林士傑

個人實作專案

Aug 2024 -  Now

• BTC 月趨勢預測 MLOps 系統建置： 
  • 資料準備：運用 AWS 定時自動化抓取 API 資料，並設計資料流程定期導入 MySQL 資料庫
  • 特徵處理：應用 Time Shift 技術，Pearson 相關、XGBoost 進行變數篩選；結合 Evidently 即時監控特徵資料飄移
  • 模型訓練： 使用 XGBoost 模型，搭配 Bagging、Optuna 進行超參數調整，測試集 R² 達 0.5，展現具預測能力的月趨勢模型
  • MLOps 流程：整合 Airflow 任務排程、MLflow 模型管理、Prometheus 監控與 Grafana 儀表板；告警透過 Slack 通知 
  • 可擴展性：透過 Docker Compose 管理所有專案容器
• 桌球館 Line BOT 機器人：
  • 應用場景：設計專為桌球館服務的語言模型助理，支援用戶透過對話即時查詢場地價格、課程服務等資訊
  • 流程設計：整合 LangChain 與 OpenAI，結合 Function Calling 與 Prompt Engineering，有效降低幻覺並提升指令精度
  • 部署架構：系統部署 AWS 平台，結合 API Gateway、webhook 回應機制與 DynamoDB，實現穩定具備對話記憶的服務功能 
• 長文本新聞分類 NLP 任務專案 ： 
  • 資料處理： 設計段落切割與摘要策略，結合 LLM 與 Prompt Engineering，處理不同長度文本並維持語意完整性
  • 摘要品質：以 BERTScore 評估摘要效果，平均 F1 分數達 0.78，兼顧語意涵蓋與壓縮效率
  • 模型訓練：採用 BGE-m3 語意嵌入與 BiLSTM 架構，完成 20 類別新聞分類，測試集 F1 分數達 0.89
• 玉山人工智慧挑戰賽專案：
  • 任務目標：針對長文本檢索任務，優化文本切分（Chunking）策略以提升語意片段的一致性與檢索精度
  • 流程設計：設計滑動窗格與語意導向切分機制，確保每段 chunk 保有語意完整性並適用於後續向量轉換
  • 向量檢索：結合 BGE-m3 生成語意嵌入，並使用 FAISS 建立高效向量資料庫，優化文本匹配準確率與查詢速度
• 圖像辨識專案：
  • 任務目標：比較卷積神經網路 CNN 與視覺 Transformer (ViT) 在食物圖像分類任務中的效能，探討不同模型架構適用性
  • 資料處理：進行圖像標準化（resize、normalization）、資料增強（data augmentation）與訓練/驗證集切分
  • 模型訓練： 採用 efficentnet_b0 (CNN)  與 vit_b_16 (ViT) 兩種預訓練模型，統一相同資料集與訓練策略 (Optimizer、Learning Rate Scheduler、Epoch 等)。實驗結果顯示，ViT 準確率略優於 CNN，但 CNN 在效能與資源效率上更適合前端輕量化部署 

資展國際大數據班

Feb 2024 - July 2024

• 雙北房價預測平台 ：
  • 模型預測：使用 CatBoost、LightGBM 與 XGBoost 進行房價預測，透過 Optuna 進行超參數調整，並以 Stacking 模型融合策略提升預測準確率
  • 智能助理：整合 LLM + RAG 架構與 Function Calling，提供標推薦、比鄰設施查詢等相關功能
    
  • 數據呈現：透過 Tableau 製作區域房價歷史視覺化儀表板，並嵌入網頁平台供用戶互動查詢

資深主任  •  台灣客服科技股份有限公司

Aug 2018 - Mar 2024

(一) 數據分析建模與業務洞察 
1.提升電銷成功率專案：建立電商高潛力客戶預測模型，透過特徵工程與統計檢定篩選變數，並以隨機森林進行建模與重要度分析，成功提升銷售成功率 2%，並找出具影音與遊戲偏好的族群為關鍵目標用戶。 
2.提升客戶自助率分析： 運用 NLP 工具（jieba 分詞與 TF-IDF 向量化）分析客服對話文本，結合 KMeans 演算法進行主題分群 ，歸納客戶無法自助處理的核心問題，提供前端服務管道改善建議，每年成功降低客服通話量 3–5 萬通 。
3.建立客服主題預測邏輯，提前預測客戶來電原因並提供即時應對資訊，每通來電平均縮短通話時間 10 秒，顯著提升服務效率 。

(二) RPA 專案規劃 & 智能客服系統
1.協助釐清跨部門流程瓶頸，制定測試流程與腳本，加速流程優化協助公司 RPA 專案規劃，成功協助部署二專案，節省人力 120 小時/月(人力招募自動化、電話行銷續約查核流程) 。 
2.建立智能客服異常監控機制，自動化排程爬取使用量數據，對（平均值 + 標準差閾值）進行異常偵測，並透過 Email 實作自動告警，確保服務穩定性 。 
3.管理智能客服團隊，負責智能客服團隊之專案管理，跨部門溝通協調與廠商作業進度控管，確保系統功能優化與如期交付。