Cake 求人検索

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。

【About This Role】We are seeking a pragmatic AI Engineer to join our product and engineering team to build and deploy our innovative shopping agent platform. This is a hands-on role focused on leveraging existing AI technologies, frameworks, and models to create production-ready conversational commerce solutions.You'll be working at the intersection of AI/ML, payment systems, and e-commerce to deliver seamless shopping experiences to JKOPay's 7 million users.【What You’ll Do】AI Implementation Integration◆ Integrate and fine-tune large language models for conversational commerce use cases◆ Design conversation flows and dialogue management systems for shopping interactions◆ Implement product search and recommendation systems◆ Build data pipelines for training data collection and model improvementOptimize Chat Quality◆ Monitor AI model performance, accuracy, and user satisfaction metrics◆ Optimize model inference speed and cost efficiency in cloud environments◆ Implement A/B testing frameworks for conversation flow optimization◆ Collaborate with product team on feature requirements and user experience improvementsCross-functional Collaboration◆ Work closely with backend engineers on API integrations and system architecture◆ Partner with product managers to deliver the solutions◆ Support QA team in testing AI-driven features and edge cases

We are seeking a Senior Software Engineer to be the technical heartbeat of our GenAI security capabilities. In this role, you sit at the exciting intersection of Research and Product, turning breakthrough experiments into scalable, production-grade software. You won’t just be implementing features; you’ll be designing the sophisticated tooling and AI Agent architectures that make the Vulcan Platform unique. We offer a playground for builders who want to solve unsolved problems, master advanced prompt engineering, and work alongside a world-class team. Come build the shield for the AI era and expand your technical horizons Learn more about us 👉 Vulcan product: https://vulcanlab.ai/Vulcan LinkedIn:https://www.linkedin.com/company/vulcanlab-ai/AIFT group:https://aift.io/ - How to apply Please apply with English CVthroughhttps://job-boards.greenhouse.io/aift/jobs/5744136004 Thank you. - What you'll do 1. Core Application Platform Development (Full Stack) Vulcan Platform: Partner with Product and Design to build intuitive frontend interfaces (React, Next.js) for dashboards, configuration consoles, and visualization tools. Backend Services APIs:Develop and maintain the essential APIs (FastAPI/Python) and microservices that power the Vulcan platform. Architect robust task execution systems using Message Queues (Celery, RabbitMQ) to handle long-running asynchronous AI inference tasks. Internal Tooling Ecosystem: Build frontend and backend tools that accelerate internal teams (Project, ML/AI), including configuration panels, data visualization pipelines, and evaluation interfaces. Guardrails Security Features: Implement backend services for AI guardrails (content moderation, prompt filtering) and automated adversarial testing pipelines. 2. GenAI Agent Logic Engineering Prompt Engineering as Code: Treat prompts as software logic. Lead the design and implementation of AI Agent behaviors, optimizing responses through structured Prompt Engineering techniques. Agent Workflow Design: Orchestrate complex, multi-step LLM workflows where the "application logic" involves chaining model interactions effectively. Response Handling: Design robust parsing and validation mechanisms to ensure raw model outputs are converted into structured, usable application data. -

公司主要從事SES（系統工程服務）事業，目前手上擁有許多與AI領域相關的案件。 預計未來AI相關需求將持續成長，目前正處於事業擴展的成長階段。 即使目前尚無AI相關經驗，只要具備工程師經驗，也有許多案件可以參與。 我們積極招募有志於投入AI領域、希望累積經驗、提升技能與市場價值的人才！ 【案件範例】 ・生成式AI基礎平台開發支援 ・對話型AI的研究／開發／導入 ・銷售管理系統的API伺服器建置 ・雲端與銷售管理系統的整合開發 ・打造在元宇宙空間中進行互動的應用程式開發 【工作內容範例】 ・大型語言模型（LLM）的標註工具開發 ・網站爬蟲系統開發 ・以後端為主的全端開發 ・探索將生成式AI應用於既有服務的方式 ・利用現有的基礎模型（LLM）進行微調與相關研究／開發

