羅延康，政治大學資科碩士，專攻 AI 技術應用。
擅長使用 PyTorch、TensorFlow 等工具進行資料分析與大型系統開發。
經歷
| 企業名稱 |
時間(YYYY/MM)起迄 |
部門 |
職稱 |
| 某法人研究機構 |
2024/04~至今 |
AI 研發部門 |
AI 工程師 |
| Innova Solutions(與美商 Change Healthcare 全美最大醫療支付系統公司合作) |
2021/07~2024/04 |
Data Engineering 部門 |
Python 工程師 |
| AsiaPac Digital |
2019/05~2021/07 |
Data Engineering 部門 |
Python 工程師 |
| Yuan Tong |
2017/04~2019/04 |
後端開發部門 |
Back End 工程師 |
專案/計畫
- 多發性骨髓瘤風險預測模型專案（2025/10~2026/02）
- 與腫瘤科醫師合作開發多發性骨髓瘤病患風險預測模型。
- 負責臨床資料前處理、特徵工程、探索性資料分析（EDA）與模型建置。
- 使用臨床檢驗數據與衍生特徵，評估辨識高風險病患的可行性。
- 比較不同機器學習模型表現，協助找出較適合臨床資料情境的預測方法。
- 專案成果作為後續臨床決策支援系統與醫療 AI 研究的基礎。
- 照護 AI 助手 (2024/07~2025/07)
- 語音字詞校正、樣板式摘要產出、專有名詞修正、模型微調
- 整合 RAG 與 RAGAS 評佔技術
- ASR（語音轉文字）模組
- 協助個管人員提升案件管理效率
- 智慧交通國旅旅遊助手專案 (2025/01~2026/01)
- 整合 TDX 公路、停車、Google 地圖評論等多元開放資料
- 建置多 Agent MCP 架構
- 應用 GraphRAG、Tree-RAG 技術
- 建立旅遊 Chatbot 提供即時路線、交通、景點資訊
- RAG 評估與調整（2024）— 某機構教學與實務應用
- 受邀為某機構進行 RAG 系統評估與優化教學，講解召回率、精確率、回答完整度等指標。
- RAG會先從資料庫或知識庫檢索相關資訊，再由語言模型生成回覆，用於讓企業在本地大模型中安全使用私有與機密資料。
- 示範使用 RAGAS、G-Eval 等工具進行自動化評測與誤差分析。
- 帶領學改進文件分段策略，並透過 Prompt 調整與答案驗證迭代，提升系統正確率 15% 以上。
- 協助建立可重複使用的測試與改進框架，確保生成式 AI 在真實場景中穩定輸出高品質答案。
- AI 寫作系統 (2025/01~2025/02)
- 文章與提示詞管理，支援新增、編輯、刪除、搜尋、篩選
- 一鍵插入常用提示詞，快速展開寫作
- 即時進度條、字數統計、
- 預設接地端 LLM，用與 OpenAI 相容的 API 格式, 方便切換至雲端 API
- 國科會跨領域計劃推薦系統 (2024/02~2025/02) — 研究計畫
- 建立 LLM 實作論文資料分析系統
- 配合熵值量化研究多樣性
- 應用 SymKL 計算研究者與計畫向量相似度及計劃主持人推薦
- Neo4j 知識圖資料庫 知識圖譜及共現圖譜視覺化系統
- 與美商 Change Healthcare 合作專案 (2021/07~2024/04)
- 使用 PySpark、Hadoop、Spark SQL 處理每日超過 500GB 資料
- 整合 SQL Server、Parquet、NoSQL 資料至 Data Warehouse 與 S3
- 解決 Spark 記憶體瓶頸
- 開發 LLaMA + RAG 聊天機器人
- 跨部門支援業務需求
- 社群數據分析與行銷專案 (2019/05~2021/07)
- 使用 XGBoost、隨機森林進行情感分析與分類、預測暢銷產品、建立成效檢核系統
- 使用 MLflow 管理模型訓練與實驗數據
- 使用 Python、Pandas 進行社群數據清理與預處理
- 平行運算提升效能 15%
- 追蹤 KOL 動態與互動率
- 開發自動報告 API、NoSQL
- 開發社群爬蟲、KOL 分群及視覺化分析