Skip to content
精選作品
AI 模型訓練資料與自動化爬蟲系統
負責公司核心 AI 模型的資料蒐集與落地。從合規爬取原始資料、解析清洗，到最終將 PyTorch Lite 模型部署上 iOS 裝置，完整走過資料到推論的每一個環節。
- 遵循 robots.txt 並優先串接官方 API；無 API 時分析動態渲染與反爬機制，靈活切換 Requests / Selenium
- BeautifulSoup 解析 HTML + 精準 RegEx 萃取，確保只留下目標格式（如 .wav）的純淨資料
- Objective-C 底層串接 PyTorch Lite，嚴格校準音檔輸入格式，成功將模型部署至 iOS 裝置端推論
資料集自動建置系統
為解決音檔散落、手工處理耗時的痛點，從零建置企業級訓練資料管理平台。讓非技術人員也能一鍵產出符合模型格式的高品質資料集，大幅加速 AI 迭代速率。
- 企業級 NAS + PostgreSQL 集中管理音檔實體與 Metadata，解決資料散落與權限問題
- PyQt 圖形化介面，登入後自動從 DB 與 NAS 撈取資料，非技術人員也能操作
- 全自動批次處理：音檔切割、對齊、擴增（混音合成）、Metadata 生成，大幅縮短訓練資料準備時間
混合雲 AI 模型自動化推論系統
打造全自動的 AI 推論工作流：每日定時從雲端拉取海量資料，在本地伺服器執行 PyTorch 推論，結果自動上鏈並渲染成即時監控 Dashboard，全程零人工介入。
- Python 腳本自動從雲端基礎建設定時抓取資料，完成清洗與格式轉換後送入推論
- 本地端 PyTorch 模型推論，針對伺服器記憶體做嚴密效能優化與監控，確保大量推論穩定運行
- 推論結果自動寫入資料庫，後端自動推送至前端即時 Dashboard，全流程自動化
End-to-End 雲原生全端架構
主導建置可承接 iOS、Android App 與各式 Edge Device 高頻資料上傳的雲原生系統。採用純 Serverless 架構解決高併發，並完整導入 CI/CD 自動化部署。
- AWS Serverless：API Gateway + Lambda 處理裝置端高頻資料，自動彈性擴展，資料寫入 DynamoDB + S3
- CI/CD：GitHub Actions 自動 Build & Test，後端 Lambda 與前端 Vue.js 自動部署至 S3 / CloudFront
- 跨平台資料對齊：具備 iOS 開發背景，清楚裝置端限制，確保格式標準化與傳輸穩定性
內部管理與自動化任務派發系統
取代 Google Sheets 的集中化內部管理平台。涵蓋角色權限、自動版本更新、NAS 文件管理、SQL Injection 防護，以及 Discord API 即時推播通知。
- PyQt GUI + 角色權限控管（Permissions），強制版本檢查機制確保所有人維持最新版本
- 一鍵上傳至 NAS；全面採用參數化查詢，徹底阻絕 SQL Injection 風險
- 資料庫狀態監聽邏輯，任務進度異動時自動觸發 Discord API 向指定頻道推播通知
多雲架構微服務與 DevOps 自動化部署
面試前自主建置的 Side Project，目標是在短時間內將較不熟悉的 GCP 從零架出可用系統，並深度踩坑解決跨雲整合的真實問題。
- CI/CD 解耦：GitHub Actions 負責 CI，GCP Cloud Build 處理 CD，實現無金鑰認證（Keyless Auth）
- Workload Identity Federation 解決跨雲拉取 Image（AWS ECR → GCP GKE），捨棄帳號密碼風險
- Django Auth + 嚴格 CORS 限制保護 Vertex AI（Gemini）API，防止雲端額度被惡意消耗