Cake Job Search

【團隊介紹】 我們是一個充滿熱情與創意的團隊，致力於結合科技與數據驅動保險業的創新變革。在這裡，你將與專業的技術與商業團隊協作，打造下一代智能解決方案，推動產險的數位轉型與智能化發展。 我們相信，未來的保險不僅僅是理賠和風險分攤，更是結合數據與AI技術實現全方位的風險預測與預防。 無論是車險理賠自動化、自然災害風險評估，還是風險預防方案，我們不僅在傳統產險領域引入前沿技術，也正在探索保險科技的無限可能。 如果你熱愛結合商業與技術，並希望將創意和洞察力轉化為可落地的AI解決方案，這裡將是你大展身手的最佳舞台！加入我們，與數據和科技共同塑造保險的未來！👀更多關於我們做的數據服務，期待您的加入，運用數據專案管理與技術整合能力，推動 AI 轉型與數據生態建構，讓數據創造最大價值！1. 九成跨域人才！國泰產險多元跨域、探索共融 打造數位數據轉型創新基地🔗https://www.bnext.com.tw/article/81887/cathay_ddt_2025012. 國泰產險推業界首創「CarTech智能車險加值服務」，數據驅動助法人車隊落實損害防阻🔗https://www.bnext.com.tw/article/81313/cathay-ins2024113. 國泰產險數位轉型新里程！AI與數據驅動加速全險種理賠、提升風控更有效阻詐2,300萬🔗https://www.bnext.com.tw/article/81460/samrtclaim_2024

【團隊介紹】 我們是一個充滿熱情與創意的團隊，致力於結合科技與數據驅動保險業的創新變革。在這裡，你將與專業的技術與商業團隊協作，打造下一代智能解決方案，推動產險的數位轉型與智能化發展。 我們相信，未來的保險不僅僅是理賠和風險分攤，更是結合數據與AI技術實現全方位的風險預測與預防。 無論是車險理賠自動化、自然災害風險評估，還是風險預防方案，我們不僅在傳統產險領域引入前沿技術，也正在探索保險科技的無限可能。 如果你熱愛結合商業與技術，並希望將創意和洞察力轉化為可落地的AI解決方案，這裡將是你大展身手的最佳舞台！加入我們，與數據和科技共同塑造保險的未來！👀更多關於我們做的數據服務，期待您的加入，運用數據專案管理與技術整合能力，推動 AI 轉型與數據生態建構，讓數據創造最大價值！1. 九成跨域人才！國泰產險多元跨域、探索共融 打造數位數據轉型創新基地🔗https://www.bnext.com.tw/article/81887/cathay_ddt_2025012. 國泰產險推業界首創「CarTech智能車險加值服務」，數據驅動助法人車隊落實損害防阻🔗https://www.bnext.com.tw/article/81313/cathay-ins2024113. 國泰產險數位轉型新里程！AI與數據驅動加速全險種理賠、提升風控更有效阻詐2,300萬🔗https://www.bnext.com.tw/article/81460/samrtclaim_2024

