Portfolio · 個人作品集

高詩涵 Asher

資料分析 · 資料工程 · 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。現投入 AI 大數據領域， 目前能透過視覺化呈現資料樣貌，並從中判斷數據背後的意義。

聯絡我 查看作品
高詩涵 Asher
01 / About · 關於

把金融當成資料分析的起點

曾任銀行第一線人員，也在新創管過帳目與廣告。現在用同一套訓練看資料。

Experience
4years
金融實務經歷
Certifications
7
張金融證照
Projects
2
團隊上線作品
02 / Skills · 技能專長

資料、後端、視覺化、雲端 — 一條管線

從爬蟲到自動化回報，從 FastAPI 到 BI 儀表板。

數據蒐集與自動化

Data & Automation
  • Python（自動化腳本、資料清洗與結構化處理）
  • Web Scraping（Playwright · Selenium · BeautifulSoup 爬蟲與解析）
  • ETL Pipeline（資料抽取、清洗、OpenClaw 排程與異動監控）
  • 政府 Open Data 與第三方 API 整合
  • 聊天機器人整合（Telegram / LINE Bot 自動化通報系統）

後端與資料庫

Backend & Database
  • FastAPI · Flask（RESTful API 設計與實作）
  • PostgreSQL · MySQL（資料表設計、效能優化與複雜查詢）
  • API 安全與存取控制（API Key 驗證、權限生命週期與調用日誌）

機器學習、生成式 AI 與視覺化

ML, GenAI & Visualization
  • scikit-learn（分類/分群模型、預測分析與特徵工程）
  • LLM 應用開發（Gemini API 串接、RAG 語意分析與模糊搜尋）
  • Tableau · Power BI（商業智慧與多頁互動儀表板）
  • ELK Stack · Splunk（日誌分析、數據探索與運維視覺化）

雲端與部署

Cloud & DevOps
  • GCP（含自有網域部署）· AWS
  • Docker 容器化
  • Git · GitHub（版本控制、團隊協作）
  • GitHub Actions（CI/CD 自動部署）
03 / Experience · 工作經歷

都在處理同一件事 — 資料

三份工作、兩個產業 — 訓練的都是同一件事：把不確定的輸入，變成可信的輸出。

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

程式驅動 AI 大數據養成班

文大推廣 × Program-driven AI / Big Data
2015/9 – 2019/6

財務金融系

國立臺中科技大學 · National Taichung University of Sci. & Tech.
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

兩個團隊作品 — 從 ETL 到對外 API、從 Web 到地端

兩個上線中的團隊協作專案，我在其中主要負責爬蟲自動化、ETL 管線、對外 API 與雲端部署。

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人
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

  • 資料管線與混合架構：
    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，以 OpenClaw 建立自動化排程並整合 Telegram Bot 實作管線即時推播監控。
    在處理使用者軌跡與系統初始化時，彈性採用 ELT / ETL 混合式架構，在輕量化硬體資源下有效減少大量機器載體時程，大幅縮短系統建置與資料初始化週期。
  • 後端 API 與安全機制：
    獨立開發 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。
  • 大數據維運與後台管理：
    設計使用者後台管理系統之行為事件資料表；導入 ELK Stack（Elasticsearch, Logstash, Kibana）架構，集中化儲存使用者軌跡與熱門查詢之關聯大數據，並透過前端 API 輸出為直觀的可視化後台管理介面。

Tech Stack（個人實作）

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

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
前往作品 →

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 基礎

2

Line Bot

HackMD

建立影像管理系統

HackMD

Python 資料處理與分析

1

工安法規智慧分析系統

HackMD

Python 爬蟲

3

DevOps

HackMD

BeautifulSoup

HackMD

Selenium

HackMD

SQL

1

電商平台資料庫基礎建置與安全管理

HackMD
06 / Contact · 聯絡

歡迎來信，合作或聊聊都可以

Email
ashr797x@gmail.com
Phone
0973820566