Cake Job Search

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。

微程式（Microprogram，股票代號7721），為具備跨產業技術整合能力的產業資通訊共通設計中心​（ICT Design House​）。我們從產業需求設計、服務設計、解決方案規劃到軟硬體設計與開發，提供垂直式整合服務，透過智慧科技，協助交通、金融、零售、半導體製造、自行車等產業夥伴進行創新升級。目前聚焦於「電子支付、智慧設備、半導體感測控制」三大核心發展領域。　 ▍團隊介紹 此職務隸屬於微程式 AI 發展中心，團隊由具備產業實戰經驗的工程師與產品管理師組成，擅長從真實需求出發，將模糊的問題轉化為可落地、可維運、可擴展的 AI 解決方案。 我們的使命，是將 AI 從「技術與概念」轉化為能被「實際運用的工具與服務」。透過 AI 應用開發、流程自動化與系統整合等方式，協助公司不同團隊在多元專案與應用場景中有效導入 AI，逐步提升整體效能、品質與決策能力；同時，也將透過工作坊與使用指引，協助團隊夥伴建立可持續運用的 AI 能力。 我們正在尋找一位「能把 AI 用起來」的技術應用工程師加入團隊。在這裡，你將把生成式 AI、流程自動化與系統整合推進到實際落地，打造可交付、可維運的工具與服務，並與跨部門夥伴合作，推動 AI 在專案與業務場景中持續創造可衡量的價值與影響力。　 ▍工作內容 AI 導入推廣與流程優化：協助團隊導入並實際應用各類 AI 工具與解決方案，透過培訓、工作坊與使用指引提供技術支援，並協助盤點流程、推動效率提升。AI 應用設計、開發與維運：規劃、開發與維護內部 AI 工具與應用，將需求落實為可穩定運作的功能，並持續迭代改善使用體驗、效能與可維運性。LLM / RAG 應用落地與服務化：針對實際情境設計 Prompt 與任務拆解，建立並優化 RAG 流程，並透過 RESTful API 將 AI 能力服務化，完成權限驗證、錯誤處理、文件化與基本監控。品質、風險與成效評估：建立測試與驗證流程，定義成功指標（品質、成本、延遲、採用率等）並持續追蹤，確保 AI 功能可長期穩定運作。　 ▍必備條件 熟悉至少一種程式語言，能應用於自動化流程或 AI 工具開發具備生成式 AI 應用經驗，能運用相關工具支援實際業務需求熟悉 SQL，能於關聯式資料庫中進行資料查詢、整理與基本分析了解 Prompt 設計與優化，能提升生成式 AI 輸出品質與穩定性 　 ▍加分條件 具 AI Agent Builder 實作與部署經驗。具 RAG 系統實作經驗，了解向量檢索、chunking、召回策略與品質評估方法。熟悉 RESTful API 設計與後端服務開發流程，具備系統整合經驗。具內部工具、流程自動化或工作流系統開發經驗者尤佳。具備基本資安概念（權限控管、敏感資料處理、輸入輸出防護）者加分。 　 ▍人格特質 需求轉化能力：能把模糊的業務需求變成可落地的 AI 解法，不只懂技術，更能解決問題。跨部門溝通：能與 PM、業務及各部門溝通，精準識別痛點並轉化為可交付的功能規格。落地執行力：具備 PoC 驗證可行性、定義成功指標、規劃導入路線並推動上線的能力。主動積極：能主動發現問題、提出改善方案，並願意嘗試新工具、新方法與新流程。 　 ▍關於我們的文化 在微程式，我們相信好的產品與服務來自彼此信任、坦誠溝通與持續共創。我們擁有：開放的企業文化：團隊年輕有活力，熱愛想法激盪、討論與付諸實現。開創性工作內容：創新、創意是我們的DNA，不斷追求產品更加卓越。夥伴的價值共創：我們深信 1+12，團隊夥伴並肩共創走的更快更遠。

設計與實作 LLM 微調（Fine-Tuning）流程，並根據實務應用需求進行模型優化運用 HuggingFace、LoRA、QLoRA、Deepspeed 等工具對 Transformer 架構進行調校建構與維護資料前處理與 Tokenization pipeline，支援中文與多語環境下的 NLP 任務撰寫並執行模型評估流程（BLEU / ROUGE / EM / Retrieval-based Precision 等）部署並持續優化已訓練模型於雲端環境中的表現與穩定性與產品開發團隊協作，提供技術建議與最佳實作，落地 AI 解決方案

建構與維護 AI 應用微服務架構，使用 FastAPI、Pydantic、SQLAlchemy 等技術堆疊整合 OpenAI API、HuggingFace 模型與內部 LLM 推論流程，開發彈性可擴展的 inference pipeline與資料科學家合作，協助 AI 模型部署與效能最佳化使用 Docker 與 K8s 建立容器化部署流程，實現 DevOps 自動化與多環境可遷移性實作 CI/CD pipeline（GitHub Actions、Terraform 等），佈署至 GCP/AWS 等雲端平台設計穩定與高可用的 RESTful API / event-driven 架構，提供高品質產品對外服務介面參與跨部門產品設計與開發週期，實現 AI 功能與用戶需求之間的最佳整合