轉職熱搜工作

【工作內容】 1.材料化學領域產業數據分析 2.材料化學領域數據清整分析，彙整數據結果並分析原因，撰寫執行與建議報告書與數據分析模型建置 3.規劃、執行與管理材料化學領域數據分析相關之研究計畫 4.研究計畫提案與相關研究成果服務推廣與廠商訪視 【研究室簡介】 本研究室專注在發展應用於材料科學與產業之AI相關技術，透過AI平台MACSiMUM (https://www.macsimum.org/)與相關數位工具導入，於線上/線下提供產業於材料設計模擬、製程數據資料、產品實驗驗證階段之AI工具與人才培育能量，降低材料廠商跨入智慧化IT技術的門檻，改變國內材料廠商的研發模式與思維，並連結材化所內部技術與材料/製程/元件的驗證數據，利用整合解決方案以更直觀的模式向客戶展現技術能量與提供協助 【亮點技術】 1.材化領域AI專案導入與輔導 2.材料設計模擬與特徵萃取 3.材料配方與製程優化 4.材料技術數據資料庫規劃與建置 5.材料開發數據清整分析與AI (機器學習、深度學習...)模型建置 【工研院材化所~熱情招募中】 我們擁有充足的研發資源，打造菁英研發環境，鼓勵創新求變，豐富技術視野 熱情邀請具材料/化學/化工/電機/AI等專業能力的你加入，展開研發菁英旅程 #綠色科技 #淨零碳排 #永續環境

1.具程式開發技術與軟體架構規劃能力 2.熟悉資料庫，熟悉資料性能優化技能 3.具備強烈的進取心、求知欲以及團隊合作精神，有較強的溝通和協調能力 4.熟資訊庫管理系統開發者佳 5.具資訊系統創新應用技能(如AI、Blockchain)者佳

【工作內容】 1. 資料管道建置與維運： 設計、開發和維護高效、可擴展的資料管道，確保資料從各個來源可靠地流向資料倉儲、數據湖和資料分析平台。 2. 資料模型與整合： 熟悉資料倉儲和數據湖概念，根據業務需求進行資料建模、資料處理和資料整合，確保資料的準確性和一致性。 3. ETL/ELT 開發與優化： 熟練使用資料處理框架（如 Informatica、Airflow 等）進行 ETL/ELT 流程的設計、開發和優化，提升資料處理效率。 4. 雲端資料工程： 具備 Azure 或 AWS 雲端平台實務經驗，能夠在雲端環境中部署和管理資料工程解決方案，運用雲端服務提升資料處理能力。 5. 異質資料處理： 能夠處理各種異質資料來源，進行資料清理、轉換和整合，解決資料格式和結構不一致的問題。 6. 跨團隊協作： 與資料分析師和業務團隊緊密合作，了解資料需求，提供資料支援，共同推動資料驅動的決策。 7. CI/CD 導入與實踐： 熟悉 CI/CD 流程，能夠設計和實施自動化部署和測試流程，確保資料管道的穩定性和可靠性，加速開發迭代。 8. 技術研究與創新： 持續研究和評估新的資料工程技術和工具，提出改進建議，並將其應用於實際工作中，保持技術領先。

工作內容: 1 設計和建立資料分析報告和資料儀表板， 2.提供資訊視覺化及說明分析。 3.運用統計概念與資料驅動思維，收集和清理各類型資料，並設計資料分析方法，建立相關資料應用。 4.跨系統資料梳理及資料倉儲整合(ETL)應用(SSIS、Store Procedure)。 專業能力: 1.對數據分析具有統整運用能力,具有撰寫良好的分析報告能力。 2.對於探索資料具有熱忱與好奇心，會主動了解相關技術與知識。 3.能直接面對使用者與需求單位，具備細心、耐心、清晰的邏輯思維與簡報能力。