Our Product Vulcan is a cybersecurity solution specifically designed for GenAI, offering two core services: Red Team (vulnerability assessment) and Blue Team (real-time defense). It ensures GenAI compliance, cybersecurity robustness, and operational integrity. Since its official launch in 2024, Vulcan has been recognized by the international standard-setting organization OWASP as a certified vendor for LLM GenAI security testing and assessment. It is one of the few solutions capable of supporting multiple Asian languages (Traditional Chinese, Simplified Chinese, Japanese, Korean, Thai) and Standard Arabic. Learn more about us 👉 Vulcan product: https://vulcanlab.ai/Vulcan LinkedIn: https://www.linkedin.com/company/vulcanlab-ai/AIFT group: https://aift.io/ About the role We are seeking an experienced Machine Learning Lead to helm our Machine Learning team.In this pivotal role, you will be the engineering architect behind Vulcan’s core AI capabilities. You will act as the nexus between Research, Platform, and Product. Your mission is to translate cutting-edge findings on GenAI threats into robust, production-ready machine learning models that power our GenAI Security Guardrails (Blue Team) and Automated Vulnerability Assessment (Red Team).Crucially, you will serve as the bridge between deep tech and business strategy, articulating technical constraints (like FLOPS and latency) to leadership and clients while guiding the engineering direction. Key Responsibilities1. Model Development Optimization (Training Fine-tuning): Research to Production: Collaborate with the Security Research Team to operationalize new threat detection techniques. They identify the "what" (e.g., new prompt injection patterns); you determine the "how" (model architecture, training strategy). Fine-tuning Adaptation: Lead the fine-tuning of Language Models (e.g., using LoRA/PEFT) to optimize for our supported muti-lingual languages and specific security intents. Multimodal Readiness: Prepare the system for Multimodal (Text + Image/Audio) capabilities. Evaluate and implement models to detect visual prompt injections and non-textual threats as the product evolves. 2. MLOps Data Infrastructure: Enhance Scale MLOps: Take ownership of our existing ML pipelines. Focus on optimizing and scaling CI/CD/CT workflows to improve training efficiency and deployment velocity. Data Governance: Implement and enforce rigorous Data Versioning strategies (e.g., DVC) to ensure complete reproducibility of model artifacts and datasets. Monitoring Reliability: Maintain rigorous monitoring for model drift and performance, ensuring high reliability in a production security environment. 3. Cross-Functional Implementation Leadership: Platform Collaboration: Work closely with the Platform Engineering Team to integrate ML models into the broader product architecture. Ensure seamless interaction between model inference services and the main platform logic. Team Leadership: Lead and mentor Machine Learning Engineers, fostering a culture of engineering rigor, code quality, and operational excellence. Resource Management: Manage GPU resources and compute budgets effectively for both training and inference workloads. 4. Technical Strategy Stakeholder Management: Translating Tech to Business: Act as the technical voice of the ML team. You must effectively explain complex ML concepts (e.g., FLOPS, quantization trade-offs, model latency vs. accuracy) to executive leadership and clients. Cost-Benefit Analysis: Justify compute resource investments. Articulate the trade-off between infrastructure costs (GPU hours) and performance gains to non-technical stakeholders. -

國內最大化妝品使用心得及排行榜綜合網站@cosme Taiwan(前身UrCosme,2004年創建)在台營運20年，為國內消費者找尋化妝品使用心得及排行榜綜合資訊的主流網站，隸屬於日本上市公司集團istyle Inc.。除日本、台灣外，在香港、大陸、韓國、美國等地，亦有集團旗下化妝品社群/電商/零售等相關事業營運。 網路產業隨著科技的不停進步，許多新技術不斷創新，加上AI重塑了工程師的日常工作樣貌，利用AI協作，大幅提高工作效率，而「整合應用」則成為了新一代工程師的必備能力，學習各式工具並透過排列組合，優化/解決當前遇到的各式問題。 為維運@cosme TW、@cosme HK及整體Global平台系統，技術研發主要分成三部分： Ruby on Rails網站相關技術：利用ROR、HTML、JS、CSS持續開發網站功能。大數據相關技術：利用MongoDB自行開發Data Management Platform，並應用於數據分析、廣告投放、個人化推薦、OneID辨識等地方。AI相關技術：導入LLM應用於@cosme平台，啟動AI賦能，將現行服務+AI。

