Portfolio · 個人作品集

高詩涵 Asher

資料工程 · AI 應用 · 金融背景

金融近 4 年實務經歷, 橫跨銀行前線服務與新創財務管理。現跨足 AI 大數據領域, 具備 LLM 應用開發與系統架構規劃經驗,也獨立接案完成商用系統開發與上線。

高詩涵 Asher
01 / About · 關於

金融當成系統規劃的起點

曾任銀行第一線人員,也在新創管過帳目與廣告。現在用同一套嚴謹訓練規劃系統、落地 AI 應用。

Experience
4years
金融實務經歷
Certifications
7
張金融證照
Projects
3
上線作品
02 / Skills · 技能專長

資料、後端、AI、雲端

從爬蟲、ETL 到 LLM 應用開發,從 LINE 生態串接到雲端部署。

程式語言與資料工程

Programming & Data
  • Python|自動化腳本、ETL
  • API 串接|政府 Open Data、第三方 RESTful API
  • Web Scraping|Playwright · Selenium · BeautifulSoup

後端與 API

Backend & API
  • FastAPI · Flask|RESTful API
  • PostgreSQL · MySQL

AI 與自動化

AI & Automation
  • Gemini API|LLM 應用
  • OpenClaw|AI Agent,自動化排程與異常監控

系統整合

System Integration
  • LINE LIFF・Login|前端與會員登入
  • LINE Messaging API|Bot 互動與訊息推播
  • LINE Pay|金流與訂單串接
  • Telegram Bot|監控通知

雲端與 DevOps

Cloud & DevOps
  • GCP · AWS
  • Docker
  • Git · GitHub
  • GitHub Actions|CI/CD

資料視覺化

Data Visualization
  • Tableau · Power BI
  • ELK Stack · Splunk|日誌分析
03 / Experience · 工作經歷

都在處理同一件事 — 信任

五段歷練、跨越金融與技術 — 共通的是:把不確定的輸入,變成可信的輸出。

2026/6 – 2026/8

自由接案

印刷業(委託專案) · Freelance · Full-Stack
  • 客戶提出「LINE 線上下單付款、會員制度、後台可直接看訂單」等原則性需求,由我完成需求轉化、系統架構規劃與全流程開發
  • 完成資料庫設計、LINE Pay 金流串接、前後端開發與上線溝通,現有真實店家與客戶正式使用中
  • 詳見下方作品集印刷業訂單系統專案
2025/12 – 2026/5

實習後端工程師

想見科技股份有限公司 · Backend Intern
  • 參與 6 人跨領域團隊,負責企業級資料搜尋平台之資料工程、AI 應用規劃與後端服務開發
  • 開工前團隊成員各自提交系統設計提案,經討論整合出最終技術架構,並在後續開發中持續與團隊成員共同優化調整
  • 詳見下方作品集 Mohuhu 專案
2023/8 – 2025/12

銀行辦事員

臺灣土地銀行 · Frontline Banking
2024 年度模範行員 2025 年度模範行員
  • 提供客戶全方位銀行服務(含信託開戶、基金下單等)
  • 執行客戶盡職調查(CDD)與風險評估
  • 負責 AML 名單篩檢與可疑交易監控,預防潛在異常交易
  • 處理詐騙通報與警示帳戶案件,協助降低詐騙損失、強化內控機制
  • 經營與維繫客戶關係,提升客戶黏著度,業績 KPI 穩定達標
  • 擔任部門新人輔導員,協助新人熟悉作業流程
2022/2 – 2023/7

財務助理

野禮傳媒(股)公司 · Finance · Operations
  • 負責公司內帳處理與日常財務紀錄
  • 具備基礎外帳概念,能協助簡易帳務作業
  • 執行出納工作(收支管理、款項處理)
  • 支援公司活動規劃與現場執行
  • 具備基礎 Facebook 廣告投放與後台操作經驗
2020/6 – 2021/9