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

【關於這個職位】你將設計與維護資料管線（data pipelines）、建立同時供產品與 AI 使用的資料模型，並打造讓 AI Agent 能可靠查詢、推理與操作公司資料的基礎架構。工作範圍涵蓋資料擷取、品質監控、語意層（semantic layer）設計，以及 AI Agent 的資料介面。你的主要重點會放在資料層本身 —— 包括資料管線、資料模型、品質監控與語意基礎設施。但這個角色也會深入產品與機器學習領域，例如：- 建立 AI 產品功能- 探索與驗證 ML 方法- 將模型從研究階段推向正式上線目前我們尚未建立完整的 ML pipeline，因此我們希望找到一位足夠好奇、願意探索可能性、找出適合我們問題的方法，並協助從零開始建立這項能力的人。不是所有嘗試第一次都會成功，而這完全沒問題。我們正在尋找一位能高度自主工作的人：能定義問題、評估方案、做出取捨決策，並真正把產品交付出去。【我們正在打造什麼】大多數公司都會在產品資料庫、分析工具與手動報表之間累積大量資料，最終卻面臨：- 指標定義不一致- 商業邏輯不清楚- 重複的人工流程- 關鍵知識只存在於少數人的腦中而我們正在解決這個問題。我們的工作橫跨四個層次：1. 可信資料（Trusted Data）：擷取、清理、監控資料，讓資料可靠可信。2. 定義完善的資料（Defined Data）：將原始資料轉換成有良好文件化的資料集、指標與商業定義。3. 商業脈絡（Business Context）：保存讓資料有意義的領域知識、規則與假設。4. AI 工作流程（AI Workflows）：將上述所有內容整合進 AI Agent、自助分析與實際可用的自動化流程中。你將主要參與第 1–3 層，並隨著對業務理解增加，逐步深入第 4 層。AI 並非只是概念驗證（demo）而已。我們正在正式推出 AI Agents，用來：- 回答商業問題- 自動化報表- 協助營運決策【主要職責】- 設計、建立與維護批次與串流資料管線，來源包含：資料庫、API、雲端儲存、Log、Event Streams- 建立與維護資料模型（raw / cleaned / curated），供以下用途使用：產品功能、報表、分析、AI 系統- 定義指標邏輯、資料品質規則與使用文件，讓人類與 AI 都能正確且有信心地使用資料。- 建立與維護語意描述、metadata 與 context layer，使 AI Agent 不只理解資料結構，更理解資料意義。- 設計供 AI Agent 查詢的資料介面與 API，確保穩定性、可解釋性、結果正確性- 調查資料異常與不一致問題，找出根本原因，並建立可持續的預防與監控機制。- 與產品、商務與工程團隊合作，對齊資料定義並交付關鍵資料資產。- 建立或延伸 AI 產品功能，例如：Agent workflow、推薦邏輯、自動化報表- 研究、原型開發與評估 ML 方法，解決真實商業問題，並將有潛力的方法投入生產環境。由於我們正在建立這項能力，你也將參與定義它未來的樣貌。【必備資格】〔工程深度 Engineering Depth〕我們更重視你的思考方式，而不是你會哪些工具。你應該能從第一原理（first principles）出發設計資料系統，例如：1. 對儲存模型、索引設計、查詢最佳化與反正規化（denormalization）做合理取捨2. 理解分散式資料系統中的：一致性（consistency）、分區（partitioning）、故障模式（failure modes）、傳輸保證（delivery guarantees）3. 能分析效能瓶頸，例如：記憶體、concurrency、I/O、網路問題，而不是只靠猜測反覆重試。4. 能熟悉操作：雲端基礎架構、容器化工作負載、CI/CD pipeline〔AI 與 ML 能力〕1. 有為 AI / ML 準備資料的經驗，例如：feature store, semantic layer, prompt-driven data interface, AI agent data backend2. 理解 AI 系統如何消費與推理結構化資料，以及資料層不可靠時會造成哪些問題。3. 至少具備以下其中一項實務經驗：- 為 AI Agent 建立 data API- 設計 semantic / context layer- 支援 LLM-powered analytics- 推出 AI-enabled data product4. 能閱讀 ML 論文、評估方法，並自行實作可運作的解決方案。你不一定需要 ML 研究背景或發表過論文，但應該能從：「這是一個問題」走到「這是一個可運作的 prototype」〔判斷力與 Ownership〕1. 能在資訊不完整時有效工作：先定義可行版本、明確說明假設、持續迭代2. 能評估多種方案並解釋設計選擇背後的理由。3. 主動溝通：分享進度、提前提出阻礙、向非技術人員解釋技術決策4. 能主動發現下一個高價值任務，而不是等待指示。5. 願意在需要時支援相鄰領域：backend service、internal tooling、prototype 開發〔加分條件〕1. 有 modern data platform / lakehouse 架構經驗，例如：Databricks、Snowflake、BigQuery2. 熟悉 Spark、Delta Lake、dbt、Airflow，或類似 orchestration / transformation 工具3. 有資料觀測性（observability）、lineage、品質監控與 governance 經驗。4. 有推出以下產品的經驗：AI Agent、RAG 系統、LLM-powered application（且以結構化資料為基礎）5. 有新創公司或小型工程團隊工作經驗。

【工作摘要】 本職位主要負責營運後台系統開發與優化，涵蓋用戶激勵、活動設定與用戶管理等核心模組，確保整體營運流程穩定且高效運作。同時需支援 AI 相關功能開發，並與前端及產品團隊密切合作，持續優化系統效能與資料應用，提升整體服務品質與營運效率。 【工作內容】基於金融交易平台的多元數據來源，建構、訓練與優化機器學習及深度學習模型，用於即時風險評分與異常偵測，辨識潛在交易風險並觸發預警機制設計並建置端到端 ML-Ops 流程（包含資料蒐集、特徵工程、模型訓練、部署與監控），確保模型於線上環境具備高可用性與低延遲推論能力與風控及產品團隊合作，根據模型輸出制定動態風控策略，並整合至交易系統中，以達到風險攔截與降低風險的效果進行模型驗證、回測與壓力測試，評估模型在極端市場情境下的穩定性與可靠度持續關注 AI、強化學習、圖神經網路等前沿技術於金融風控領域的應用，評估新技術的實務可行性，並推動原型開發與正式上線 丨上班時段丨0900－1800(彈性上下班30分鐘)、週休二日 丨工作薪資丨底薪保障13個月，試用期後調整5%-8%底薪