<center>
<p style="font-size: 36px; font-weight: bold; margin-bottom: 0;">
謝佳宏
</p>
<ins>
<p>
0918-226-993 |
[e-mail] |
<a href="https://github.com/JIAHONG0824?tab=repositories">
GitHub
</a>
</p>
</ins>
</center>
<h2>EDUCATION</h2>
<p>
<strong>
國立臺南大學 資訊工程學系 學士
<span style="float:right;">Sep 2019 - Jun 2023</span>
</strong><br>
<strong>
國立臺灣科技大學 資訊工程學系 碩士
<span style="float:right;">Sep 2023 - Dec 2025</span>
</strong>
</p>
<h2>SKILLS</h2>
<p>
<strong>Languages: Python, C/C++, Java, SQL</strong><br>
<strong>Frameworks: Flask, LangChain, LlamaIndex</strong><br>
<strong>Database: MySQL, Firebase</strong><br>
<strong>
Cloud & Technologies: GCP (Google Cloud Platform), Linux,Git
</strong>
</p>

## EXPERIENCE
**工業技術研究院 - Software Engineer Intern<span style="float:right;">Jul 2024 – Dec 2024</span>**
- 使用 **LangChain** 開發支援多模態輸入的 **RAG Chatbot**，可透過**文字**、**圖片**或**語音**進行查詢。
- 利用 **LLM** 進行 **Semantic Chunking** 檢索準確率從 **60%** 提升至 **75%**
- 以 **Docker** 容器形式部署至 **Google Cloud Run（GCP）**，實現穩定的雲端應用服務。
## PROJECTS
**AI CUP 2024 玉山銀行人工智慧公開挑戰賽－RAG與LLM在金融問答的應用<span style="float:right;">[2nd/218](https://imgur.com/JxdkwuZ)</span>**
- 設計並實作整合 **LLM** 的金融問答系統，範圍涵蓋<b>FAQ</b>、<b>保險問題(Insurance)</b>、<b>企業財報分析(Finance)</b>等應用情境。
- 透過 **Contextual Chunking** 及 **Re-ranking**，檢索準確率從 **70%** 提升至 **92%**
- 利用 **第二個LLM** 或 **自我反省** 來評估生成的答案是否出自文檔，減少幻覺，提升系統可靠性。

## Languages
<strong>TOEIC:800<span style="float:right;">Apr 2024</span></strong>