帳戶中心
案件管理
22
提案數
3
諮詢數
4
成交數
90%
回覆率
- AI 內容代寫
- 生成式 AI
- AI 數據分析
- AI 聊天機器人
- AI 系統開發
- ＋3
=== 工作經歷 === 1. Cathay DDT（Century Insurance）｜Data Scientist 負責企業級 AI 與生成式 AI 應用開發，涵蓋 Agentic AI、RAG、VLM、Machine Learning 與 MLOps。設計並部署保險知識 Agent，整合 AWS、Databricks、LangChain、MongoDB、MLflow 與 MCP，打造可追蹤、可評估的 Agentic RAG 平台；開發 VLM 文件解析 API，自動將非結構化文件轉換為 Markdown；建置司法判決資訊抽取與相似案例檢索平台；利用車聯網資料建立 XGBoost 模型預測事故風險與理賠結果，並導入 MLflow 建立完整 MLOps 流程。 2. Shopee｜Data Analyst Intern 負責產品分析與 AI 應用開發，使用 Python、SQL、R 分析產品數據，協助產品決策；建置 LangChain + Embedding 內部 RAG Assistant，提升知識搜尋效率；建立 NLP 商品 SPU 資料庫與視覺化 Dashboard，協助採購團隊掌握熱門商品與賣家趨勢。 3. EZtable｜AI Intern 開發客服 AI Chatbot，自動化客服流程並提升回覆效率。 === 接案經歷 === 1. Green Industry Research Education Foundation｜Computer Vision Machine Learning Engineer 開發道路損壞辨識系統，訓練 YOLO 與 SAM 模型，建立模型 API、Qt 訓練工具及客製化資料處理 Pipeline，支援影像標註與模型持續迭代。 2. MacKay Children's Hospital｜GenAI Medical RAG System 建置醫療 GenAI 問答系統，透過 RAG 整合醫療知識，提供臨床資訊檢索與知識支援。 3. Cathay DDT｜GenAI Claims Assistant 使用 AWS Bedrock AgentCore、Lambda 與 DynamoDB 開發 AI 理賠助手，建立企業級 Agent Workflow、身份驗證與 AIOps 機制，提升保險理賠流程效率。
作品（3）
小兒科 RAG 系統
=== 專案定位 === - 將醫師的衛教文章、FAQ 與專業知識整理成可控知識庫的醫療助手。 - 主要服務兒童身高、青春期、生長發育、骨齡及相關就醫疑問。 - 系統目標是先協助家長釐清觀念與判斷下一步，而非取代醫師診斷。 === 資料來源與知識庫 === - 後台可上傳 PDF、文字、圖片與筆記，並保存文件擁有者、檔案格式、RAG 範圍與處理狀態。 - 知識庫區分為 knowledge（醫療知識）與 persona（醫師語氣／角色），避免把語氣資料誤當醫療依據。 === 檢索與重排序 === - 使用 text-embedding-3-large 產生 3,072 維向量。 - 使用者問題會先正規化，把不同口語問法對齊到同一醫療主題。 - 初步向量檢索最多找出 10 個候選，再由 gpt-5.4-mini 依直接相關性、年齡門檻、警訊、例外條件與安全性重排序，最後取前 5 筆作為回答依據。 - 目前測試題評測中，rerank 後 Hit@1 從 70% 提升到 83%，Hit@5 維持 98%，MRR@5 從 0.821 提升為 0.902。
- AI 系統開發
理賠自動化 Agent
=== 企業知識庫：RAG === 理賠 FAQ、保單條款、事故處理流程等文件被切分、向量化後放進 S3 Vector。 問題進來時，系統做向量檢索，取回最相關的條文或流程片段，再交由模型依據內容回答。 這能降低模型憑空回答、過度承諾理賠金額的風險。 === 個人保單資料查詢 === Agent 透過 Bedrock AgentCore Gateway 呼叫保單查詢工具。 回傳可用於回答的保單狀態、保障內容、保額、保費等資料。 這層與 RAG 的差別是：RAG 查的是「通用知識」，工具查的是「此登入客戶的即時／個人化資料」。 === Agent 編排與對話記憶 === Bedrock AgentCore Runtime 內執行 LangChain 編排流程：護欄、檢索、模型推論、工具呼叫、記憶寫入與追蹤。 AgentCore Memory 保存同一 session 的短期上下文，例如客戶先說「車子擦撞」、後面補充「對方有人受傷」時，Agent 能連貫判斷。 簡報另提到長期紀錄保存與音檔採樣，適合用於稽核、服務改善與後續模型／流程優化；但沒有明確標示其最終儲存服務與保存期限。 === 監控、評估與資安 === CloudWatch GenAI Observability 與 CloudWatch Logs 記錄 session、模型呼叫、工具呼叫、錯誤和延遲。 AgentCore Evaluation 對回答做正確性、忠實性、實用性、相關性，以及工具選擇／參數正確度評分。 VPC 私有子網、TLS、KMS、WAF、IAM、GuardDuty 與 Security Hub 分別保護網路、傳輸、靜態資料、權限與異常行為。
- AI 系統開發
影像辨識模型＆半自動化標注軟體
- 資訊系統整合建置
服務（3）
評價（6）
5.0
6 則真實評價
100%
專案完成率
4 件
諮詢印象
尚無資料，期待您聯絡後的真實感受
- ??
- ??
- ??
- ??
- ??
- ??
- ??
- ??
專案執行
6 位案主合作後評價
整體推薦
5.0
溝通契合
4.8
專業能力
5.0
準時交付
5.0
回覆速度
5.0
陳ＯＯ
運用AI資料自行產生報表
2025/05/06 合作評價需要人引導分析方向，開發程序雖然還有加強必要，但是可以溝通了解專案需求，專案是一定有目標及完成成果，雖然沒有完全達到，但是仍算是有階段性目標達成開發方向之確認。
陳ＯＯ
固定距離拍照
2024/09/27 合作評價漸漸配合度有比較好
陳ＯＯ
運用AI資料自行產生報表
2024/08/07 合作評價程式設計能力及整合能力愈來愈好