~aboutwhoami

關於我

我是劉晏呈,東海大學資訊工程學系學生。做臨床 NLP、多模態電腦視覺與 AI Agent,也在經濟部 AI 課程與企業數位轉型培訓裡擔任講師、經營 YCAIR 晏呈空氣工作室。

whoami --long

研究、實作、教學,三件事其實是同一件事。

我對 AI 的興趣不是從模型開始,而是從「這個問題為什麼卡住」開始。病歷太長、標籤太稀疏、產線上的師傅只能靠經驗判斷、錢包在交易前沒有足夠的風險提示——這些限制條件最後都變成我動手做研究的理由。

做研究時,我會先把 baseline 建起來,再針對真正的瓶頸做模型與系統層優化。做產學時,我會把模型接進現場流程,而不是停在 notebook。教課時,我會把同一套方法拆成學員隔天就能動手的步驟。

目前關注臨床 NLP、多模態 AI、AI Agent 與 AI 系統整合。除了程式,也喜歡把複雜的東西講清楚。

profile.json
cat profile.json
{
  "name": "劉晏呈 / Liu Yan-cheng",
  "base": "Taiwan",
  "school": "東海大學資訊工程學系",
  "focus": ["Clinical NLP", "Multimodal AI", "AI Agents"],
  "roles": ["經濟部 AI 課程講師", "YCAIR 負責人"],
  "status": "open to collaboration"
}

three tracks

三條線,同一個目標

研究驗證問題、實作落地系統、教學把方法留下來。

01 / Research

研究

臨床 NLP 的長尾標籤、多模態感測的特徵融合、AI Agent 的工作流。先把問題定義清楚,再談模型。

02 / Build

實作

從 PyTorch 訓練到 Docker、Cloudflare Tunnel、n8n 自動化。能跑、能監控、能移交,才算完成。

03 / Teach

教學

經濟部 AI 輔導團、19+1 產業競爭力輔導團、東海 AI 實作課程。把方法拆到學員能自己做一次。

timeline

經歷

研究、產學、教學與社群,沿著時間排列。

現在

經濟部 AI 輔導團在職菁英培訓課程

講師

把 AI 方法拆解成在職專業者能直接使用的工作流。

現在

經濟部 19+1 產業競爭力輔導團

課程講師

產業 AI 課程與輔導,從需求盤點到落地討論。

近年

企業數位轉型與智慧流程管理實作

講師

協助企業把數位轉型與智慧流程管理落實到實際工作流程。

2025/09 — 2026/01

食品烘焙設備智慧自動化監控系統

產學合作 · 中部電機工業

YOLOv8 / v12 影像辨識 × 溫度、時間、物性資料的多模態判斷。

2025/04 — 現在

ICD-10 自動化臨床編碼

研究專案 · THU CS AIM Lab

DR-CAML 標籤語意補償 × Bio_ClinicalBERT,處理長尾與長文本截斷。

在學期間

國科會研究計畫 學生兼任助理

NSTC 113-2222-E-029-002

自適應實體網宇異質性雲端原生平台研究。

在學期間

國科會產學合作研究計畫 學生研究助理

NSTC 113-2622-H-029-001

食品烘焙設備自動化監控系統導入與建置。

在學期間

東海大學資訊工程學系 系學會

會長

統籌系所活動、學術資源對接與跨年級社群經營。

在學期間

東海大學資訊工程學系

學士班 · 就讀中

臨床 NLP、多模態電腦視覺、AI Agent 與系統實作。

stack

專業技能

從模型、優化到基礎設施,依照實際使用場景整理。

AI / Machine Learning

  • PyTorch
  • TensorFlow
  • Hugging Face Transformers
  • Bio_ClinicalBERT
  • DR-CAML
  • YOLOv8 / v12
  • OpenCV
  • LLM fine-tuning
  • Prompt Engineering

Modeling & Optimization

  • Gradient Checkpointing
  • 多標籤長尾分類
  • 多模態感測與特徵融合
  • 臨床 NLP
  • 模型效能調校

Infra & Automation

  • Linux
  • Docker
  • Cloudflare Tunnels
  • Tailscale
  • Git / GitHub
  • n8n

Languages

  • Python
  • Go
  • Rust
  • C++
  • TypeScript

principles

工作原則

這三件事,決定我怎麼選題目、怎麼交東西。

01

先能跑,再談優化

先建立可量測的 baseline,再針對瓶頸做模型與系統層優化。

02

從真實問題出發

研究題目來自臨床與產線的限制條件,不是為了炫技而做。

03

把方法留下來

除了交付結果,也把流程、文件與判斷依據留在團隊裡。

ycair@space:~$ help