[About Us 醫療X科技] 慧康生活科技 Health2Sync 成立於 2013 年，旗下擁有「智抗糖 App」與「雲端智慧照護平台」兩大產品，是同時具有B2B2C的數位新創團隊。主打產品「智抗糖App」為亞洲最大慢性病管理平台，提供個人化並可複製的慢性病管理方案，建立新一代的數位療法，這套數位醫療解決方案在全球累計已有超過百萬名使用者。我們的服務結合簡易操作的數位工具與個人化及自動化的即時分析，串連慢性病友的關懷照護網路與生活數據，協助糖友透過 App 自我管理血糖，並讓家人與醫療單位透過「雲端照護平台」更即時瞭解狀況並提供關懷。透過這套解決方案，我們積極串起糖尿病照護生態圈，連結藥廠與病患，讓藥廠提供個人化的衛教及介入 (engagement)，進而提升用藥的依從度，讓病患能有較好控制效果。[ About Our Team ]在數位醫療領域中，數據團隊是不可或缺的角色。作為H2數據團隊的一員，你將有大量的機會接觸到多樣化的生醫數據，通過數據分析探索及機器學習技術，最終的數據產品將可以直接回饋給用戶或醫療院所，讓數據發揮最大的價值。另外，數據團隊也有機會參與公司的重大決策，你的分析成果將會影響產品的走向及各項商業發展。在我們團隊中每個人都有機會一起發想及創造全新的數據產品，同時每個人的意見在團隊中都是非常重要的。期待在數據科學領域有豐富經驗的你可以加入我們，一起學習如何用數據科學相關的技術，為病患及醫療人員開發更多有價值的數據產品。 [Job Description]- 推動數據科學專案，以優化H2 產品。- 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。- 針對產品及分析應用，構建並維護基於大語言模型 (LLM) 的應用。- 優化並維護現有的 AI 系統，確保其性能與可擴展性。- 建立並改進數據基礎設施（data pipeline, data lakehouse), 以支援數據分析與建模。- 透過分析工具與統計方法，支援產品及業務團隊任務。

您是否渴望在金融科技的前沿，以前瞻數據、AI 與 LLM 技術驅動創新，塑造未來金融服務？ 科技創研中心金融科技處，正積極尋找充滿熱忱、具備專業技能的 數據暨AI工程師 加入我們的創新團隊。您將負責金融科技領域的企業級數據平台、AI 平台及 LLM 相關基礎設施的開發、管理與優化，尤其著重於 Data Lakehouse 架構的實踐與 Denodo 虛擬化技術的應用，並參與大型語言模型 (LLM) 在金融領域的應用開發與部署，確保數據的安全性、高效傳輸與穩定運作，為金融 AI/LLM 應用與策略決策提供堅實的技術後盾，助力提升金融服務的競爭力與創新能力。如果您對數據工程、AI/LLM 工程在金融領域的應用充滿熱情，並熟悉 Data Lakehouse、Denodo 等先進技術，且對 LLM 的發展與應用有深入了解，渴望在充滿挑戰與成長的環境中發揮所長，誠摯邀請您加入我們！ 【工作職責】 •Data Lakehouse 平台開發與管理： 負責金融科技領域基於 Data Lakehouse 架構的數據平台設計、開發、部署、維護與優化，整合結構化與非結構化數據，提供彈性高效的數據存儲與分析能力，以支持 LLM 相關應用所需的大規模數據。 •Denodo 虛擬化平台管理與開發實作： 負責 Denodo 虛擬化平台的設計與管理，實現多個異質數據源的邏輯整合，提供統一的數據存取介面，簡化數據獲取流程，以支援 LLM 應用所需的多樣化數據來源。 •數據管道開發： 設計並實作高效能的 ETL/ELT 流程，處理多元金融數據來源 (例如：交易數據、市場數據、客戶數據、文本數據等)，確保數據的準確性、完整性與即時性，並能有效整合至 Data Lakehouse 或透過 Denodo 進行虛擬化，以供各單位進行分析與應用。 •數據整合與清理： 負責數據的整合、轉換、清理、標準化與特徵工程，提高數據品質，為後續的數據分析、風險模型、 AI 模型與 LLM 的訓練及微調 奠定良好基礎，並考量 Data Lakehouse 的數據治理與管理。 •AI/LLM 平台管理： 負責企業 AI 平台、LLM 相關基礎設施 (例如：GPU 伺服器、模型儲存、API 部署等) 及 MLOps 流程的維護、管理與優化，確保企業內 AI/LLM 模型開發、訓練、微調與安全部署流程的順暢與高效，符合金融保險行業的合規要求，並能有效利用 Data Lakehouse 中的數據。 •LLM 應用開發與部署： 參與金融領域大型語言模型 (LLM) 的應用開發、測試與部署，例如：AI Agent、文本分析、資訊抽取、內容生成等。 •數據監控與效能調校： 開發與運營數據管道、數據庫、Data Lakehouse、AI 平台及 LLM 應用 的監測機制，進行效能分析與調校，確保系統的穩定運行與高效能，並符合系統穩定性的嚴格要求。 •跨部門協作： 與AI 科學家、IT 部門、Biz部門 (例如：通路、核保、商品等) 等緊密合作，深入了解企業業務需求與痛點，提供穩健且高效的數據與 AI/LLM 平台解決方案，並能利用 Data Lakehouse 和 Denodo 提供的能力。

