轉職熱搜工作

一、設計與開發 RAG（Retrieval-Augmented Generation）流程 建構高效且可擴充的 RAG 流程，支援 GenAI 應用場景，包括： 　- 資料預處理：將文本、圖像、程式碼等多種格式資料轉換為模型可理解的輸入 　- 向量嵌入：應用向量化技術（如 SentenceTransformers）將資料轉為向量表示，並儲存於向量資料庫 　- 相似度檢索：根據使用者查詢，快速檢索出語意上最相關的資料片段 　- 提示強化：整合檢索結果至 LLM 提示詞中，提升生成內容的準確性與相關性 　- 輸出生成：結合語境與知識基礎，由 GenAI 模型產出高品質內容 　- 評估並選用最適合的向量資料庫與嵌入模型（如 Pinecone、Milvus），確保系統效能與可擴充性 　- 持續優化 RAG 整體流程的精準度、查詢速度與資源效率 二、建構與維運向量資料庫系統 根據業務需求選型向量資料庫，進行環境部署與性能調校 設計合理的資料 schema，並確保資料一致性、完整性與安全性 開發自動化工具與腳本，協助資料的導入、更新、同步與清理 監控資料庫運作情況，持續進行效能優化與問題排查 三、開發與調優向量嵌入模型 根據不同資料類型與應用情境，選擇適用的嵌入技術與模型架構 使用現有工具（如 HuggingFace、SentenceTransformers）訓練或微調向量模型 建立模型效能評估機制，並依據結果進行優化與版本控管 四、提升 GenAI 應用品質 利用 RAG 技術降低幻覺（hallucination）風險，提升回應準確度與可信度 建立內容驗證與監控機制，確保模型輸出符合業務邏輯與事實基礎 持續推動 GenAI 應用可觀測性與品質保證流程 五、跨部門合作與技術溝通 與 GenAI 應用工程師、資料科學家及產品團隊緊密協作，確保資料應用與業務需求對齊 以簡明方式向非技術人員說明 RAG 技術與向量資料庫的運作邏輯與價值，推動跨部門共識與落地 六、技術研究與專業發展 掌握最新的 RAG 框架、向量資料庫技術與嵌入模型演進趨勢 研究前沿的向量搜尋演算法與多模態資料處理技術 積極參與相關研討會、工作坊與開發者社群，拓展技術視野與業界人脈

- 設計數據平臺混合技術架構，指導自開發團隊進行技術落地和優化，確保數據工具高效運行 - 提供對第三方產品的技術支持與整合建議 - 識別事業群架構現狀與目標狀態的差距 - 在事業群實施部署架構確實模塊和〝中腦〝 - 管理事業群內部架構部署的技術文檔

- 推動跨系統和模塊的集成，解決架構相關技術問題 - 架構設計: 設計Genesis Store 架構模塊並與IT/OT組件集成 - 與開發團隊保持密切溝通交流，設置檢查要求和節點，推動用例標準化 - 生態合作對接: 確定IT/OT架構與生態解決方案之間的一致性和匹配性 - 知識庫與Token*相關的系統建設: 負責相關的系統設計與建設 (如: 知識管理、Token*管理) *Token: 透過GenAI技術整合各種跨事業群的生產相關資料，如: 語句、圖像後的數據單位，有助在不同場景下訓練AI引擎

✅ 鍋爐及相關設備的維修與定期保養 ✅ 故障診斷與現場排修處理 ✅ 客戶售後服務與技術諮詢 ✅ 提出系統改善建議，維繫客戶關係 ✅ 客戶拜訪與問題處理（含產品狀況了解、客訴應對） ✅ 撰寫維修報告 ✅ 無經驗可，公司提供培訓 ✅ 須具汽車駕照

1. 真空管清潔、洗滌塔機台設備(local scrubber)售後服務維修保養 2. 夜間假日需輪ON-CALL、值班 3. VIS-1,2機台維修保養，TSMC3、 TSMC12P8保固內機台維修保養，TSMC8 、TLSM合約作業

1. 負責需求分析與流程規劃，洞察潛在關鍵應用或數據，並運用內外部數據進行前期探索分析及策略建議。 2. 負責梳理並規劃機器學習研發資料庫架構，建立數據品質流程管理與維護計畫，掌握數據產品策略及生命週期。 3. 能將數據應用產品轉化為需求文件、系統分析/設計文件及擬定測試案例。

1. 真空管清潔、洗滌塔機台設備(local scrubber)售後服務維修保養 2. 夜間假日需輪ON-CALL、值班 3. VIS-1,2機台維修保養，TSMC3、 TSMC12P8保固內機台維修保養，TSMC8 、TLSM合約作業

1.資料倉儲等數據相關系統架構規劃管理及維運 2. 依需求內容與user進行大數據相關需求訪談，確認規格及系統開發設計作業 3. 負責大數據系統、批次作業管理與監控，並進行系統問題預防、處理及優化作業

您將會協助企業探索及實現AI場景： 1. 進行技術可行性分析 2. 開發AI相關應用場景 3. 整合及部署AI解決方案，顯示LLM結果 4. 持續跟進最新AI趨勢及技術 5. 與Global Alliance技術交流 6. 研發AI解決方案技術(e.g. Microsoft、Salesforce) 7. 協助其他Ad-hoc的工作項目。

1. 深度學習資料分析運用於機器視覺 2. 深度學習演算法研究 3. 資料前處理：確認客戶需求及資料來源彙整、依據資料分析需求，進行資料清理、邏輯運算與彙總 4. 資料轉檔與分析: 資料轉檔、篩選、比對、彙總、分析相關作業數據 5. 預測分析: 深度學習演算法, 建置模組, 優化模組 6. 資料呈現：依據專案需求特性，提供對應之資料呈現模式，資料邏輯調整與維護 7. 建構資料與即時運算系統整合服務 8. 參與產品需求收集與測試 #視能力狀況薪面議