top of page
學習
專案管理Scrum敏捷式開發
在實習期間，我實 際研究和參與了以 Scrum 為主軸的敏捷式專案管理流程，這是我過去在課堂上難以接觸到的實戰經驗。Scrum 的核心精神是「迭代開發、快速回饋與持續改善」，透過短週期（通常為一到兩週）的開發流程（Sprint），團隊可以更快應對需求變動，降低風險。
01
02
03
理解 Scrum 的核心概念
認識 Scrum 三大核心角色
學習 Scrum 的基本流程
-
產品負責人（Product Owner）
-
敏捷導師（Scrum Master）
-
開發團隊（Development Team）
-
Sprint 規劃會議（Sprint Planning）
-
每日站立會議（Daily Standup）
-
Sprint 檢視會議（Sprint Review）
-
Sprint 回顧會議（Sprint Retrospective）
Scrum 是一種敏捷開發框架，強調小步快跑、短週期（Sprint）迭代開發，適用於需求變動頻繁的專案環境。它鼓勵團隊快速回應變化、持續改進與高效溝通
04
使用者故事的需求表達方式
學習使用「使用者角色 + 需求 + 目的」的格式撰寫任務描述，能有效幫助團隊聚焦使用者價值而非僅關注功能開發
05
比較 Scrum 與傳統專案管理
相較於瀑布式（Waterfall）開發，Scrum 在需求彈性、回饋速度與風險控制方面更具優勢，更適合快速變動的專案情境
模型訓練
我在實習期間針對模型訓練的流程與原理進行學習與觀察，尤其在 eKYC 專案背景下，理解模型如何依賴大量資料進行學習。透過資料收集工作與內部資料整理，我獲得以下學習成果
理解模型訓練的
基本架構與目的
學習訓練資料的
建構邏輯
認識訓練流程中的
資料分類與比重分配
實例觀察學習：
eKYC 身分證辨識應用
學習模型透過餵入大量資料進行訓練，使其能從資料中「學習」模式與特徵，進而在面對新資料時做出預測或判斷。在實際應用中，訓練的資料品質與多樣性，直接影響模型的準確性與穩定性。
訓練資料需包含真實且多元的案例，例如不同光源、角度、裝置等拍攝情境，以模擬實際用戶情境，是模型準確學習的基礎。
訓練資料通常會依照比例分成訓練集、驗證集與測試集，分別用來讓模型學習、調整參數與評估表現，避免過度擬合（Overfitting）。
在觀察 eKYC 專案的資料準備過程中，我理解模型需具備辨識不同條件下證件影像的能力，因此資料來源必須盡可能涵蓋市面上常見手機機型與拍攝變數，並進行標準化處理，以利後續訓練。
RAG
在實習期間，我針對生成式 AI 的應用進行延伸研究，特別學習了近年興起的 RAG（Retrieval-Augmented Generation）技術架構。透過查閱教學資料與部門討論紀錄，我獲得以下知識理解
1
RAG 的定義與技術組成
RAG 是一種結合「檢索」與「生成」的 AI 架構。相較於傳統語言模型單純依靠訓練記憶進行回答，RAG 會先從外部資料庫中檢索出相關資訊，再根據檢索結果進行語言生成，使內容更具依據與 準確性。
2
學習到的技術架構流程
-
使用者發出問題後，系統會先啟動語意檢索引擎（如向量資料庫），找出最相關的內容段落。
-
將檢索結果送入大型語言模型進行生成，使回答更貼近實際資料內容。
-
該機制可有效降低語言模型「編造內容」機率。
3
RAG 在企業應用上的價值
我從案例學習中發現，RAG 架構特別適合企業內部知識查詢、客服系統、合約解釋與內部 FAQ 等情境，因其具備「可控性」、「可追溯性」與「資訊一致性」等優勢。
4
RAG 對資料建設的高度依賴
學習過程中我理解到，雖然 RAG 能提升回答正確率，但前提是要有完善的知識庫建置、資料向量化處理與語意檢索能力。因此，RAG 不僅是模型調用，更是一個跨資料工程與 NLP 整合的系統設計挑戰。
主持能力的培養與應用
在 IT MATTERS AWARDS 相關實務工作中，我首次實際擔任決審活動主持人，這段經驗讓我 在溝通表達、現場控場與流程掌握方面獲得重要成長。
bottom of page