轉職熱搜工作

1. 配合業務需求進行需求訪談分析與設計。 2. 規劃執行系統軟體架構及模組設計。 3. 依需求擬定功能測試個案、測試計畫、測試進度追蹤與問題管理。 4. 協助研發軟體新技術與新工具。 ※請至中信官方招募網站投遞履歷： https://ctbcholding.wd3.myworkdayjobs.com/External/job/––-_JR238

1.執行有機/無機樣品分析作業。 2.實驗室品管文件紀錄與維護。 3.配合評鑑認證活動準備資料。 4.化學實驗室熟悉GC 、ICP、UV.....等儀器操作、數據分析。 5.配合船班輪值。

1. 生產數據視覺化及網頁開發 2. 運用大數據資料分析技術，提供各項生產優化建議 3. 運用統計分析方法及機器學習提出適合演算模型 4. 生成式AI模型應用(大型語言模型 .RAG .Fine-tuning模型… )及協助開發AI Agent(含資料庫查詢.圖表生成.任務自動化模組…) #Python #機器學習 Machine Learning #大數據 Big Data

崗位核心職責 1.資料庫架構與穩定性保障：負責包括MySQL、PostgreSQL、Redis等在內的大型資料庫集群的架構設計、評審、部署和高可用方案實施，確保系統7x24小時穩定高效運行，具備跨地域容災能力。 2.性能優化與故障管理：主導資料庫的性能監控、SQL審核與調優、慢查詢分析及容量規劃。能夠快速回應並處理線上資料庫突發故障，制定應急預案並沉澱解決方案。 3.AI賦能與自動化運維： 利用機器學習技術，探索和實踐資料庫性能的智慧預測、異常檢測與自愈。 開發或引入AI工具，自動化處理海量日誌分析、智慧索引推薦等任務，提升運維效率。 參與建設自動化運維平臺，實現資料庫部署、監控、備份、擴容等流程的智慧化與平臺化。 4.資料服務與規範制定：為開發團隊提供資料庫設計諮詢、SQL優化支援，並制定資料庫開發與運維規範。推動資料備份、恢復、安全及許可權管理體系的完善。任職資格要求 必需條件： 基本條件：電腦科學或相關專業本科及以上學歷，擁有5年及以上互聯網或大型企業DBA工作經驗，具備大規模、高併發資料庫集群的管理和優化經驗。 核心技術能力： 1. 資料庫精通：深入理解MySQL、PostgreSQL等至少一種主流關係型數據庫的體系架構、原理與核心機制（如InnoDB存儲引擎、事務、鎖、複製原理）。熟悉Redis、MongoDB等NoSQL資料庫，或有TiDB、OceanBase等分散式資料庫實踐經驗者更佳。 2. AI與技術實踐：對AI在資料庫領域的應用有濃厚興趣，具備使用Python、Shell等指令碼語言進行自動化工具開發的能力。有AI運維（AIOps）相關實踐經驗者優先考慮。 3. 平臺與工具：熟悉Prometheus、Grafana等監控工具，並具備通過腳本或自動化平臺處理複雜運維場景的能力。 4. 軟技能：具備優秀的問題分析、解決能力和強烈的責任心，擁有良好的團隊協作與溝通能力，能承受一定的工作壓力。 加分項 1. 有從零到一構建或主導過資料庫自動化、智慧化運維平臺的經驗。 2. 熟悉主流雲服務商（如AWS RDS、阿裡雲PolarDB）的資料庫產品及最佳實踐。 3. 具備資料庫安全、審計、資料脫敏等相關經驗。 4. 擁有AI專案落地經驗，或對機器學習、大資料處理技術有深入瞭解。。 5. 強烈的責任心、團隊協作精神和邏輯分析能力，能跨部門推動技術方案落地。 6. 對技術有熱情，具備創新意識和持續學習能力。

1.設計遊戲玩法與得分機制。 2.熟悉排列組合、機率理論，與建立遊戲機率模型。 3.驗證機率模型之正確性、公平性與可行性。 4.調整各項參數，優化遊戲體驗。

1. 數據分析： 1.1 數據收集、整合資料庫、API 與第三方資料來源 1.2 數據清洗、轉換與前處理 1.3 統計分析、趨勢分析及異常偵測 1.4 自動化資料處理流程 2. AI Framework整合 2.1 整合大型語言模型（LLM）與 AI Framework 2.2 開發 AI 應用功能與優化模型 2.3 系統佈署

1.負責生成式 AI、機器學習及資料分析應用之設計、開發、測試與導入，將業務需求轉化為可落地的 AI 解決方案。 2.開發大語言模型相關應用，包含 RAG 知識檢索、Prompt／Context Engineering、Agent Workflow、模型評估及回應品質優化。 3.串接企業內部資料、資料庫及外部 API，並配合既有系統進行後端服務、工具呼叫與 AI 應用整合。 4.參與政府及企業客戶 AI 專案之需求分析、技術規劃、PoC、系統建置、測試驗證及技術文件撰寫。 5.持續研究生成式 AI、AI Agent、機器學習及雲端 AI 服務等新技術，評估並導入適合的技術方案。

