數據科學家｜機器學習與大數據分析專家
擁有超過 6 年數據科學及機器學習經驗，專注於金融科技、智慧城市及零售分析等領域。
善於運用統計建模、機器學習及深度學習技術解決實際商業問題
熟悉大數據平台（Spark、Hadoop）及雲端服務（AWS、Azure）
具備端到端數據產品開發經驗，由數據收集、特徵工程到模型部署及監控
熱衷於把複雜的數據分析結果轉化為清晰的商業決策建議
擁有多項專業認證及期刊論文發表經驗
領導數據科學團隊，為銀行及零售客戶開發風險評估及客戶分群模型
設計並部署基於 Python 及 Spark 的機器學習平台，將模型訓練時間縮短 40%
與業務部門緊密合作，將分析結果轉化為可執行的商業策略
推動 MLOps 實踐，建立自動化模型監控及重新訓練流程
指導初級數據科學家，並定期舉辦內部培訓
分析流動通訊客戶的使用行為及流失率，建立客戶流失預警模型
利用 SQL 及 Hive 處理每日數十億條數據記錄，製作儀表板供管理層參考
開發客戶生命週期價值（LTV）模型，協助市場部制定精準營銷策略
與團隊成員於 300 多支參賽隊伍中脫穎而出，運用機器學習技術預測城市交通流量，獲亞軍。
畢業論文「基於深度學習的香港樓價預測模型」獲評為年度最佳碩士論文。
提出結合 CNN 及 LSTM 的混合深度學習模型，用於預測香港市區交通流量
實驗結果顯示所提出的模型比傳統 ARIMA 減少 25% 預測誤差
文章已獲 IEEE Access 收錄，並被多位學者引用
探討如何利用 BERT 模型分析上市公司年報及新聞稿中的情感傾向
結合金融領域知識詞典，提升情感分析模型於金融文本的準確度
整合差餉物業估價署、土地註冊處及公共交通數據
使用 XGBoost 及深度神經網絡建立樓價預測模型，R² 達 0.91
開發 Flask API 及 React 前端，讓用戶輸入物業資料即時獲得估價
利用 RAG（檢索增強生成）架構結合領域知識庫，解答客戶常見問題
使用 LangChain 及 OpenAI API 開發，並部署至企業 Kubernetes 集群
聊天機器人成功處理 70% 的常見查詢，大幅減輕前線客服人員負擔
為非牟利機構提供免費數據分析諮詢
定期主持數據科學工作坊，教授 Python 及數據可視化技巧
協助設計「社企數據儀表板」，用於追蹤服務成效