.End-to-End Machine Learning Engineering:推動機器學習專案的完整生命週期,從需求分析到產品上線,涵蓋系統規劃、資料流程設計、模型開發、測試、部署、成效監控及版本迭代。主要負責的專案包括推薦系統、精準廣告、活躍會員預測及內容成效預測等多項專案。
.Data Engineering:設計並實現機器學習專案的 ETL 資料流程,使用 Apache Airflow、Apache Beam 及 Kubernetes 以確保高效的資料處理流程,並設計合理的資料倉儲以促進資料的使用效益最大化。
.DevOps:通過採用 Git Flow 改善開發工作流程,實現有效的版本控制與精簡的部署流程。除了回收數據作為產品迭代的參考,亦建置儀表板進行即時成效監控。
.Cloud Engineering:在 Google Cloud 平台上架構並部署服務與 API,探索並實施最佳解決方案和基礎設施設計。