ML與資料分析
涵蓋 Machine Learning、LLM、RAG、Fine-tuning 、工程資料分析、ML 研究設計
我是 Kaine 朱璽，國立中山大學海洋環境及工程學系學士、碩士畢業，現職 AI 工程師。
我的 AI 經驗橫跨工程資料分析、機器學習研究、LLM 應用，並熟悉 AI agent 操作，持續關注 AI 趨勢並定期新增個人專案。
核心能力
AI 與 Machine Learning
- Research Design
- Supervised／Unsupervised Learning
- Classification／Regression
- Feature Engineering
- Data Preprocessing
- Time-series Analysis
- Engineering Data Analysis
- Model Training／Validation／Comparison
- Error Analysis／Model Evaluation
- Data Analysis and Experimentation, Feature importance analysis
LLM 與 Knowledge Systems
- Prompt Engineering
- Structured Prompting
- In-context Learning
- Embeddings／Semantic Search
- RAG
- LLM Fine-tuning, LoRA／QLoRA
- Knowledge Base and AI Q&A System Design
研究與專案方向
結構工程機器學習研究
碩士研究以結構工程資料與機器學習為主要方向，以 ML 替代傳統的 LS-DYNA 數值模擬方法分析於波紋鋼防爆牆爆炸載重下之撓度變化，研究中誤差極低，有望未來於相關領域節省時間與金錢成本。
BMS Point Classification
參與台大研究計畫，研究如何將 Building Management System 的點位名稱與 metadata，自動分類至統一的標籤或設備語彙。
目前研究方向包含：
Gemma 小型語言模型 fine-tuning
Embedding 搭配 LightGBM 的分類 baseline
Retrieval-augmented in-context learning
Expert-knowledge structured prompting
知識庫 AI 應用
將 AI 應用於教育工具推薦、教材知識庫、內容搜尋與 AI 問答流程。
相關專案：