Cake Job Search

・從資料庫中擷取並分析大型資料集・協助將模型部署至生產環境系統中，並確保其穩定性・運用資料探勘（Data Mining）與機器學習技術，設計並實作軟體系統與工具，以達成內部流程自動化・與跨部門團隊合作，提供技術見解，協助團隊了解機器學習的應用與限制

【工作內容】● 參與 AI 服務的設計、開發與優化。● 協助評估技術方案與可行性。● 跨部門需求理解與溝通協作。● 技術文件撰寫與知識分享。

以「釋放製造業的潛力」為使命，致力於推動製造業的數據平台產品。 2022 年透過機器學習等多種技術，將製造業中極為重要的圖面數據進行結構化，並與各類資訊連結，讓圖面能夠作為資訊資產被靈活運用。該產品目前已被日本國內眾多大型製造商與加工公司廣泛採用，成長迅速。 自 2023 年起，我們也開始向海外市場拓展，包括美國、泰國、越南等地，加速推進全球佈局。 未來，我們將不只限於圖面資料，而是致力於透過科技手段，重現與整合製造業的專業知識，實現跨部門、跨企業的整體最適化。【工作內容】 MLOps 工程師將與機器學習工程師密切合作，負責建構、維護與營運能夠穩定提供機器學習與數據科學模型的系統基礎架構。此外，您也將引領建立數據收集管線，並推動數據資產活用。 以下為工作內容示例，實際工作項目不僅限於此，入職後的工作範疇將依據您的技術能力、專業知識與經驗共同討論決定： 建構支援機器學習模型推論的 API 與 Batch 運行環境，及使用 CI/CD 進行部署的系統架構 在正式環境中執行監控、效能調校等提升 Site Reliability 的相關開發 使用 Vertex AI 或 Argo Workflow 建立、維護與運營機器學習處理流程（Pipeline） 最佳化推論與訓練平台的成本效益 與建模人員、平台工程團隊進行有效溝通，並將相關流程進行文件化與制度化 ■ 使用語言 前端：TypeScript 後端：Rust、TypeScript、Python ■ 框架與函式庫 前端：React、Next.js、WebGL、WebAssembly 後端：Rust（axum）、Node.js（Express、Fastify、NestJS）、PyTorch ■ 基礎架構 Google Cloud、Google Kubernetes Engine（GKE）、Anthos Service Mesh ■ 資料庫／資料倉儲 CloudSQL（PostgreSQL）、AlloyDB、Firestore、BigQuery ■ API GraphQL、REST、gRPC ■ 監控與效能追蹤 Datadog、Sentry、Cloud Monitoring ■ 環境建置 Terraform ■ CI/CD GitHub Actions ■ 認證管理 Auth0 ■ 開發工具 GitHub、GitHub Copilot、Figma、Storybook ■ 團隊溝通工具 Slack、Discord、JIRA、Miro、Confluence

▋▍About Us｜關於我們（醫療 X 科技） 用數據驅動決策，將生醫資訊轉化為生命的價值。 在慧康生技（Health2Sync），數據是我們最核心的資產。身為數據團隊的一員，你將有機會處理海量且多樣化的生醫數據（Biomedical Data），並透過機器學習與生成式 AI 技術，將其轉化為對用戶及醫療院所有實質幫助的數據產品。 我們不僅僅是技術的執行者，更是公司重大決策的參與者。在這裡，每一份分析報告都可能改變產品走向，每一條數據管線都在支撐全球百萬用戶的健康。期待對數據科學充滿熱忱的你加入，與我們一起用技術為病患與醫療人員創造更多可能性。 ▋▍Why Join Us｜為什麼加入我們 接觸稀缺的生醫大數據：處理真實世界（Real-World Data）的生理指標與健康數據，在技術深度之外，累積珍貴的醫療科技領域知識（Domain Know-how）。GenAI 與 LLM 實戰舞台：不只是開發傳統模型，你將主導基於大語言模型的應用開發，將最新的 AI 技術落地於數位健康場景。從基礎設施到產品落地：參與 Data Lakehouse 的架構設計與優化，親手建立支撐大規模運算與建模的高效率數據管線。高度影響力的決策參與：團隊推崇透明溝通與共創，你的分析結果與模型表現將直接影響產品的發展策略與商業方向。 ▋▍Role Highlights｜職缺亮點 數據科學的最前線：同時跨足數據工程與 AI 建模，讓你成為市面上最搶手的全方位數據專才。賦予數據生命感：看著你寫出的模型轉化為 App 上的健康建議，實質改善病患生活，這種成就感無可取代。純技術、零官僚：我們在乎的是數據的真實性與解決方案的有效性，提供最透明、最尊重專業的工程環境。接軌國際技術標準：與具備國際視野的團隊共事，使用最先進的數據架構處理跨國市場的挑戰。 ▋▍Responsibility｜主要職責 [ 數據基礎設施建構 ] 架構建立與維護：設計並持續優化數據基礎設施（Data Pipeline, Data Lakehouse），以支援高效的數據分析與機器學習建模。管線自動化：使用 Airflow/Dagster 構建穩定、可擴展的 Data Pipeline，並管理大數據儲存架構（如 Apache Iceberg）。 [ AI 與機器學習應用開發 ] 模型開發與部署：利用數位健康數據開發並部署機器學習、統計模型及生成式 AI (GenAI) 應用。LLM 應用實踐：針對產品需求，構建並維護基於大語言模型 (LLM) 的應用服務，提升產品智能化程度。系統性能優化：優化現有的 AI 系統與演算法，確保其在生產環境中的性能與可擴展性。 [ 數據決策支援 ] 跨團隊任務執行：運用分析工具與統計方法，支援產品與業務團隊的特定任務，將數據轉化為可執行的行動建議。數據專案推動：參與數據產品發想，持續探索能優化 H2 產品體驗的數據科學方案。 ▋▍Media Coverage｜媒體報導 《環球生技月刊》慧康生技明掛牌興櫃 《今周刊》打造智抗糖 App 攻入慢性病平台 《數位時代》台灣新創進軍韓國 《今周刊》慧康創業背景 《天下雜誌》台灣第一數位療法

