Search resumes and take the initiative to contact job applicants for higher recruiting efficiency. The Choice of Hundreds of Companies.
6年AI人工智慧落地與AOI自動光學檢測的經驗
具備AOI光學相機選配、AI模型建置/優化、資料清洗/標記、AI 模型訓練/調參以及模型整合至推論平台等一條龍之能力
擁有神經網路跨框架開發的經驗,熟悉Tensorflow/Pytorch 轉 Onnx與TensorRT
熟悉各式AI影像處理Object Detection、Segmetation以及傳統影像處理的方法,尤其擅長瑕疵檢測
具備網站全端開發以及後端串接AI人工智慧的經驗
擁有豐富的AI人工智慧落地之經驗,目標是讓任何無專業知識的使用者可以輕鬆體驗AI人工智慧帶來的便利
-----------------------------------------------------------------------------------------------------------------------------------------------------------------
擁有閱讀最新論文,復刻論文方法以及手刻神經網路的能力
2022 國外研討會 IEEE International Conference on Multimedia Workshop(ICMEW) 論文被接受
https://ieeexplore.ieee.org/abstract/document/9859266
2022 國際研討會 IEEE International Conference on Consumer Electronics–Taiwan(ICCE-TW) 論文被接受
2022/08 - 2024/09
前端:Html (Vue)
後端:Python (FastAPI + tensorflow)
概述:
以往廠內RD在進行光學實驗時只能透過實際購入材料進行實驗後,透過特定的材料選配(統稱X)經過實驗後得出結果(統稱Y),過程花費大量研究金費與人力。因此將過往實驗數據進行資料整理與清洗,並且使用AI神經網路的方式將實驗中的XY進行學習,使模型學習資料其中的規律,並且提供一個數位孿生的前端網頁平台供RD操作與實驗,待實驗出滿意的參數與結果後再進行後續的材料請購。
前端:Html (Vue)
後端:NodeJS (Express)
概述:
設計一個戰情儀表板針對各部門不同需求的限度邏輯顯示不同的燈號,將此儀表板呈現在公司走廊各處,使同仁得知目前場內的即時狀況。
前端:Html (Vue)
後端:NodeJS (Express) + Python (FastAPI + tensorflow)
概述:
設計一個UI儀表板針對各廠花費的限度邏輯顯示不同的燈號
設計一個UI儀表板即時顯示廠內生產機台與零組件即時狀況並且顯示燈號
利用過往生產機台的參數以及零組件替換率即時預測機台健康度
原始數據:PLM、SAP、Oracle、Note
數據湖:Google Cloud PlateForm
程式語言:Python
1. 使用爬蟲爬取特定數據,再將其寫入Document360 (程式語言:Python)
2. 將地端資料寫入Magento (程式語言:php)
3. 設計資料比對演算法,將電商欲上架的資訊進行比對,確認資料無誤後再將其寫入Document360 (程式語言:Python)
2019/02 ~ 2022/08 (3.5y)
由於慧穩為接案型公司,欲想了解專案細節請私下聯繫
程式語言:Python (tensorflow) 、 C++ (TensorRT)以及 C#
1. 真假人臉辨識
2. 相似度比對
3. 工安辨識檢測
4. 車牌辨識檢測
5. 高爾夫球自動光學瑕疵檢測系統
6. 鞋帶自動光學瑕疵檢測系統
7. 布料自動光學瑕疵檢測系統
8. 面板氣泡瑕疵檢測系統
9. 偏光板壓傷瑕疵檢測系統
10. IC 石刻量測
2018/01 - 2019/02 (1y1m)
(1) 面板瑕疵檢測與量測
(2) 晶圓瑕疵檢測與量測
(1) 自學AI 分類器運用在面板瑕疵檢測專案
(2) 自學 GAN神經網路運用在晶圓瑕疵檢測專案
訓練:Python + tensorflow
推論:C++ 及 TensorRT
針對面板TFT與CF面進行特定的瑕疵檢測。
在使用TensorRT進行加速與使用RTX3080的情況下,輸入影像大小為2000x1024 pixels時推論速度為100ms,檢出率約為95%。
推論平台與面掃描相同。
再使用TensorRT進行加速與使用RTX3080的情況下,輸入影像為16000x12000 pixels時推論速度約1.5s,檢出率約88%
使用Python爬蟲每日至股市證交所撈取資料,並且結合股市Rule Base與自然語言進行AI神經網路模型學習,預測隔日股市漲跌。
使用者可至本網站將標記好的影像資料進行上傳,再選擇特定的AI神經網路的演算法進行訓練,即可進行AI神經網路學習,在No-Code免寫程式的情況下輕鬆完成資料驗證,並且提供Onnx檔案供使用者做後續的TensorRT/Openvino開發與部屬!
目前演算法支援分類(Classification)、物件檢測(Object Detection)以及物件切割(Segementation)。
使用者除了可至本網站上傳客製化資料進行AI神經網路訓練外,AI神經網路訓練完後亦可進行推論查看模型效果!