銀行辦事員

第一商業銀行 · Lending Operations
模範行員
  • 依據核貸條件辦理放款作業,確認核貸書規格並執行撥款流程
  • 協助辦理貸款條件調整(如寬限期、利率變更)
  • 辦理法院來函之帳戶扣押及回文作業,準確執行相關法令要求
  • 提供客戶全方位銀行服務,提升服務效率與客戶體驗
04 / Education · 學歷與證照

財金 + AI 大數據 — 兩種訓練的交集

2025/12 – 2026/5

文大推廣 × 程式驅動 AI 大數據養成班

想見科技股份有限公司(企業實習)
2015/9 – 2019/6

財務金融系

國立臺中科技大學
Certifications · 金融證照
07
證券商高級業務員 投信投顧相關法規 信託業務專業測驗 人身保險業務員 投資型保險商品業務員 財產保險業務員 金融科技力
05 / Works · 作品集

三個上線作品 — 從團隊協作到獨立接案

從 6 人團隊的系統架構規劃,到獨立接案完成的線上訂單系統 — 涵蓋需求、開發與上線溝通的全流程經驗。

印刷業 B2C 線上訂單系統首頁畫面
Live · 上線中

印刷業 B2C 線上訂單系統

接案開發 · LINE 生態系整合 · 真實商用中

客戶提出「LINE 線上下單付款、會員制度、後台可直接看訂單」等原則性需求,由我完成需求轉化、系統架構規劃與全流程開發,涵蓋詢價、報價、上傳印刷檔、付款到出貨的自動化流程,並建置獨立後台管理系統;現有真實店家與客戶正式使用中。

11
訂單狀態工作流
5
核心資料表
1
全端開發
LINE
生態系整合

產品特色

  • 訂單工作流引擎:規劃 11 種狀態(詢價→報價→付款→印製→取貨),每個狀態轉換連動 LINE 推播、付款期限、檔案清除等自動化機制
  • LINE 生態系深度整合:LIFF 客戶端、LINE Login 會員系統、LINE Pay 金流、LINE Bot 互動通知
  • 會員分級制度:依年度實績自動計算並支援人工覆蓋,強制填寫覆蓋原因,兼顧商業彈性與資料稽核需求
  • 雙前端單一程式碼庫:客戶端與後台管理共用同一份 React 程式碼,依網域動態切換路由,避免重複維護兩套前端

我負責的部分

  • 需求規劃與系統設計:將客戶原則性需求轉化為完整系統架構,產出資料庫設計(5 張核心資料表)與 API 規格,並負責前後端開發與上線溝通。
  • 電子支付串接:完整串接 LINE Pay 請款/確認/取消流程;依實際使用回饋加入付款取消後自動重新產生連結的機制,降低訂單卡單率。
  • 全端開發與上線:完成前後端開發、資料庫建置與上線溝通,現有真實店家持續使用中。

Tech Stack(個人實作)

React FastAPI PostgreSQL LINE Pay API LINE Messaging API GCP Cloud Run Docker GitHub Actions
Live · 上線中

Mohuhu · 企業級資料搜尋平台

6 人團隊協作 · Web + 地端雙部署 · 對外 REST API

整合台灣上市公司基本資料、財報、股價與董監事資訊,提供四策略融合搜尋 (精準比對 / 中文模糊 / 拼音容錯 / RAG 語意理解),並透過關係企業圖譜 呈現董監事網絡與企業關聯。支援 Web 線上版與地端執行檔雙部署模式。

6
跨域團隊
4
融合搜尋策略
2
部署模式
4
REST API 端點

產品特色

  • 四策略融合搜尋:精準比對、中文模糊、拼音容錯、RAG 語意,加權整合出最終結果
  • 關係企業圖譜:依共用董監事自動推算疑似關聯企業網絡
  • 注音容錯:輸入法未切換時直接打注音鍵(vm6vm42j/ → 徐旭東)自動辨識
  • 雙部署:Web 線上版(PostgreSQL)+ 地端執行檔(PyInstaller + SQLite,Mac / Windows)

