轉職熱搜工作

1.開發並維護SuperAPP平台功能模組，確保高效與穩定的代碼品質 2.協助進行需求分析，提出技術實現方案 3.持續優化產品性能，提升用戶體驗 4.配合測試團隊進行錯誤修復與功能驗證 5.定期參與代碼審查，分享技術經驗

1.洞悉業界硬體應用技術動向及發展趨勢 2.硬體應用工作整體把控 3.硬體功能測試等各種技術支持 4.專案前期參與硬體需求分析 5.運動控制方案硬體框架搭建 6.運動控制方案硬體框架搭建開發

* 負責雲端Server伺服器的相關工作 1. 協助硬體部門專案測試及報告撰寫 2. 協助部門處理庶務事項 • 計畫介紹： • 實習期間: 即日起-2026/6 (長期實習) • 職缺內容: 實習生 (電子相關科系佳) • 實習薪資: 時薪(一週3天以上)，優於基本工資 ※完整一年期滿轉正過試用期另外有奬金哦~~

1. 網站與軟體開發： 1.1 熟悉應用GenAI相關技術開發（如 LLM檢索增強生成、語音識別、圖片生成、影音生成）進行應用開發 1.2.規劃並實現高效穩定的網站與系統，整合前後端、API、設計 1.3.參與前後端開發，整合各種創新技術（如GenAI、3D、VR）的應用 2.資料庫開發與管理： 2.1.設計、優化與維護資料庫架構，確保數據處理效能與穩定性 2.2.根據業務需求規劃資料模型，進行數據分析與報表生成 3.專案管理與系統規劃： 3.1.制定專案計畫，管理範疇、時程、資源及風險，確保目標按時達成 3.2.與客戶或內部用戶訪談需求，轉化為技術可行方案並撰寫規格文件 3.3.分析系統架構，規劃功能設計與雲端架構部署，確保效能、安全性與穩定性 4.跨部門協作與技術支持： 4.1.與團隊合作完成需求分析與技術評估，提出可行性建議 4.2.解決開發技術問題，制定測試計畫，驗證系統功能與效能達成需求 5.技術創新與研究： 5.1.掌握最新技術趨勢，研究GenAI、3D、VR等領域，提出創新解決方案 5.2.積極探索與實現創新技術應用於業務與產品開發中

1.電池機構設計與結構評估 2.電池產品與製程設計 3.鋰電池生產製程驗證、製程開發驗證、設備導入製程驗證、測試驗證等 4.建立物料規格

一、GenAI 平台功能開發 開發並實現使用者與 GenAI 模型互動的功能，例如：文字輸入、語音輸入、輸出呈現等介面模組 設計並優化 GenAI 平台介面，提升操作直覺性與整體使用者體驗 整合前後端功能，確保模型回應與平台前端互動流程順暢 二、效能優化與平台維運 優化平台的載入速度與回應效能，確保系統穩定性與高可用性 提升資源使用效率，優化平台在各種環境下的執行效能 建立自動化部署流程，協助平台功能快速迭代與更新（DevOps 支援） 三、開發與運維技術整合 熟悉 CI/CD 流程與工具（如 Jenkins、GitLab CI），協助建構穩定的自動化流程 熟悉容器化與雲端部署技術（如 Docker、Kubernetes），支援平台彈性部署與擴展 理解與應用監控與日誌管理工具（如 Prometheus、Grafana、ELK Stack），進行系統監控與問題追蹤

工作內容： 根據UI/UX設計文件，負責車載資訊娛樂系統 IVI (In-Vehicle Infotainment)，在儀表板、中控、副駕螢幕等開發HMI (Human Machine Interface) 軟體。 工作內容包含： 1、利用各式 Android 工具與架構設計進行產品開發：Android Studio、Kotlin、MVVM 架構、Jetpack 元件（ViewModel、LiveData、Navigation 等） 2、與產品owner討論需求，與UI/UX設計師合作，釐清技術實作的邊界，合作開發良好使用體驗的App 3、開發單元測試與整合測試，確保軟體穩定性與可維護性 4、基於需求修改或開發Android framework模組 5、將軟體移植（porting）至實際硬體，處理效能、相容性與顯示問題 6、撰寫開發文件與技術筆記，定期舉辦 Deep Dive 分享 7、參與 Sprint、Daily Stand-up 等敏捷流程，跨部門溝通協作