建構與優化機器學習模型: 運用多維度運動數據（如賽事數據、球員表現），開發球員薪資計算、表現預測等核心模型，並持續進行優化。 支援產品與行銷決策: 深入分析用戶行為與市場趨勢，提供數據洞察，協助產品團隊優化功能、支援行銷團隊制定精準策略。 整合生成式 AI 應用: 導入並開發生成式 AI 功能，例如自動化產出運動新聞與球員動態，豐富產品內容。 提升內部數據工作流程效率: 運用 AI 技術優化資料處理、分析與建模的流程，提升團隊整體開發效率。

財經 M 平方的 AI 數據工程師，不只是處理數據，更是驅動產品價值的核心推手。你將與全端工程師、產品經理緊密合作，從真實的商業與使用者需求出發，將龐大而多元的資料轉化為可訓練、可解釋、能驅動決策的模型與分析工具。 我們相信數據工程師不只是「清洗資料」或「建模型」，而是與團隊一起定義問題、設計流程，並將 AI 與數據科學的力量落地在實際產品中，成為數十萬用戶每天使用的智慧服務。 如果你喜歡深入思考資料背後的邏輯，樂於解決複雜挑戰，也希望讓自己的技術實際影響金融市場觀察與投資決策，歡迎立即應徵，加入我們！

公司介紹｜About the Company 我們是一家深耕本土數十年的大型金融機構，現正積極推動AI數位轉型，從基礎數據整合到前線業務導入生成式AI應用，目標打造具預測性、個人化與自動化的智慧金融產品與服務。你將加入的是AI應用發展團隊的核心角色，參與企業級AI導入，並建構模型落地流程，是結合技術深度與產業影響力的理想舞台。 工作內容｜What You'll Do 主導並設計企業級AI應用場景與技術解決方案（如推薦系統、精準行銷、個人化服務） 開發與部署機器學習/深度學習/生成式AI模型，並負責模型上線、維運、效能監控 與內部跨部門協作，深入了解業務需求並轉化為可實作模型規格 領導大型AI導入專案，擔任內外部溝通窗口，控管進度與成效 持續關注並研究AI技術，如Gen AI、RAG、AI Agents、自動化機器學習等，並評估其在金融業務中的應用可能性 技術使用｜Tech Stack 語言與框架：Python, TensorFlow, PyTorch, Scikit-learn 資料處理：Numpy, Pandas 資料庫：Oracle, MS SQL Gen AI 技術：LangChain, RAG 架構, AI Agent 專案管理與溝通：跨部門需求對焦、POC設計與內部教育訓練

台中 - AI 創新百強🧬：專注醫療場域的 AI 服務機器人與智慧醫療解決方案 🏥在「以科技改善醫療場域」的願景下，您將參與打造新一代智慧醫療 AI 系統，透過生成式 AI 與機器學習技術，讓醫療機器人成為臨床現場可信賴的夥伴。此角色將聚焦於大型語言模型（LLM）與 AI 系統的落地應用，推動智慧醫療解決方案的實際部署與優化。 【工作內容】LLM 應用開發與系統整合 進行大型語言模型（LLM）的調校（fine-tuning）、部署與應用整合結合醫療語境與臨床流程，打造可實際應用於醫療場域的 AI 能力LLM + RAG 推論服務建置規劃並實作 Retrieval-Augmented Generation（RAG）架構 建立穩定、高效的推論服務（Inference Service），支援即時醫療應用場景資料處理與模型開發開發與優化機器學習 / 深度學習模型，提升系統理解與回應能力負責醫療相關資料的整理、清洗與特徵工程 模型效能優化與部署進行模型效能調校（latency / throughput / cost optimization） 支援邊緣部署（Edge AI），讓 AI 能力能在醫療機器人與現場設備中穩定運行

