Wv5ptbowqkomunfzo5zq

辛祐任

喜歡分析資料、計算數字、善用工具的統計學家

Probability Engineer
Taichung,TW
[email protected]


擅長工具

  • Git - 版本控制
  • Trello - 專案管理
  • Slack - 溝通
  • Power BI - 資料視覺化

工作技能

  • 文書處理(Word、Excel、PowerPoint)
  • 資料庫查詢語法(SQL)
  • 作業系統(Linux-Debian)
  • 程式語言(Python,C++)
  • 統計分析(R)

學歷

國立中興大學, 碩士學位, 

統計研究所, 2017 ~ 2019

中華民國斐陶斐榮譽學會榮譽會員

國立中興大學, 理學士(BS),

 應用數學系, 2013 ~ 2017


工作經歷

台灣宸運雲端有限公司, Python工程師, Dec 2020 ~ Mar 2021

兆威數位媒體有限公司, 機率工程師, Oct 2019 ~ Sep 2020

國立中興大學, 教學助理, Sep 2017 ~ Jun 2019

財團法人鞋類暨運動休閒科技研發中心, 研習生, Jun 2018 ~ Dec 2018

Paragraph image 03 00@2x

產學專案-櫻花大數據分析

在鞋技中心研習期間,業師引薦我跟另一名同學去台灣櫻花公司,參與他們的大數據分析專案。

櫻花提供資料,我們實際下去分析並說明如何篩選變數,最後應用到他們的系統之上。

碩士論文-探討DNN、CNN和CapsNet於高混合度之中文母音辨識

本論文主要是探討深度神經網路 (Deep Neural Networks, DNN)、卷積神經網路 (Convolutional Neural Networks, CNN)、膠囊網路(Capsule Networks, CapsNet) 等三種網路在高混合度之中文母音如 < ㄛ、ㄨㄛ > 、< ㄣ、ㄥ > 、< ㄥ、ㄨㄥ > 等共 15 組之辨識。資料特徵則採用梅爾頻率倒譜系數 (Mel-Frequency Cepstral Coefficients,MFCC)。DNN 利用 25 個獨立 MLP 組合來進行辨識;CNN基本上採用 LeNet-5,以及對卷積層數、超參數及訓練次數做調適;CapsNet 參考 Hinton[2017],試驗膠囊的維度及特徵圖對辨識的影響。實驗結果顯示CNN跟CapsNet 準確度相近,而 DNN 正確率較低。以 < ㄛ、ㄨㄛ > 為例,DNN、CNN、CapsNet 三個模型之最高的準確率分別為 80.14%、90.59%、89.22%。



Paragraph image 02 00@2x
Powered by CakeResumePowered by CakeResume