TonTon is a seasoned professional with over a decade of expertise in Cyber-Security and Artificial Intelligence. His extensive skill set encompasses image recognition, natural language processing, speech processing, and cyber-security, with a focus on x86/Android malware analysis. His career includes the presentation of numerous research papers and patent applications at international cybersecurity conferences, including Defcon AI Village, OWASP AppSec USA, RuxCon, and HITCON. While managing a full-time career, he pursued and completed his Ph.D. in Computer Science and Information Engineering at National Cheng Kung University. His doctoral thesis, titled "Deep Learning-based Anomaly Analysis in Cyber Threats," explores novel approaches in the field. He is also the founder of Taiwan's pioneering artificial intelligence meetup, Deep Learning 101, dedicated to fostering innovation, knowledge-sharing and problem-solving in these dynamic fields.
TonTon 擁有超過10年的研究與開發經驗，以圖像識別、自然語言處理、語音處理等在金融壽險、電信客服應用中推動人工智慧/深度學習技術落地，以及在x86/Android惡意程式分析等網路安全領域的應用整合為主要範疇；並曾先後任職於國家高速網路與計算中心、安碁資訊、以色列商Verint台灣、台灣雪豹科技及國泰金控數數發等單位。同時，他也多次在Defcon、OWASP AppSec USA、RuxCon和 HITCON等國際知名研討會發表專業的技術研究及多篇學術論文，並多次受邀至海內外大學和政府單位演講，並接受雜誌報導。他畢業於國立成功大學資訊工程學系，博士論文為「基於深度學習的網路威脅異常分析」；攻讀博士期間，參與台法聯合團隊交流計畫，赴法國國家信息與自動化研究所進行研究，及參與台英合作研究計畫，赴英國艾賽克斯大學進行研究。他還是台灣最早的人工智慧社群Deep Learning 101和台灣人工智慧社團的發起人，促進人工智慧及資安領域行業交流。
✅ 感謝天、感謝地；新冠疫情期間，未接種任何疫苗，仍健康且未曾確診。
創辦人 / 解決問題者 / 顧問 / 咨詢 / 發起人
專注於人工智慧領域：
主要項目經驗：
職稱：經理 / 部門主管
職稱：資深 AI 技術架構師
職稱：資深技術專家（資訊安全與人工智慧）
職稱：資深資安工程師
職稱：資深資安工程師
職稱：助理研究員
指導教授：高宏宇博士（IKM Lab）
指導教授：李健興博士（OASE Lab）
共同指導教授：莊宗嚴博士
多次出席以下國際資安與人工智慧會議：
其他參與活動與研討會列表請見原始資料。
The top private AI Meetup in Taiwan, launched on 2016/11/11 @ 83F, Taipei 101
台灣曾經最高最早發起的深度學習社群 @ 83F, 台北101
YouTube | 台灣人工智慧社團 FB | 台灣人工智慧社團 網站 | Hugging Face
避開 AI Agent 開發陷阱：常見問題、挑戰與解決方案： 探討多種 AI 代理人工具的應用經驗與挑戰，分享實用經驗與工具推薦。
大型語言模型直接就打完收工？：回顧 LLM 領域探索歷程，討論硬體升級對 AI 開發的重要性。
檢索增強生成(RAG)不是萬靈丹之優化挑戰技巧：探討 RAG 技術應用與挑戰，提供實用經驗分享和工具建議。
大型語言模型 (LLM) 入門完整指南：原理、應用與未來：探討多種 LLM 工具的應用與挑戰，強調硬體資源的重要性。
什麼是大語言模型，它是什麼？想要嗎？(Large Language Model，LLM)：探討 LLM 的發展與應用，強調硬體資源在開發中的關鍵作用。
Diffusion Model 完全解析：從原理、應用到實作 (AI 圖像生成)：深入探討影像生成與分割技術的應用，強調硬體資源的重要性。
ASR/TTS 開發避坑指南：語音辨識與合成的常見挑戰與對策：探討 ASR 和 TTS 技術應用中的問題，強調數據質量的重要性。
那些 NLP 踩的坑：分享 NLP 領域的實踐經驗，強調數據質量對模型效果的影響。
那些語音處理踩的坑：分享語音處理領域的實務經驗，強調資料品質對模型效果的影響。
手把手學深度學習安裝環境：詳細介紹在 Ubuntu 上安裝深度學習環境的步驟，分享實際操作經驗。