轉職熱搜工作

一、GenAI 平台互動功能開發 建置使用者與 GenAI 模型互動的介面與流程，支援多種輸入／輸出形式（如文字輸入、語音輸入、動態輸出展示等） 設計直覺易用的操作介面，提升使用者體驗與互動效率 二、平台效能優化 優化前端載入速度與後端響應時間，確保平台運作流暢 改善資源使用效率，提升系統穩定性與擴展性 三、前後端整合與部署自動化 負責平台的前後端功能串接，確保資料流與功能邏輯正確無誤 建置 CI/CD 流程（如 Jenkins、GitLab CI），自動化部署、版本更新與測試流程 應用容器化技術（如 Docker、Kubernetes），提升平台部署與維運效率 四、系統監控與問題追蹤 整合監控與日誌系統（如 Prometheus、Grafana、ELK Stack），確保平台運作狀態可視化 主動偵測與分析潛在問題，協助除錯與系統調校 五、跨部門協作 與後端工程師、AI 模型開發團隊、產品設計師密切合作，協同推進 GenAI 平台產品化進程 參與使用者回饋分析與改善迭代，持續優化產品體驗與系統架構

CDP 與數據策略 ● 設計 CDP 資料架構與數據模型，整合多來源數據，支援行銷自動化。 ● 定義數據關鍵指標（如延遲、吞吐量），運用 data observability 確保資料品質與一致性。 高效數據管道建置 ● 開發基於 Kafka 或 Flink 的即時數據流，以及 Airflow 調度的批次處理管道。 ● 使用 Delta Lake 或 Snowflake 建置數據湖/倉庫，支援電商場景的高效查詢。 ● 優化數據處理流程，確保低延遲與高吞吐量。 ● 分析數據流效能，持續優化 ETL/ELT 流程，提升可靠度。 跨部門協作 ● 與資料科學團隊合作，透過 MLOps 支援模型部署與訓練。 ● 與行銷、產品、資料科學團隊對接，推動數據驅動專案。 ● 具指導初/中階工程師經驗，能主導技術規劃與問題排查。 資料合規 ● 設計符合 GDPR、CCPA 的資料模型與治理流程，確保資料安全與隱私。

1.具備土木工程或建築相關專業知識，熟悉建築法規及相關法令 2.熟悉不動產開發及土地開發流程，並擁有相關實操經驗 3.熟悉AutoCAD等繪圖軟體，能繪製建築相關圖面 4.具備市場與財務分析能力，進行成本預算及效益評估 5.執行專案協調與溝通，維繫良好客戶及合作夥伴關係 6.撰寫專案報告及相關文件，熟悉文書處理與文件管理 7.具備優秀溝通及談判能力，促進業務推廣與合作

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

● 協助設計 CDP 資料架構與數據模型，整合多來源數據支援行銷自動化。 ● 協助執行數據指標定義（如延遲、吞吐量），使用 data observability 工具監控資料品質。 ● 協助開發 Kafka 或 Airflow 驅動的數據管道，執行批次或即時數據處理。 ● 使用 Delta Lake 或 Snowflake 支援數據湖/倉庫建置，執行基礎查詢與維護。 ● 協助優化數據處理流程，提升管道穩定性與效率。 ● 執行 ETL/ELT 流程的日常維護，報告異常並協助改進。 ● 具備良好的溝通與團隊合作能力，願意與資料工程、行銷、產品團隊學習與協作。 ● 能理解業務需求，執行基礎問題排查與解決。

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

●工作待遇 36,000元起（依個人學經歷及面試內容詳議）。 ●工作時間 配合人事行政局行事曆，週休二日，保障工作與生活平衡。 ●工作內容 1、政府招標投標作業： ※負責公文系統作業（線上公文及紙本公文作業管理）。 2、標案製作協助： ※協助投標前文件準備及得標後合約製作。 ※標案企劃書內容排版美化。 3、企業網站更新與維護： ※公司現有網站之美化及管理。 4、公司一般會議之會議紀錄： ※公司主管會議及經營檢討會議（一~二個月一次）記錄。 5、主管相關交辦事項 ●特色及福利 依勞基法規定，勞健保，退休福金提撥及特休 三節禮券、生日禮券及其他福利 本職發展空間，初期以投標企劃訓練，包括企劃書寫作，簡報訓練，成本估算控管等，能獨當一面負責標案相關事務。 有機會進入組織經營，管理營運等進階項目 ●人才要求 主動學習、有責任感、態度積極。 如行政經驗或企劃sence者佳，工作能快速上手。 會使用美工軟體，不要求太精通，但美化企劃書是工作項目之一。 良好的溝通協調能力及工作態度是考量要件 。

1.依年度或一定期間準備財務說明及帳目，計算安排薪資發放，編製對帳單等工作 2.盤點公司存貨、計算員工佣金、貨款折讓及利息等 3.略懂機械製圖有相關經驗尤佳