 利用ML學習頁面停留時間Threshold,判斷使用者是否喜歡內容並客製化調整推薦結果
    • Recruiter x Applicant: 透過多個 model 與不斷重新訓練預測求職者正面回覆機率,提升招募合適人員準確率

技能

擅長領域


  • 機器學習
  • 人工智慧
  • 自然語言處理
  • 社群網路分析
  • 量化交易
  • 推薦系統
  • 專案管理

程式語言


  • C :  精熟
  • C++ :  精熟

  • C# : 精熟

  • Python: 精熟

  • SQL: 精熟

語言


  • English (TOEIC: 680 )
Powered By CakeResume