轉職熱搜工作

Job Summary: The Machine Learning engineer will be responsible for computer vision related projects, particularly in advanced image/video processing analyses and utilized for improving product quality, production yield, and factory effectiveness, along with other R&D activities such as algorithm designs, prototype developments and experimental designs. Key Responsibilities: • Design, implement, and refine advanced Machine Learning/Deep Learning models to support product quality improvement, increasing yield and factory effectiveness. • Cultivate strong relationships with production line engineers, IT, and other key stakeholders to ensure alignment of modeling initiatives with company objectives and to identify new hypotheses for model improvements. • Scale out modeling capacity by driving infrastructure improvements such as automation of data preparations, model training, implementation, and optimization. • Apply deep learning and computer vision techniques, such as image classification, object detection, and support integration of models into tools for use by product engineers and business analysts. • Engage with customers to develop and customized data analytics solutions to address special needs. • Address ad hoc queries from management and present actionable recommendations in a clear, concise, and convincing manner. • Communicate the application and benefits of using various modeling techniques to improve decision-making to customers and stakeholders. • Collaborate effectively with team members, whether leading projects or supporting initiatives led by others. • Research and evaluate new data technology and state-of-art algorithms, and keep up to date with market trends and competitive insights.

1.針對資料清理挖掘分析，從中找出具商業價值的分析洞察 2.建立AI/Machine Learning model，協助解決業務問題 3.透過資料分析方法協助跨部門專案 4.找尋新資料契機，並與既有資料進行整合創造綜效 5.以機器、深度學習與統計分析等最佳化研究與開發 6.協助專案研發與新技術的導入 7.對學習新技術具有熱情，具備良好的溝通及團隊合作能力 8.其他主管交辦事項

1.資料分析 (1)統計理論相關知識，並有數據分析實際經驗。 (2)使用統計與資料分析軟體，進行專案產生之數據分析。 (3)提供數據視覺化報表及說明。 2.專案管理 (1)專案規劃、啟動、執行、驗收、保固追蹤。 (2)召開專案定期會議，進度報告、會議紀錄發布與確認。 (3)專案成員合作協調、驗收規劃、教育訓練課程安排、保固追蹤。 (4)專案文件需求規劃、分工、跟催彙整、檢閱與交付。 (5)專案風險評估、管理與排除。

1. 分析業務場景痛點、業務流程潛在問題，研擬、設計與評估解決方案 2. 蒐集、分析、清洗、合成各類結構化/非結構化數據(金融業務相關知識)，研發導入AI模型與代理(Agent)於金融場景 3. 研發應用自然語言處理、深度學習、機器學習技術完成概念驗證(proof of concept)或原型(prototype)或軟體模組，彙整驗證結果與研究發現、進行有效簡報 4. 與IT/架構師合作完成AI模型與業務系統串接，協力推動智能金融專案應用落地

我們是一支快速成長的數據團隊，致力於運用數據驅動企業創新。我們正在尋找對數據、雲端技術、AI 應用充滿熱情的夥伴，與我們一起挑戰技術極限、共同學習成長，並將數據價值轉化為實際影響生活的商業影響力！ 如果你渴望技術挑戰、喜歡團隊合作、希望你的工作能創造真正的影響，歡迎加入我們！ 我們需要這樣的人： 1. 熱愛數據技術 - 對數據工程充滿興趣，渴望深入探索並成長為數據科學專業人才 2. 重視團隊合作 - 在團隊中互相支援、交流討論，找出最佳方案來解決問題 3. 主動學習成長 - 具備學習動力，能適應快速變化的技術環境，持續精進技能 4. 勇於挑戰創新 - 保持開放心態，不設限自己的發展，樂於嘗試新技術與跨領域合作 1.AI 與數據模型開發: 獨立完成機器學習模型(（回歸、分類、聚類等）的設計、訓練與開發任務，用於業務、行銷、商品等部門利用數據，提升業務策略與成效 2.跨部門協作: 訪談需求單位，配合業務目標，應用AI智能模型與數據技術規劃落地於業務場景之方案。 3.數據處理與特徵工程: 從零開始進行數據清洗、特徵工程及分析，確保數據質量與模型效能最佳化。 4.資料建模分析: 透過訓練機器學習模型及數據分析，提供有價值的洞察和建議，以協助業務推展。 5.技術優化與維護: 監控模型運行效能，進行迭代優化，確保技術方案的穩定性與持續改進 【條件要求】 －有相關領域的學學位，如、統計、數學、資管、資工等數據相關工作 －具備三年以上大數據分析/機器學習相關工作經驗，需於面試展示數據相關專案 －具備良好的溝通能力，需與使用者PM確認落地情境，以及與工程師溝通確認部署與API工項 －熟悉SQL、Python (pandas、numpy、pyspark、scikit-learn等套件)，面試時將有上機考試 －具備推薦系統、會員標籤預測等建模經驗，且能維運並優化模型，確保其表現符合使用效益 【加分項目】 －具雲端數據平台開發經驗，GCP尤佳。 －具備使用 Docker、Kubernetes 以及 CI／CD 等經驗尤佳。 －具備使用 RESTful API 等經驗尤佳。

