轉職熱搜工作
您正在找人力資源的工作,共計22302筆職缺在等你,馬上去應徵吧!
-
工研院中分院_專案企劃派遣人員(S200)
月薪 32500元 南投縣南投市 工作經歷不拘1. 協助專案計畫推動、辦理推廣活動與工作坊相關作業。 2. 負責部門計畫文書行政作業(如團隊合作溝通、會議安排、相關計畫資料彙整、成果報告撰寫等)。 3. 協助部門經費收支統計 4. 其他主管交辦事項展開 -
工研院綠能所_再生能源計畫管理派遣人員(550V100) _ 工作地點:台北
月薪 32000~55000元 台北市松山區 工作經歷不拘1.辦理再生能源補助或示範獎勵相關執行作業 2,辦理經濟能源署「再生能源專案辦公室」相關業務推動 3,協助處理其他相關具時效性之臨時交辦事項,如資 料彙整及編修、報告撰寫等展開 -
工研院綠能所_電業查驗計劃管理人員派遣人員(550U100)
月薪 32000~55000元 新竹縣竹東鎮 工作經歷不拘1.辦理電業查驗及電業申設相關會議安排,及協助規畫現勘行程並配合出差。 2.辦理電業查驗及電業申設案件之文件資料與會議記錄繕打、掃描、彙整、歸檔等作業 3.辦理電業申設案件進度控管及進度追蹤等作業。 4.處理電業設備查驗網站資料上傳、文件歸檔及業者填報資料之進度管控與追蹤作業。 5.配合執行團隊辦理相關行政事務及其他臨時交辦事項。展開 -
工研院綠能所_計劃管理人員派遣人員(550U100)(台北能源署)
月薪 32000~50000元 台北市中山區 工作經歷不拘1.派駐於能源署,擔任電業申設相關業務之窗口。 2.協助辦理電業申設案件審查之相關行政作業。 3.進行電業申設案件進度控管、追蹤與公文分辦作業。 4.跨單位及跨組室溝通協調,及協助安排現勘行程並配合出差。 5.協助處理能源署相關臨時交辦與行政事務等事宜。展開 -
-
統一–派遣企劃專員
月薪 34000元 台南市永康區 工作經歷不拘1. 策劃發想品牌推廣行銷策略、提案規劃、專案管理與結案分析 2. 內部(執行團隊)、外部(品牌、客戶)溝通、協調及掌握專案流程進度及品質 3. 活動場控、管理與監督 4. 客戶開發及客戶關係維繫 5. 上級交辦事項 上班時間8:00~17:00 因應業務需求﹐偶而須配合調整上下班時間(或日期)展開 -
派遣_資訊處_文書行政人員(B4)
月薪 35000元 新竹縣竹東鎮 5~6年工作經驗1. 辦理合約與文件之相關文檔行政作業。 2. 辦理公文收發、用印服務、印信管理與檔案管理。 3. 維護文檔行政規章與標準作業程序。 4. 臨櫃業務執行,處理所方辦文需求。展開 -
-
【獵才–金融控股】雲端 Cloud–Native 技術架構師 / 軟體架構師
面議(經常性薪資達4萬元或以上) 1000000元 台北市信義區 6~7年工作經驗本職位負責推動企業雲端數位轉型與應用系統現代化,涵蓋多雲(AWS、GCP、Azure)環境的架構設計與標準制定,並協助打造穩健、可擴展的Cloud-Native與分散式系統,提升金融服務創新與價值。 工作內容 1. 規劃與設計集團雲端轉型專案架構,提供多雲環境下的整體解決方案。 2. 擔任雲端技術顧問,推動Cloud-Native技術與架構標準化。 3. 研究並導入創新雲端技術與應用,促進內外部系統現代化與產品化。 4. 協助系統、資料庫設計及整體軟體架構規劃,支持金融應用發展。 基本條件 1. 熟悉GCP、AWS、Azure等公有雲平台之設計與應用經驗 2. 具備大型雲原生系統、分散式系統或金融系統架構設計經驗 3. 熟悉微服務架構(如Spring Boot、ExpressJS、FastAPI),能建立共用元件與程式規範 4. 熟悉容器化與部署技術(Docker、Kubernetes、GKE等) 5. 至少3年以上軟體架構設計與資料庫(RDBMS或NoSQL)設計經驗 6. 理解並熟悉Cloud-Native與分散式系統相關技術展開 -
【獵才–金融控股】資深資料科學工程師 Senior Machine Learning Engineer – 人工智慧科技
面議(經常性薪資達4萬元或以上) 1000000元 台北市信義區 5~6年工作經驗致力於掌握最新人工智慧技術發展,並將 AI 能力系統化、平台化,實際落地於集團各項業務場景。 資深資料科學工程師在國泰金控為團隊中的關鍵技術角色,除具備扎實的機器學習工程能力外,亦需能在不明確需求與跨部門協作情境中,主動釐清問題、設計解決方案,並確保模型與系統能穩定、可擴展地運行於生產環境,具備系統分析得能力。 此職位將在 AI 專案導入、模型工程化、MLOps 架構與團隊技術深化中,扮演 **技術推進者與經驗傳承者** 的角色,協助提升整體團隊的工程成熟度與交付品質。 我們期待你不只是完成任務,而是能對「如何把 AI 做好、做穩、做長久」提出判斷與選擇。 主要工作內容(Responsibilities) 1. 與資料科學家、產品負責人及專案經理緊密合作,共同定義問題、設計可落地的機器學習解決方案,並評估技術可行性與風險。 2. 主導或深度參與機器學習模型之工程化,將研究或原型系統轉化為可維運、可擴展且符合資安與合規要求的生產級服務。 3. 規劃與實作模型訓練、部署、監控與再訓練流程,持續優化模型效能、穩定性與資源使用效率。 4. 參與或設計 MLOps 架構(如模型版本控管、CI/CD、自動化部署與監控),提升團隊整體開發與交付效率。 5. 針對既有模型與系統進行效能分析與技術債盤點,提出具體改善方案並協助落實。 6. 於跨職能團隊中提供專業技術建議,協助利害關係人理解機器學習應用的價值、限制與風險。 7. 指導或協助較資淺工程師成長,分享實務經驗與工程最佳實踐,共同提升團隊技術水準。展開
