Tìm kiếm việc làm online mới nhất!

・與產品、風控、運營團隊協作，針對業務需求定義資料模型與監控指標・建置 ETL 流程，收集與清洗來自平台的行為數據（如下注記錄、轉碼、點擊行為）・開發與維護異常偵測模型（如洗碼對打、機器人行為、套利用戶）・利用機器學習或統計模型預測玩家留存、LTV、流失風險・設計風控策略，提升平台資金與行爲風險控制能力・定期產出分析報告，提出可行的產品或營運優化建議

作為生成式AI工程師，你是否好奇AI在產物保險中隱藏著哪些改變遊戲規則的機遇？讓我們一起探索這片充滿技術創新與未來想像的領域！我們正面臨著傳統解決方案的瓶頸、不斷進化的用戶需求與未被開發的可能性。你是否準備好迎接這些挑戰，通過創建先進的AI模型與應用，推動業務轉型並改寫現狀？現在就是你釋放技術潛力、定義未來的時刻！ 1. 與跨功能團隊合作，設計、開發和實施生成式AI模型，尤其是大型語言模型（LLMs）。 2. 開發和實施保險產品和服務，優化模型的效率、可擴展性和性能。 3. 吸收並分享AI和機器學習技術的最新發展。 4. 調整和微調生成式AI模型，撰寫開發過程和使用說明文件。 5. 開發和維護模型訓練和部署流程，確保系統最佳運作。

這是一家以遊戲起家的台灣科技集團，目前正全力推動 AI 與平台轉型，打造內容與數據整合的網路生態。產品涵蓋遊戲、媒體、電商、支付與社群，現正擴編 AI 技術團隊，歡迎富有熱情與創新思維的你一起挑戰！ 【工作內容】 設計與開發生成式 AI / 機器學習模型（如推薦系統、LLM、CV 等） 負責模型部署、效能優化與流量架構設計 管理 ML 專案進度與品質，與多部門協作推動 AI 應用落地 【使用技術】 PyTorch、TensorFlow、Huggingface、OpenAI API Kubernetes / Docker / GitOps Kafka / Spark / GCP/AWS 【工作環境與福利】 彈性上下班、全開發團隊使用 Macbook Pro + 雙螢幕 內湖總部設有 24hr 健身房與淋浴間 員工免費點心、早餐、下午茶 提供托育方案與旅遊補助

About the Role:We are seeking an experienced Machine Learning Engineer to architect and own our end-to-end speech processing pipeline. In this role, you will bridge the gap between signal processing and generative AI, managing the flow from raw audio input to highly accurate transcription. You will be the primary owner of our ASR stack, with a specific mandate to optimize OpenAI’s Whisper for a high-throughput, low-latency cloud production environment.Key Responsibilities:1. Production ASR Architecture: Design and build scalable serving infrastructure using tools like Triton Inference Server, TorchServe, or vLLM to handle concurrent audio streams with minimal latency.2. Whisper Optimization: Push the limits of Whisper models in production. Implement distillation, INT8 quantization, and framework acceleration (e.g., Faster-Whisper, CTranslate2) to drastically reduce inference time without sacrificing accuracy.3. Advanced Noise Cancellation: Develop and integrate deep learning-based noise suppression models to pre-process audio. Your goal is to ensure high fidelity and low WER (Word Error Rate) even in complex, noisy acoustic environments.4. Model Fine-Tuning: Customize open-source ASR models (Whisper, Wav2Vec2, HuBERT) on our proprietary datasets to master domain-specific vocabulary, accents, and acoustics.5. Tech Stack Evolution: Actively evaluate and integrate the latest open-source audio models from the Hugging Face ecosystem to keep our stack on the cutting edge.