這個作品集導覽提供了一條清楚的閱讀路徑，而不單純是羅列所有專案。
我的背景橫跨財務分析、量化建模與系統導向的軟體開發，因此這裡的專案更重視「問題如何被拆解與重構」，而不只是功能或模型表現。
這份 portfolio 會持續滾動式更新。
每個被選入的專案，除了說明做了什麼，也會標註：
- 初次完成的時間與背景脈絡
- 後續 refactor 的時間點與動機
- 現在這個版本想解決的問題
因此閱讀這這裡的方式，會比較像是在看一條隨時間演化的工程軌跡。
🔎 快速導覽（給不同背景的朋友）
不同領域的讀者可以從下表快速找到最相關的專案與技術內容。
| 如果你正在找… | 建議閱讀的專案 | 你會看到的能力與內容 |
|---|---|---|
| Finance × AI / Quant / FinTech | GLoVE robo_advisor Meme_stock_analysis_and_prediction | GARCH × 深度學習混合建模、模組化金融分析系統、另類資料與市場訊號研究 |
| LLM / RAG / NLP 系統開發 | 深度學習 HW3 – RAG system IRTM_project Toxic Comment Detector（BERT & GPT 版本） | Retriever / reranker 微調、繁體中文 RAG 策略實驗、LLM 出現前後的完整 NLP pipeline |
| LLM 微調 / Transformer 訓練 | Instruction tuning（QLoRA） Chinese Extractive QA（BERT） | 參數高效微調、span prediction 訓練流程、prompt 與推論策略設計 |
| Machine Learning / Deep Learning 基礎能力 | data_analysis AI Cup 3D 醫學影像建模與預測 | End-to-end 建模流程、時間序列預測、論文復現與實驗設計能力 |
| 系統整合 / 全端工程 | CloudNative_Stadium_System Airlines_DBMS | React + Express 架構、API 測試與壓力測試、資料庫 schema 與交易設計 |
| 推薦系統 / 資料探勘 | BDA2023_final_apriori | 關聯規則推薦系統與商業問題轉換能力 |
| 產品導向的 AI 應用 | youtube_nlp_analysis | 從使用者資料推導內容策略與商業洞察 |
| 程式設計基礎與系統思維起點 | PBC2021-final windowskill | OOP 設計、互動式系統實作、C++ 與 Python 的實作差異 |
🧭 建議閱讀路線
- GenAI / LLM 相關 → RAG system → IRTM → QLoRA
- Quant / FinTech 相關 → GLoVE → Robo-advisor
- 軟體工程 / 全端 → Cloud Native → DBMS
- ML Engineer → Data Analytics → AI Cup
💡 我目前的核心關注方向
- LLM / RAG 系統設計與最佳化
- Finance × AI 的可驗證建模
- 可落地的 Machine Learning 系統
建議閱讀專案
如果你是第一次來，建議從下列幾個專案開始，它們代表我在不同階段的思考方式：
1. Airlines_DBMS (資料庫設計與系統重構)
這是我將學術作業轉化為可操作系統的代表作。
- 2023.12 初版：學習 ER model 與正規化。
- 2026.02 重構：強化 schema 與應用層設計，讓使用者可實際操作查詢。
2. stock_analysis (金融量化工作流)
從簡單的分析導向轉向系統化的研究工作流。
- 2023.06 初版：基礎策略發想。
- 2026.03 重構：模組化資料處理，建立可重現的實驗結構。
最後
這份作品集也是我的工程筆記。如果你是為了面試或合作而來，謝謝你從這份導覽開始認識我。