我負責的部分

  • 系統架構規劃:
    開工前團隊成員各自提交 SA/SD 系統設計提案,經討論整合出最終技術架構,並在後續開發中持續與團隊成員共同優化調整。
  • 資料管線與後台系統:
    設計並實作 6 步驟高度自動化 ETL 管線,整合證交所、公開資訊觀測站及商工登記三大核心來源;並與負責資料庫的組員共同討論資料表欄位設計。
    另建置使用者軌跡後台,追蹤使用者於財報、股價、董監事等頁籤的瀏覽時長與切換流向,統計熱門查詢公司與內容關注焦點,並提供 API 監控與地端版下載分析數據。
  • 後端 API 與安全機制:
    開發 4 組企業級對外 RESTful API,並設計完善的安全維運機制:實作 API Key 自動核發系統,包含自動化郵件寄送、48 小時時效控制(過期自動失效)與全方位呼叫紀錄日誌追蹤(Logging Track)。
  • AI 語意搜尋優化:
    串接 Gemini API 並結合文本向量化技術(Embedding),建構企業別名字典並導入向量資料庫,深層支援四策略融合搜尋(精準比對/中文模糊/注音容錯/RAG 語意),顯著提升模糊查詢之語意理解精準度。
  • AI 應用規劃(含成本評估):
    規劃於自動化流程導入 OpenClaw 生成式 AI 助理,具備即時監控爬蟲狀態、簡易異常排除與自然語言互動能力;評估多組 LLM API 方案後,選定 Gemini 免費額度模型完成串接,零成本達成 AI 助理導入。

Tech Stack(個人實作)

Python OpenClaw FastAPI PostgreSQL REST API Telegram Bot ETL Pipeline Gemini API
AI Job Intelligence — 台灣工程師職缺競爭力分析系統首頁

AI Job Intelligence · 職缺競爭力分析

團隊作品 · 我負責爬蟲與雲端部署

整合 6 大求職平台(104、1111、Yes123、CakeResume、518、Yourator)共 12,297 筆職缺,提供技能缺口分析、薪資預測與 Tableau 市場儀表板。

我負責的部分

  • 資料採集與雲端維運:利用 Playwright 爬取平台職缺;負責 Docker 容器化、GCP 雲端部署(自建網域)與 GitHub Actions CI/CD 自動化管線。
  • 資料視覺化:建置 Tableau 市場分析儀表板,提供多維度技能缺口與薪資預測之視覺化呈現。
  • 核心分類模型演進(兩階段架構迭代):
    • 第一階段(技術瓶頸):嘗試純非監督式架構,利用 MultiLabelBinarizer 建立二值化特徵,並透過雙層 K-Means 進行技能與職缺分群。純分群無法有效區隔邊界模糊之職類(前端與 AI 混淆),且調參(n_clusters=15)仍具侷限性,故決定放棄。
    • 第二階段(最終採用):採用「非監督式特徵壓縮 + 監督式分類」之混合架構。先以 K-Means 將 77 維技能向量收斂為 15 維距離特徵(降維),再結合 LabelEncoder 處理職稱標籤,最終交由 GradientBoostingClassifier 進行監督式分類,成功解決相似職類混淆問題,大幅提升職缺分類精準度。
ML Pipeline MultiLabelBinarizer K-Means (15) GradientBoosting
Python Playwright scikit-learn K-Means GradientBoosting Tableau GCP Docker GitHub Actions

專案練習

Practice Notes · HackMD

課程期間整理的小型專題、筆記與練習,記錄問題拆解與解法思路。

Power BI · 捷運流量分析

以捷運運量資料製作的互動式儀表板,呈現流量分布與趨勢。

Power BI · Demo 影片 · 40 秒
ELK Kibana 銷售資料儀表板 — 包含地圖、KPI、長條圖、折線圖、圓餅圖

ELK Stack on GCP · 銷售資料儀表板

在 GCP 上以 Docker 部署 Elasticsearch + Logstash + Kibana,撰寫 logstash.conf 將 CSV 銷售資料轉入 ES(含日期型別轉換與 geo_point 建立),最後以 Kibana 製作 5 張 dashboard(地圖、KPI、長條、折線、圓餅)。

Elasticsearch · Logstash · Kibana · GCP · Docker

Python 資料處理與分析

1
06 / Contact · 聯絡

歡迎來信,合作或聊聊都可以