工作內容： ＜About the job＞： We‘re seeking AI/ML enthusiasts with experience and skills in working and are passionate about extending AI/ML expertise. The Data Science & AI team of headquarter IT is developing the frontier and practical analytic technologies that enhance the data value. As the AI/ML engineer, you‘ll join the AI/Big Data Analytics program/projects of headquarter IT and assist in building the model/algorithm to empower data-driven & analytics-driven for driving business value from data insights in this world-class company (Fortune Global 500, 22nd). ＜Job Type Option：＞ *Type1: AI/ML Engineer (Engineering-Oriented) (1) Use Machine Learning/Deeping Learning/Analytical techniques to build models for internal different scenarios and requirements. (2) Building the model lifecycle from data exploration to feature engineering to model evaluation and validity analysis capabilities. (3) Execute efficient, scalable, automated processes for model development, model validation, and model implementation (4) Deploy the model to production and maintain/optimize the models by MLOps. (5) Experience in Azure Data Lake, Azure Databricks, and Azure Data Factory is preferred. (6) Experience in AWS SageMaker is preferred. *Type2: NLP AI Engineer (1) Focused on NLP Algorithm/Machine Learning & Deeping Learning for Text. (2) Develop the Algorithm of NLP(Natural Language Processing)/ Computational Linguistics/Text Mining/Topic Modeling (3) Join the project to build the end-to-end NLP systems, from understanding the requirements to selecting training datasets to model, evaluate, and deliver/deploy NLP models. (4) Fine-tune LLMs and optimize and resolve issues related to LLM usage in production scenarios, enhancing reliability, accuracy, and performance. *Type3: AI/ML Engineer (Analytics-Oriented) (1)Use Machine Learning/Deeping Learning/Analytical techniques to build models for internal different scenarios and requirements. (2)Build the model lifecycle, e.g., from data exploration to feature engineering to model evaluation and validity analysis capabilities. (3)Execute efficient, scalable, automated processes for model development, model validation, and model implementation. (4)Apply quantitative methods including but not limited to above tasks to solve business problems. (5)Being passionate and patient about working with complex data ＜Skills＞ ．Type1 & 3 : AI/ML Engineer(Engineering-Oriented & Analytics-Oriented) (1)Familiarity with any one of Machine Learning, Statistical Modeling, Deep Learning (Nature Language/Image/Time Series) model/algorithm building of the practical application in the industry. (2) Being familiar with Python Libraries, e.g., Numpy, Pandas, Scikit-Learn, SciPy, Matplotlib, etc. (3)(For Engineering-Oriented) Knowledge of Big Data with Machine Learning/Statistical modeling related technologies such as Spark MLlib or PySpark or SparkR/SparklyR. (4)(For Analytics-Oriented) Knowledge of Deep Learning Framework such as TensorFlow/Caffe/Pytorch/Keras. ．Type 2: NLP AI Engineer (1) Experience with text mining algorithms such as word segmentation, POS tagging, named entity recognition...etc. (2) Experience in algorithms and libraries of NLP(Natural Language Processing), especially in machine learning techniques applied to NLP, such as Text mining, Text classification, Information Extraction, Keyword Tagging, and content discovery. (3) Familiar with one general-purpose programming language (e.g., Python, Java, C/C++) (4) Experience manipulating and integrating unstructured, semi-structured, and structured data. (5) Excellent knowledge and demonstrable experience using open-source NLP packages such as NLTK, Word2Vec, Standford CoreNLP, SpaCy, and Gensim. (6) Knowledge of Open source LLMs, such as BERT, BLoom, LLaMA..., etc., and NLP frameworks, like Hugging Face Transformers, PyTorch /JAX

1.與用戶及利益關係人合作，深入理解產品使用情境，主導用戶研究（包含訪談、問卷調查、可用性測試等），轉化為設計策略與具體方案。 2.建立資訊架構、設計使用流程與互動邏輯，確保產品操作直覺、一致且符合使用者心智模型。 3.製作原型（Low-Fi至High-Fi），運用Figma等工具進行快速迭代設計與驗證。 4.協助規劃跨裝置一致性的體驗架構與介面設計策略。 5.設計 AI 產品的互動流程（如意圖判斷、對話腳本設計、錯誤處理邏輯等），提升用戶與AI系統間的互動體驗。 6.善用AI工具輔助設計與研究工作，並評估AI在產品互動中的應用價值與風險。 7.與PM、工程師、數據分析師等跨部門團隊合作，整合業務目標與使用者需求，推進產品體驗持續優化。