開發與實作 生成式 AI 與影像辨識模型，用於產品瑕疵生成（Stable Diffusion、ControlNet、GAN 及其變體）、資料擴增與品質檢測。應用與微調 影像辨識／表徵學習模型（如 YOLO、CLIP、DINOv3 等新型開源模型）。進行 大型模型（ViT、LLM）Fine-tuning、模型建置、調校與效能優化。建立 資料清理、特徵工程、模型訓練與評估流程，持續提升模型穩定性與準確度。規劃並實作 RAG（檢索增強生成）架構，整合向量資料庫與 LLM。開發與維護 AI 模型服務 API，並與 WPF 前端及其他系統整合。進行 AI 技術與學術文獻研究，將研究成果應用於實務專案。使用 Docker、Git 進行部署與版本控管，配合主管交辦事項與團隊合作。依專案需求配合國外出差（一年約 1--3 次，每次約 3--4 週），參與專案導入、系統部署、模型調校或跨部門協作。其他主管交辦事項，並與團隊密切合作完成專案目標。必備條件3 年以上 AI／機器學習／深度學習 相關工作經驗，熟悉python、C#。熟悉 TensorFlow、PyTorch、Keras 等深度學習框架。熟悉 影像辨識模型與演算法，具 YOLO、CLIP、DINO（含新版本）等實作或應用經驗。具備 生成式模型（GAN 及其變體、Stable Diffusion、ControlNet）實務經驗，並理解模型底層原理。熟悉 Hugging Face 生態系（Transformers、PEFT、Datasets、Tokenizers）。有使用 PEFT 技術經驗（如 LoRA、QLoRA、Prefix Tuning 等），能在有限 GPU 資源下進行有效訓練與調校。了解 Fine-tuning 對模型效能、泛化能力與推論成本的影響，並能依量產需求進行權衡與最佳化。具備 RAG 架構、Prompt Engineering、向量搜尋與任一向量資料庫 經驗。具備 API 開發經驗，熟悉 Docker、Git。具備 數據清理、特徵工程、模型評估與效能優化能力。具良好溝通能力，可獨立作業並進行團隊合作。加分條件曾參與 產品瑕疵檢測、工業影像或製造業 AI 專案。具 影像生成＋影像辨識混合應用 經驗（如生成資料輔助訓練）。具 論文閱讀與模型重現（Reproduction）經驗。具 WPF 前端開發 或 AI 系統整合經驗。曾參與 AI 相關研究、技術分享或開源專案。具 對比學習（Contrastive Learning） 應用經驗（如 Self-Supervised Learning、Representation Learning）。有使用 StableDiffusion WebUI、ComfyUI經驗。

AI 生成模型專家，加入智慧物流/製造的未來🤖 公司介紹 我們是一家新創公司，致力於融合 3D 數位孿生Technology 與 AI 生成模型（Generative Model），為企業提供 AI SAAS 軟體垂直解決方案。我們是 NVIDIA Inception Program 的成員，也是 NVIDIA 的策略夥伴。技術已獲得 NVIDIA 創辦人兼執行長黃仁勳的公開肯定，並在智慧物流中心的建立上獲得了顯著成就。目前也已有穩定的客戶合作中 工作內容 我們正在尋找一名具備電腦視覺專長的資深AI工程師，此職位將與 3D美術設計師密切合作，共同建立高價值的電腦視覺合成資料。這個角色需分析真實樣本、解析樣本特徵模式，並將成果提供給3D美術師作為產生器建立的基礎上。此外，在3D美術設計師各階段產生資料時，需要驗證資料對訓練 AI 的成效，並歸納出資料的改善方向， 一同完善產生器的成效。強化學習工程師將負責利用強化學習技術來優化自動化機械與系統，例如基於強化學習的機器人、自動化系統、控制系統及工業設計的最佳化。該職位需要在NVIDIA Isaac Sim平台上實現包括狀態空間 (state space)、動作空間 (action space)、回饋機制 (reward)、Q-Learning 等所有必要步驟，最終達成工業自動化系統的最佳化目標。▌日常職責（取決於實際具體項目）：在NVIDIA Isaac Sim中建立並設計工業自動化系統的強化學習模型。定義並實作state space、action space、reward function和策略演算法。與其他AI工程師合作，進行系統模擬與測試，持續調整模型參數以提高性能。分析並解決模擬過程中的技術挑戰，確保系統的穩定性與效率。與跨部門團隊協作，理解並轉化業務需求為技術方案。