2020 - 2022
2013 - 2017
6年AI人工智慧落地與AOI自動光學檢測的經驗
具備AOI光學相機選配、AI模型建置/優化、資料清洗/標記、AI 模型訓練/調參以及模型整合至推論平台等一條龍之能力
擁有神經網路跨框架開發的經驗,熟悉Tensorflow/Pytorch 轉 Onnx與TensorRT
熟悉各式AI影像處理Object Detection、Segmetation以及傳統影像處理的方法,尤其擅長瑕疵檢測
具備網站全端開發以及後端串接AI人工智慧的經驗
擁有豐富的AI人工智慧落地之經驗,目標是讓任何無專業知識的使用者可以輕鬆體驗AI人工智慧帶來的便利
-----------------------------------------------------------------------------------------------------------------------------------------------------------------
擁有閱讀最新論文,復刻論文方法以及手刻神經網路的能力
2022 國外研討會 IEEE International Conference on Multimedia Workshop(ICMEW) 論文被接受
https://ieeexplore.ieee.org/abstract/document/9859266
2022 國際研討會 IEEE International Conference on Consumer Electronics–Taiwan(ICCE-TW) 論文被接受
2022/08 - 2024/09
前端:Html (Vue)
後端:Python (FastAPI + tensorflow)
概述:
以往廠內RD在進行光學實驗時只能透過實際購入材料進行實驗後,透過特定的材料選配(統稱X)經過實驗後得出結果(統稱Y),過程花費大量研究金費與人力。因此將過往實驗數據進行資料整理與清洗,並且使用AI神經網路的方式將實驗中的XY進行學習,使模型學習資料其中的規律,並且提供一個數位孿生的前端網頁平台供RD操作與實驗,待實驗出滿意的參數與結果後再進行後續的材料請購。
前端:Html (Vue)
後端:NodeJS (Express)
概述:
設計一個戰情儀表板針對各部門不同需求的限度邏輯顯示不同的燈號,將此儀表板呈現在公司走廊各處,使同仁得知目前場內的即時狀況。
前端:Html (Vue)
後端:NodeJS (Express) + Python (FastAPI + tensorflow)
概述:
設計一個UI儀表板針對各廠花費的限度邏輯顯示不同的燈號
設計一個UI儀表板即時顯示廠內生產機台與零組件即時狀況並且顯示燈號
利用過往生產機台的參數以及零組件替換率即時預測機台健康度
原始數據:PLM、SAP、Oracle、Note
數據湖:Google Cloud PlateForm
程式語言:Python
1. 使用爬蟲爬取特定數據,再將其寫入Document360 (程式語言:Python)
2. 將地端資料寫入Magento (程式語言:php)
3. 設計資料比對演算法,將電商欲上架的資訊進行比對,確認資料無誤後再將其寫入Document360 (程式語言:Python)
2019/02 ~ 2022/08 (3.5y)
由於慧穩為接案型公司,欲想了解專案細節請私下聯繫
程式語言:Python (tensorflow) 、 C++ (TensorRT)以及 C#
1. 真假人臉辨識
2. 相似度比對
3. 工安辨識檢測
4. 車牌辨識檢測
5. 高爾夫球自動光學瑕疵檢測系統
6. 鞋帶自動光學瑕疵檢測系統
7. 布料自動光學瑕疵檢測系統
8. 面板氣泡瑕疵檢測系統
9. 偏光板壓傷瑕疵檢測系統
10. IC 石刻量測
2018/01 - 2019/02 (1y1m)
(1) 面板瑕疵檢測與量測
(2) 晶圓瑕疵檢測與量測
(1) 自學AI 分類器運用在面板瑕疵檢測專案
(2) 自學 GAN神經網路運用在晶圓瑕疵檢測專案
訓練:Python + tensorflow
推論:C++ 及 TensorRT
針對面板TFT與CF面進行特定的瑕疵檢測。
在使用TensorRT進行加速與使用RTX3080的情況下,輸入影像大小為2000x1024 pixels時推論速度為100ms,檢出率約為95%。
推論平台與面掃描相同。
再使用TensorRT進行加速與使用RTX3080的情況下,輸入影像為16000x12000 pixels時推論速度約1.5s,檢出率約88%
使用Python爬蟲每日至股市證交所撈取資料,並且結合股市Rule Base與自然語言進行AI神經網路模型學習,預測隔日股市漲跌。
使用者可至本網站將標記好的影像資料進行上傳,再選擇特定的AI神經網路的演算法進行訓練,即可進行AI神經網路學習,在No-Code免寫程式的情況下輕鬆完成資料驗證,並且提供Onnx檔案供使用者做後續的TensorRT/Openvino開發與部屬!
目前演算法支援分類(Classification)、物件檢測(Object Detection)以及物件切割(Segementation)。
使用者除了可至本網站上傳客製化資料進行AI神經網路訓練外,AI神經網路訓練完後亦可進行推論查看模型效果!
2020 - 2022
2013 - 2017