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。

▋▍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

(一)職務內容 我們部門為智慧創新營運部(Intelligent Innovation Operations)，正如其名，部門名稱即為我們的核心價值與理念，致力於透過前瞻性的創新科技(如Generative AI、Agentic AI)，打造具沉浸式的產品服務體驗，幫助提升公司營運及提供之產品服務品質。 我們正在尋找具有AI產品設計與應用能力、資料探勘與科學量化分析、及擁有創新思維的人才夥伴，一起引領公司下一代資安解決方案的發展。 舉凡跟公司既有產品服務與AI應用相關之開發/優化、或是運用新科技開發新的產品服務，皆與我們團隊息息相關，而此份職務(AI解決方案架構師)工作內容，較為偏向資料科學及AI導入應用開發，故主要專注在【資料科學量化分析】、以及【AI產品服務之設計開發】兩項任務。 (二)資源及培訓課程 工欲善其事 必先利其器，公司內部有大數據平台Splunk、自動化平台系統XSOAR，上述提到的兩項平台系統皆為市場上該領域之NO.1領導品牌，除此之外，部門團隊也建置了AI Agent平台系統(Fine-tuning、RAG、tools、LLM、GPU)、及Machine Learning Server，確保團隊能運用頂尖的平台系統，並搭配專業知識，完成目標或克服困難的挑戰。 培訓及課程方面，公司提供如Cyberbit(Cyber Range)訓練平台(目前市面上最知名資安演練平台之一)。部門團隊則提供所有所需技能的內外部教育訓練(外部訓練包含原廠訓練課程、線上訓練課程、外部講座)。 ☆☆ 請特別注意：由於部門核心目標為引領公司營運的創新與智慧，因此我們重視科技趨勢與國際接軌，隨時吸收世界上的新興科技與發展趨勢是團隊首要任務，所以我們團隊會參加如AI EXPO Taiwan、DevDays Asia...等各大論壇與博覽會，將世界最前沿的技術轉化為實戰應用。 ☆☆ (三)我們希望你具備技能/特質 具備技能：必須具備撰寫Python能力，用於AI模組開發與資料處理，不需開發大型系統，但需能處理基本分析任務。具備特質：我們團隊是由一群積極且勇於挑戰的人所組成，因此【態度積極】、【持續學習】、【團隊合作】特質為首要(也是會不會錄用最重要的關鍵喔!)。若能跳脫既有框架，並具創造性思維尤佳。 ☆☆團隊相當看重人格特質，認真有心、良好的態度對我們來說最為重要。我們團隊希望聚集一群保持正向能量、勇於創造可能的人們，看能不能一起做出卓越的成就。☆☆

1. 開發生成式AI相關應用2.協助資料收集、清理與處理文本/音檔資料]3. 參與 LLM 與語音模型(如 Whisper) 的微調與優化4. 協助開發與測試模型、提升文本生成與語音辨識的準確性與相關性5. 研究並嘗試不同的模型整合與優化方法6.其他主管交辦事項*必要技能: 1. 熟悉機器學習、自然語言處理(NLP)、向量資料庫或 RAG 技術有基礎理解2. 熟悉 Python，並了解基本的機器學習/深度學習工具(如 PyTorch、TensorFlow、scikit-learn任一皆可)3. 對LLM或語音AI模型有興趣，願意投入研究與實作，具備良好學習能力及問題解決能力

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。

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。

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！

🚀 關於我們 (Company Introduction) 我們是一家專注於「生理訊號感知」與「科學化 AI 智能教練」的頂尖運動健康科技公司 。自成立以來，我們憑藉深厚的資料科學背景與生理演算法，獨立開發的技術曾榮獲 TIME 雜誌評選為熱門穿戴科技，並獲得美國知名大學實驗驗證與全球指標醫學學會發表 。 我們正處於高成長的黃金賽道上，不僅成功完成破億元的新一輪募資（頂級創投支持），更與國際一線大廠攜手進攻全球市場，並計畫於近期邁向 IPO ！ 在內部，我們打造了結果導向與高度自主的工程文化，全團隊深度擁抱 AI 輔助開發工具（如 Claude Code 等）來優化開發流程 。如果你渴望挑戰高精度演算法、接觸完整的技術棧，並親眼看到自己的代碼轉化為改變全球使用者健康習慣的產品，這裡就是你的頂級舞台 ！ 🎯 工作內容 (Responsibilities)核心技術研發： 設計、實作並持續優化穿戴裝置中的生理訊號（心率、壓力、血氧、睡眠）與運動指標演算法 。多模態數據融合： 融合 PPG、IMU、GPS 及氣壓計等多元感測器資料，運用數位訊號處理（DSP）與影像處理方法，從雜訊中提取高價值生理特徵 。AI/DL 模型建構： 運用 TensorFlow / ML / DL 框架建構資料驅動模型，提升生理參數預測精準度 。跨平台部署與優化： 以 MATLAB 進行原型驗證，並以 C/C++ 或 Python 完成高效能實作，與韌體團隊協作將演算法部署於受限的 MCU / ARM 平台 自動化與品質確保： 建立完整自動化測試框架（Unit/Integration Test），確保各動態場景下的演算法穩定性 。 🛠 使用的技術 (Tech Stack) 程式語言： C / C++, Python 深度學習與分析工具： TensorFlow, PyTorch, MATLAB 核心領域技術： DSP 數位訊號處理、影像處理、機器學習模型建構、Data Analysis 硬體生態圈： MCU, ARM, RISC-V 嵌入式系統環境對接 效率利器： 團隊全面標配 AI 輔助開發工具（Claude Code / Antigravity 等）🎁 福利與環境亮點彈性工作安排： 結果導向，支持彈性辦公，每週提供 1 天遠端工作 。極客與學習氛圍： 橫跨 DSP、ML、嵌入式、雲端的完整技術棧，重視數據與實驗，拒絕盲目加班 。交通便利： 辦公室位於新北市新店區（捷運綠線大坪林站旁），通勤無負擔 。