轉職熱搜工作

1.弱電(設施網路、門禁..)設備設備維護及保養。  2.消防設施維護保養及安全檢修申報。 3.報修案及緊急事件(天災、停水停電..)因應處理。 4.其他推動辦公室及主管交辦事項之執行。

1.安排及協調主管行程與部門行政工作 ； 2. 規劃及執行部門內及跨部門合作業務 (包含：活動規劃及執行、報表彙整及歸檔、共通性會議議程規劃及執行、會議紀錄、會議辦理等)； 3主管交辦事項及其他支援任務 【*職能要求*】 1.能精準管理多重行程；具備會議紀錄撰寫及掌握重點能力 2.清楚界定資訊傳遞範疇，具備職業道德與資訊安全意識 3.遇到未知問題具有主動查詢解決方案能力 4.具有自我檢核之細心與責任感，確保產出品質 5.理解及溝通協調能力

1.負責六甲物流機器人實驗室與新竹研發團隊間的行政事務聯繫與安排 2.依據新竹端需求與指令，進行六甲實驗室內設備的調整與啟動關閉 3.若對機器人應用有興趣，亦可參與相關討論

1.解決員工軟硬體問題，包括電腦、網路、電話、印表機等設備故障排除 2.協助OA軟體安裝及作業系統安裝 3.使用者帳號維護、資訊設備管理 4.編寫操作手冊、軟體授權及安裝 5.支援裝機處理、硬體升級安裝，電腦硬體故障排除 6. 資訊設備/零組件請購

支援實驗室事務，包括 1. 實驗室日常營運看守管理；實驗室文件管理，文件收送申請。 2. 貴重儀器與伺服器等設備與零料件，線材，耗材的管理收整，清點，設備保養送校，維護，與軟軔體更新。 3. 協助測試環境架設，測試系統校正，支援測試工作。協助收整測試後的零料件與儀器。 4. 支援測試程式開發，自動化測試流程建立；電路圖繪製，電路板佈局設計等。

1. 安排主管會議及行程，釐清會議目的及必要性，如會議衝突時須跨部門溝通協調。 2. 負責組內行政事務、會議召集及議程安排、外賓來訪規劃及接待等事宜。 3. 籌辦組內及跨組合作活動(包含：活動規劃、預算控管、核銷作業及執行成果結報)。 4. 其他主管臨時交辦事項與行政支援，並主動追蹤進度及稽核事項回報確認。

1.擔任組助理及行政庶務工作，如主管會議安排及協助追蹤確認主管交辦事項、文書資料處理。 2.負責辦理組內活動、空間規劃和辦公室環境優化。 3.組內業務相關報銷事宜、合約與文件之相關文檔行政作業，並協助空間及實驗區域管理 4.協助組長室相關專案執行，收集彙整資料、收發公文並處理會簽文件。 5.其他主管臨時交辦事項。

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

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。