Cake Job Search

公司介紹： 我們的客戶是一家領先的金融科技公司，致力於通過數位、數據和技術推動整體轉型。公司正在積極打造數據驅動文化，以成為提供卓越金融服務的科技公司為目標。公司環境開放創新，鼓勵員工發揮創造力，實現職業理想。 JD: 1. 機器學習、深度學習或統計分析模型專案開發 2. 配合數據技術發展目標，研究與實作可落地應用之新興數據模型技術 3. 協助數據轉型，規劃end-to-end的數據應用解決方案 4. 當負責之數據服務被設定為""不能中斷""之服務等級，則需配合維運團隊於非上班時段on call以便即時處理問題，確保服務穩定。

HOYA BIT 致力成為加密貨幣新鮮人的最佳信任夥伴，我們致力研究加密貨幣的解決場景，並針對用戶需求提供解決方案，讓加密貨幣便利每個人的生活! ▎經營理念 享受工作與生活 當你踏入 HOYA BIT 後，你會發現我們致力讓員工創造與突破，高成就感與高報酬是讓每一個夥伴全力以赴的原動力! 高度成長與不斷創新 HOYA BIT 鼓勵每一位的夥伴不斷創新，唯有求新求變才能撼動市場，為此我們也提供每位夥伴學習經費，並透過每個月的內部交流及外部講座提升每一個夥伴的能力！ 客戶至上的服務模式 由於 HOYA BIT 是主打新手友善的加密貨幣交易所，所以我們以積極熱情的精神來服務我們的客戶，並致力透過每一個用戶的回饋來改善 HOYA BIT 的產品及服務，唯有熱情擁抱用戶，才能得到用戶的最高信任。 ▏我們相信越好的人才就需要越少的管理，所以在管理上我們只要求夥伴們尊重會議所決定的專案期程，在過程中若遇任何困難都請「即時提出」、才能「及時解決」，在辦公部份我們也致力打造讓大家都能舒適工作的環境。 ▏

誠品致力於打造結合文化、閱讀與生活的全通路生態圈，透過數位創新提升顧客體驗，實現線上與線下服務的無縫整合。我們正在尋找一位 資深 AI 工程師，您將不僅僅是開發模型，更是技術架構的設計者。您將運用電腦視覺（CV）與機器學習技術，結合 MLOps 工程思維，解決真實零售場域的挑戰（如人流分析、智慧營運），為線上下融合的新商業模式打造穩固的技術基石。 【工作任務】 將主導模型的完整生命週期，重點在於工程落地與架構設計： 1.主導模型落地與架構設計： 負責將 CV/ML 模型部署至零售服務中（Cloud 或 Edge），並在延遲、成本與準確度之間做出最佳的工程權衡。 2.建置 MLOps 閉環（Loop）： 設計自動化的監控機制，針對 Data Drift 與模型衰退建立告警，並規劃自動化再訓練（Retraining）與版控流程，確保服務長期穩定。 3.跨團隊技術整合： 與 Product、Backend、Data Team 深度協作，定義 Schema 與 Data Contract；將技術語言轉化為商業指標，確保 AI 解決方案符合零售業務需求。 【必備條件】 1.精通 MLOps 部署體系： 熟練掌握 Model Packaging、Docker 封裝、相依性管理，並具備 CI/CD 自動化部署管線的建置經驗。 2.極致的推論效能優化： 具備 Batching、Async/Concurrent 處理、Caching 設計能力；熟悉 GPU/CPU 資源調校，能執行壓力測試並解決效能瓶頸。 3.全方位的可觀測性（Observability）： 能設計完整的 Log/Metric/Trace 系統，監控服務延遲、錯誤率與資源吞吐，並建立高效的故障排查流程。 4.資料治理與模型維運： 具備處理 Data Drift/Outlier 的實戰經驗，能制定監控閾值與回饋迴路，推動模型版本更新與回滾策略。 5.紮實的 ML 理論與實作： 對常見模型原理、Overfitting/Regularization 有深刻理解，能正確選用並解讀評估指標，不盲目追求 SOTA。 【加分條件】 電腦視覺（CV）實戰經驗： 在影像分類 (Classification)、物件偵測 (Detection)、分割 (Segmentation) 或追蹤 (Tracking) 領域有實際落地經驗者優先。 【具備特質】 Impact Result Driven： 以「解決問題」為核心，能在資訊不完整下建立假設、快速驗證並推進迭代。 Resilience (抗壓與適應)： 面對原始資料、需求變更與模型退化等真實挑戰，並視為優化系統的機會。 Technical Communication： 溝通邏輯清晰，能向利害關係人清楚說明技術決策的 Trade-off (如：準確率 vs. 延遲/成本)。 Growth Mindset： 對 CV/ML 新技術保持熱忱，能主動追蹤新演算法，並快速透過小型實驗驗證其商業價值。 【技術環境】 Languages Tools: Python, Docker, Git, Linux Frameworks: PyTorch / TensorFlow