我們是一支快速成長的數據團隊，致力於運用數據驅動企業創新。我們正在尋找對數據、雲端技術、AI 應用充滿熱情的夥伴，與我們一起挑戰技術極限、共同學習成長，並將數據價值轉化為實際影響生活的商業影響力！ 如果你渴望技術挑戰、喜歡團隊合作、希望你的工作能創造真正的影響，歡迎加入我們！ 我們需要這樣的人： 1. 熱愛數據技術 - 對數據工程充滿興趣，渴望深入探索並成長為數據科學專業人才 2. 重視團隊合作 - 在團隊中互相支援、交流討論，找出最佳方案來解決問題 3. 主動學習成長 - 具備學習動力，能適應快速變化的技術環境，持續精進技能 4. 勇於挑戰創新 - 保持開放心態，不設限自己的發展，樂於嘗試新技術與跨領域合作 數據工程師的核心挑戰與工作內容： 1. 數據處理與自動化 — 了解與整合異質數據來源（API、資料庫、CSV、Parquet 等），建立高可靠度的 ETL／ELT 數據自動化處理流程、部署與監控機制，確保服務穩定性 2. 數據中台架構設計與維運 — 參與數據中台之架構規劃、解決方案設計、開發、測試部署與維運管理 3. 資料品質與監控機制 — 協助設計資料品質檢查，及並學習追蹤與處理各任務狀態與效能問題。 4. 數據中台升級及維運 — 與數據分析師、資料科學家合作，了解分析需求並提供乾淨可靠的資料，學習如何將技術成果轉化為實際業務價值 【條件要求】 －有相關領域的學學位，如、統計、數學、資管、資工等數據相關工作、。 －具 ETL／資料管線（如 Airflow、DBT 等）實作經驗，並可於面試展示數據相關專案。 －具使用Python和數據庫管理（SQL）的經驗。 －了解任一雲端平台開發經驗或具學習經驗，GCP實作經驗尤佳。 －了解 Docker 以及 CI／CD 經驗尤佳

1.Databricks 平台維運與開發： 運用 Databricks Workflows 建立與維護自動化數據管線，確保資料每日準時產出。 2.核心 ETL 流程開發： 負責資料的提取、清洗與轉換（ETL），將內部系統資料導入 Databricks 中進行結構化處理。 3.多源系統數據對接： 協助規劃並執行公司內部多元系統（如 ERP, CRM 等）串接到 Databricks 的路徑，解決資料導入的技術痛點。 4.數據架構實作： 實踐 Medallion Architecture (Bronze/Silver/Gold) 架構，優化數據儲存品質。 5.Genie AI 應用： 探索如何利用 Databricks 內建的 AI 工具，提升內部數據分析的自動化程度。 6.數據服務平台整合 (輔助)： 維護現有穩定運行的數據管理介面。