一、GenAI 應用設計與開發 規劃並帶領團隊設計創新的 GenAI 應用，涵蓋以下核心場景： 　- 內容生成：自動撰寫文案、產生程式碼、翻譯語言、生成音樂與影片等 　- 數據分析：從海量資料中提取洞見，實作預測模型、生成動態報表 　- 智慧客服：建構 AI 聊天機器人、推薦系統、自動回覆模組 　- 教育科技：開發互動式學習工具、自適應學習平台、自動批改系統 根據應用需求選擇合適的 GenAI 模型（如 GPT-4、Gemini、Claude），並進行微調與最佳化 運用相關開發框架與工具（如 LangChain、Python、TensorFlow）實作應用 領導 GenAI 系統與企業內部平台的整合與佈署 二、跨部門協作與技術溝通 與產品經理、UI/UX 設計師、資料科學家、IT 團隊等協作，推動專案開發進度與品質 能以業務導向思維，向非技術團隊清楚說明 GenAI 應用的原理、效益與限制 擔任團隊與高階管理層之間的技術橋樑，提出具可行性的技術建議與決策支持 三、技術研究與知識傳承 持續追蹤全球 GenAI 技術發展趨勢、主流模型演進（如 GPT、Claude、Mistral 等）與最佳實務 深入研究模型訓練、推論效率、提示工程、RAG 等核心技術 推動團隊內部技術分享、建立知識庫、鼓勵參與技術社群與研討活動 四、團隊領導與品質管理 建立技術標準與開發流程，確保 GenAI 應用的穩定性、可維護性與可擴展性 帶領團隊撰寫高品質技術文件與 API 文件 指導應用測試與部署流程，主導關鍵問題除錯與技術瓶頸排解

一、設計與開發 RAG 流程（Retrieval-Augmented Generation） 建置 GenAI 應用所需的 RAG 流程，包括： 　- 資料處理：轉換各種格式（如文本、圖像、程式碼）為模型可解析的結構 　- 向量嵌入：將處理後資料轉為向量表示，並儲存於向量資料庫 　- 相似度檢索：根據使用者查詢，在向量資料庫中搜尋最相關的內容 　- 提示強化：將檢索結果整合至 LLM 輸入提示中，提升生成結果品質 　- 結果產生：透過 GenAI 模型生成最終回應 評估並選擇合適的嵌入模型與向量資料庫（如 Pinecone、Milvus），持續優化流程效能與準確性 二、建置與維護向量資料庫 部署並設定向量資料庫系統，依據需求設計資料結構（schema） 開發資料導入、更新、自動化維護相關工具與腳本 監控資料庫效能與資源使用，進行調校與最佳化 三、開發與優化向量嵌入模型 根據應用場景選擇適合的嵌入模型 利用工具（如 SentenceTransformers）進行模型訓練與微調 監測模型準確性與表現，進行優化與迭代 四、提升 GenAI 應用準確性與可靠性 利用 RAG 技術降低模型產生幻覺（hallucination）的機率 確保模型生成內容具備事實性、準確性與一致性 建立監控與評估機制，強化系統回應品質 五、跨部門協作與技術溝通 與 GenAI 工程師、資料科學家、產品團隊密切合作，確保系統設計符合實際需求 以簡潔方式向非技術同仁說明 RAG 與向量技術的核心概念與應用價值 六、技術研究與持續進修 追蹤 RAG 架構、向量資料庫、嵌入技術等相關領域的最新發展 研究新穎的相似度搜尋算法與嵌入技術應用 參與社群活動、技術論壇或研討會，拓展專業視野