您是否渴望在金融科技的前沿，以前瞻數據、AI 與 LLM 技術驅動創新，塑造未來金融服務？科技創新研發中心創新發展處，正積極尋找充滿熱忱、具備專業技能的資料科學家加入我們的AI創新團隊。您將負責金融科技領域的數據、AI，開發應用、管理與優化。著重於AI技術落地，解決商業問題，並參與大型語言模型(LLM) 在金融領域的應用開發與部署，確保AI模型(服務)的安全性、高效傳輸與穩定運作。為金融 AI/LLM 應用與策略決策提供堅實的技術後盾，助力提升金融服務的競爭力與創新能力。如果您對透過數據以及AI技術在金融領域的創新應用充滿熱情，並熟悉數據分析、AI建模、LLM技術、MLOps，渴望在充滿成長機會的環境中發揮所長，誠摯邀請您加入我們！工作職責:1. AI解決方案：提出AI解決方案，解決(優化)業務流程中的痛點，並研究金融科技應用AI技術的機會點，提供AI創新應用的建議。2. 數據整合、清理與分析：負責數據的整合、轉換、清理、標準化與特徵工程，提高數據品質，為後續的數據分析、AI 模型與 LLM 的訓練及微調奠定良好基礎。3. AI應用開發與部署：參與金融領域的AI (ML / LLM / Vision / Voice) 應用開發、測試與部署，例如：AI Agent、風險預測、文本分析、資訊摘要、商品推薦等。4. MLOps與AI治理：分析AI應用成效，並以MLOps管理AI生命週期，持續迭代AI模型與優化AI應用。5. 跨部門協作：與數據部門、IT 部門、Biz部門 (例如：通路、核保、商品等) 等緊密合作，深入了解企業業務需求與痛點，提供穩健且高效的AI解決方案。

在 Pinkoi，工程師的任務是讓每個來 Pinkoi 的人都能擁有難以忘懷的使用體驗，你必需擁有極大的熱情，因為我們相信一個令人讚賞的網站服務，是由背後每一位工程師努力的追求卓越，每一個小細節都是 Pinkoi 非常在乎的事情！Pinkoi 致力於打造流暢且量身打造的探索與購物體驗，讓顧客輕鬆發現感興趣的商品、品牌與內容，並加深與平台的連結。同時運用創新的 AI 技術與深厚的產業知識，幫助品牌提升銷售業績、使規模快速成長，成為設計品牌邁向規模化、國際化不可或缺的重要夥伴。工作內容與挑戰維護和迭代網站底層架構，包括正式環境和開發環境，例如：CI/CD 流程、程式語言迭代、資料庫架構調整...等。協助建立與優化內部平台工具，提升開發者體驗。設計與維護監控、告警與可觀測性（logging / metrics / tracing）。產出高品質、穩定、可維護且可讀性高的程式碼，並養成良好的自動化測試習慣。能夠順暢地與各種領域的夥伴溝通合作，例如前端工程師、後端工程師、App 工程師、資料工程師等。擁有快速辨識系統問題的能力，並且能夠確實修復問題。持續改善系統架構、效能與穩定性，並樂於撰寫技術文件、分享知識，提升產品開發體驗。持續研究並導入新技術（如 Cloud Native 工具、AI 輔助開發）與創新想法，並評估其在實際環境中的落地與價值，創造更大的影響力。我們希望你有的特質充滿熱情，你想要做出世界級一流的產品。樂於學習，對於新技術抱有好奇以及開放的態度。良好溝通，能夠清晰地和 Pinkoi 的夥伴們溝通你的想法。主動積極，能發掘系統上的不足或可以更好的地方，並提出改善作法。自我要求，具備高標準、時限觀念和責任感。應徵條件有 2 年以上後端開發經驗，具備開發與維護系統的能力。具備良好的程式基礎，並樂於持續精進（Pinkoi 主要使用 Python，但我們歡迎任何程式語言的使用者來應徵）。對資料庫、資料結構以及演算法有基礎的理解，知道它們如何影響你的程式效能。對 Linux 作業系統有基礎的理解，特別是針對 Process 跟 Thread 的部分。熟悉 container 相關技術（例如：Docker、Kubernetes）。加分條件應用程式效能校調相關經驗。具備 Observability 相關經驗（Prometheus, Grafana, OpenTelemetry）。熟悉使用如 MySQL、Elasticsearch、Redis 等常見服務，並了解在設計與開發中需針對其分散式特性（如一致性、可用性、效能瓶頸）做出相應考量。熟悉以 LLM 工具輔助開發，並整合至日常工作中以提升效率與品質。熟悉雲端平台與基礎設施維運（AWS / GCP / Kubernetes / CI/CD pipeline）。熟悉 Cloud Native, Kubernetes 生態系（Helm, ArgoCD, Operators 等）。＃不用想了，趕快來當個 Pinkoi 人如果你有信心能夠勝任這份工作，歡迎提供你的個人履歷及小作業回答，即刻應徵！