Job Summary/Role: The Big data developer team works closely with the manufacturing functions in all relative data fields, such as, 1) connecting and automating the data pipeline from MFG file servers, API, RDB, etc., 2) building structurally data warehouse and data market for flexible application or dashboard, and 3) also handling data cleansing and data governance. In order to accelerate the development of application/analysis, Big data developer will be the individual contributor with strong experience in the technologies of Big Data, Data warehouse, SQL and NoSQL etc. Also Big data developer will also work closely with data analysts/data scientists to solve the real MFG cases. Responsibility: • Collaborate with users, data analysts, data scientists to develop flowcharts, layouts and documents to identify solutions. • Architect on real MFG needs and translate requirements into technical needs. • Identify and understand the data sources that are relevant for analysis, and implement efficient data engineering functions (including data ingestion, cleaning, ETL, integration, etc.) • Consolidate the requirements and using data engineering skills to design a robust Data Mart. • Participate in design, architecture review and deployment of Big data and data warehouse solutions. • Design for automation and monitoring mechanism in a continuous integration environment. • Bring new data technology with POC to solve existing data challenges. • With high performance and comprehensive SQL to process data in relational databases (or Map/Reduce style querying for NoSQL databases). • Work closely with user/IT/data science team to design and develop scalable data pipeline or end-to-end analytical workflow. • Provide direction, training, and guidance to less experienced team members.

1. 負責數據工程平台優化，包含資料治理、品質管理與使用者體驗設計。 2. 規劃與建置數據流程架構，整合內外部資料來源，支援業務分析與應用。 3. 調研新興數據技術，提升平台效能與智能化應用，導入創新解決方案，發揮數據價值。 4. 培養學習能力，指導團隊成員，傳承知識與經驗，推動新技術落地。 【履歷投遞】 **加快審核方式：下載制式履歷表進行填寫投遞(https://mma.tw/O05FY)

【工作內容】 1. 配合公司業務需求，系統分析與數據分析的需求規劃，並撰寫相關開發文件（如需求規格書、流程圖、Wireframe 等）。 2. 進行數位化軟體開發的管理，包括需求分析、軟體品質控管、測試驗收、上版、問題追蹤，確保任務順利交付。 3. 協助跨部門溝通，確保開發團隊了解業務需求，並提供技術支持以優化系統功能。 4. 監控專案進度，評估開發成果，進行品質檢驗並撰寫驗收報告。 5. 熟悉.NET開發和WebAPI整合，具備數位化開發經驗。 【工作技能】 1. 善於跨部門溝通，具備良好的問題解決能力和邏輯思維。 2. 主動積極，具備獨立作業與團隊協作能力。 3. 細心且具責任心，能準確執行文件撰寫、需求分析與品質控管。 4. 具備良好的數據分析能力，熟悉SQL基礎查詢及數據報表分析。 【加分條件】 熟悉專案管理及敏捷開發流程。

1.資訊設備與資產管理 ①電腦、伺服器、網路設備採購、安裝、設定與管理 ②軟體安裝部署、授權管理 ③電腦周邊與網路連線設定（印表機、內外網路、伺服器連線） 2.系統與網路維運 ①協助使用者端資訊系統問題診斷、排除、技術支援 ②各類軟硬體與網路系統故障排除與維護 ③伺服器與網路架構管理 ④網路、伺服器建置、維護、權限管理 ⑤․系統備份、資安管理與資料保護 3.網站與資訊系統 ①聯繫合作廠商處理公司網站內容調整 ②協助資訊應用程式相關操作及改善 4.資料庫管理與分析 ①資料庫管理、備份、效能維護 ②進行數據分析與可視化報表製作

工作內容 模擬數據處理、資料庫分析與預測模型生成 1.機器學習與預測模型建立：有相關實戰經驗，例如支持向量機、神經網路等 2.數據分析策略與框架建構：例如熟悉數據挖掘流程（CRISP-DM）或其他分析框架。 3.與CAE工程師合作，應用CAE模擬結果與實車量測數據生成電動車電池老化與壽命預測之模型 4.產出研究報告/期刊論文