Python 工程師 – 資料科學/AI 應用方向 【Munger AI Team】

【關於我們 - Data Munger AI】

Data Munger 致力成為企業與實用 AI 解決方案間的最佳夥伴，從導入一路陪伴到落地。 在人人喊AI的時代下，真正為企業打造一個會持續進化的「AI 大腦」讓決策更快、流程更簡，讓人力價值最大化。

官網： https://datamunger.io/

💼 工作職責

• 資料處理管道設計與開發 使用 Python 與 BigQuery SQL 為 AI 應用設計、開發及維護資料處理流程，確保機器學習模型可獲取高品質資料。
• ETL/ELT 工作流程構建 建立並優化 ETL/ELT 流程，確保資料自動化處理與數據一致性。
• RAG 系統實作 應用 RAG（檢索增強生成）技術，提升 AI 互動的準確性與上下文相關性。
• 向量資料庫與查詢優化 優化向量資料庫（如 Pinecone、Qdrant）及 SQL/BigQuery 查詢效能，提升 AI 搜尋與回應速度。
• API 建構與維護 使用 Python 框架（FastAPI、Flask）建立並維護資料處理與 AI 服務 API。
• 機器學習模型與資料管道部署 在雲端基礎架構（主要以 GCP 為主，並整合部分 AWS）上部署 ML 模型與資料管道，實踐 MLOps 原則以確保部署具備可重現性、擴展性及監控能力。
• 跨部門協作與技術創新 與資料科學家、AI 研究人員及前端團隊協作，共同打造端對端 AI 產品，並持續導入最新技術以優化解決方案。

必備條件

• ✅ 3 年以上 Python 開發經驗，熟悉 Flask、FastAPI 或 Django，並具備使用 pandas、numpy 等資料處理函式庫的能力。
• ✅ 具備大規模資料處理與分析實務經驗，能運用 BigQuery SQL 進行資料查詢與優化。
• ✅ 有設計與實作 ETL/ELT 資料處理流程的經驗，確保數據準確與高品質。
• ✅ 熟悉 RESTful API 或 GraphQL 開發，能夠設計高效能的後端服務。
• ✅ 理解向量資料庫（如 Pinecone 或 Qdrant）及 embeddings 技術。
• ✅ 熟悉 GCP 服務（BigQuery、Cloud Functions、Vertex AI 等），並具備部分 AWS 雲端服務經驗。
• ✅ 熟悉容器化技術（Docker）、Kubernetes 及 CI/CD 管線在專案中的應用。
• ✅ 具備 MLOps 實踐經驗，能管理 AI 模型訓練、部署與監控流程。
• ✅ 良好的團隊合作與跨部門溝通能力，能與各部門協同達成專案目標。

✨ 加分條件

• ➕ 有進階 RAG 實作與語義搜尋技術的經驗。
• ➕ 熟悉 LangChain 或 LangGraph，能開發 LLM 驅動的 AI 應用。
• ➕ 具備使用 Python 進行資料管道調度工具（Airflow、Prefect）的經驗。
• ➕ 熟悉 Jupyter Notebook，用於資料探索與技術文件撰寫。
• ➕ 有實時資料處理與串流框架經驗（如 Spark、Dask、Ray）。
• ➕ 曾對開源 Python 資料科學或機器學習函式庫作出貢獻。
• ➕ 熟悉 Node.js，可參與部分後端服務開發，作為技術加分。

🎁 福利與待遇

• 💰 競爭力薪資：根據您的經驗與能力調整，確保專業價值得到充分認可。
• 🗓 完善休假制度：週休二日，提供完整特休、病假及彈性休假，助您達到工作與生活平衡。
• 🏢 年終獎金與績效獎金：努力工作必有豐厚獎勵，與公司共同成長。
• 🏡 臨時遠端工作機會，保持工作與生活的彈性

招募流程

• 首次面試 公司介紹、團隊文化、職位內容與福利制度說明，同時了解您的背景與職涯規劃，確保雙方期待一致。
• 技術測驗 根據首次面試情況，我們將提供一項與職位相關的能力測驗，請於 1-2 週內完成並提交，以便客觀評估您的技能與適配度。
• 技術面試 通過測驗後，我們邀請您參加深入的技術面試，與團隊成員交流專業能力與團隊契合度，並針對測驗結果進行討論與回饋。
• 錄取通知與 Offer 討論 完成所有面試流程後，我們將與您討論最終條件與入職細節。

🚀 如果您對這個機會充滿熱情，並希望在 AI 應用開發領域中展現才華，請立即投遞您的履歷！ 我們期待與您攜手共創創新、高效的 AI 解決方案，改變產業未來！