學生會活動組 組長 慢活影音社 社長 新生宿營 小隊輔

一、學術背景與核心訓練 (1) 國立中山大學 應用數學研究所（統計組）碩士（2021/09–2023/07）
研究與訓練聚焦於統計建模、資料科學、機器學習與深度學習應用，碩士 GPA 4.29/4.3，並曾擔任時間序列分析與應用統計方法助教，強化將理論轉為可教學、可落地的能力。 (2) 大學階段（數理基礎扎實）
修習包含微積分、線性代數、機率與統計、數值方法、最佳化等數理與運算課程，建立後續做資料分析、模型建置與演算法設計的基礎。 碩士＆大學成績單 (3) 金融工程學程
在校跨領域修習金融工程，並將統計／網路分析方法延伸到投資組合與風險報酬議題。 二、深度學習／競賽與論文訓練 (1) 深度學習主題學習：包含 Image Captioning、Attention 機制、GAN 等主題，理解從資料前處理、模型訓練到評估的完整流程。 (2) Kaggle 課程競賽實作：涵蓋 * 音樂年代預測（回歸／分類） * 服飾種類／屬性分類（CNN） * 五種花朵辨識（影像分類） * 語句情緒預測（NLP） * 文字辨識（OCR）
透過多題型實作熟悉 feature、模型選型、評估與調參。 三、 自學與新技術探索（LLM / RAG / Agent） (1) Hugging Face 模型下載與部署，並進一步研究 量化（Quantization）與微調（Fine-tune）、RAG 應用。 (2) 本地化 LLM 與應用整合：有 Ollama / OpenWebUI 部署經驗，能快速建立推論環境、驗證落地場景。 (3) Dify 平台應用實驗：以 Docker 架設 Dify，串接本地模型，實作 RAG／Agent／Workflow、HTTP 請求、模板轉換與代碼執行等整合節點。 (4) Line Messaging API 實作 LineBot：將 LLM＋RAG＋TTS 串接，形成可互動的多模態應用流程。