我們是一支快速成長的數據團隊，致力於運用數據驅動企業創新。我們正在尋找對數據、雲端技術、AI 應用充滿熱情的夥伴，與我們一起挑戰技術極限、共同學習成長，並將數據價值轉化為實際影響生活的商業影響力！ 如果你渴望技術挑戰、喜歡團隊合作、希望你的工作能創造真正的影響，歡迎加入我們！ 我們需要這樣的人： 1. 能獨立作業解決問題 - 0→1 打造系統架構、API 與雲端服務的全端工程師。 2. 重視團隊合作 - 在團隊中互相支援、交流討論，找出最佳方案來解決問題 3. 主動學習成長 - 具備學習動力，能適應快速變化的技術環境，持續精進技能 4. 勇於挑戰創新 - 保持開放心態，不設限自己的發展，樂於嘗試新技術與跨領域合作 全端的核心挑戰與工作內容： 1.負責數據相關後端架構設計、規劃和實作，確保交易與資料流程的安全性與穩定性。 2.使用後端技術（如 Python、.NET、Node.js、PHP）設計、開發並維護高效能、可擴展的後端服務、RESTful API以支援數據應用與業務功能。 3.熟悉事件驅動架構（Event-Driven）、即時與批次處理流程，能進行跨系統資料交換與 API 串接整合。。 4.理解並應用加密與認證技術（密鑰管理、憑證自動化、OAuth2、JWT 等），確保資料與服務安全。 5.熟悉 GCP 雲端後端技術、Redis、CI/CD、Git 與容器化（Docker / Kubernetes）環境管理。 6.與數據產品經理、數據分析師及資料科學家協作，設計穩定的 API 介面，確保數據流暢整合並提升產品體驗 7.建立監控與異常警示機制，負責系統效能優化與故障排除，持續提升服務穩定度與可靠性。

KPMG顧問服務部門的金融監管科技顧問團隊，長期與金融業客戶合作，協助推動金融合規與風險管理智能化管理系統導入。我們的專案涵蓋金融風險管理、資產負債管理、反洗錢反詐機器學習模型、財務績效分析等領域，並與國際解決方案供應商密切合作，實現技術落地與營運優化。我們正尋找能透過運用數據、金融專業與機器學習技術解決真實世界問題的夥伴。你將有機會在頂尖的顧問團隊中，接觸多元且具挑戰性的議題，並將機器學習技術轉化為實際的解決方案。 你將參與的工作內容包含： ●運用機器學習於金融風險與合規管理應用：運用機器學習與深度學習技術建模，應用於金融事件異常偵測、金融風險預測等核心任務。透過真實數據以及推論數據，進行模式識別以偵測風險事件。 ●數據治理與數據處理：與技術顧問合作，規劃數據治理及數據處理邏輯，確保數據品質並解決資料缺失或稀少問題。 ●技術研究與應用：持續關注業界技術趨勢，並與全球知名軟體合作廠商合作，研究軟體工具功能，將其應用於團隊的解決方案中。 加入全球知名企業KPMG，我們提供一個以解決問題為導向的自由工作環境。您將能： ●接觸真實世界數據，發揮機器學習實作能力，並在各領域專業顧問團隊的合作下，共同打造客戶所需要的實務解決方案 ●透過實務經驗快速成長，培養顧問應具備的專業能力與實務經驗 ●跨領域團隊合作，與各領域學有專精的顧問及客戶合作，拓展視野與專業深度 ●發展多元職涯路徑，例如資料科學家、風控顧問、反洗錢反欺詐顧問、績效管理顧問、專案經理等

1. 協助客戶進行資料庫設計、BI分析、資料庫管理應用等事務 2. 提供客戶資料倉儲、資料市集、Hadoop生態系、Azure/開源資料庫…等建置，向客戶提案如何落實各項系統環境策略與發展藍圖 3. 提供客戶資訊系統infrastructure設計與建置 4. 運用HTML, CSS, JAVA, Python, .net知識進行程式架構設計 5. 客戶訪談、邏輯分析系統化歸納(量化與質化)及製作專業簡報 6. 視情況撰寫商業計畫及顧問諮詢專業報告