工作內容

正在尋找一位具備深厚機器學習背景的工程師，專注於語意理解，搜尋、推薦和生成式AI技術。理想的候選人將負責設計、開發和優化先進的機器學習模型，以提升使用者搜尋體驗和推薦準確性。

1. 設計、實現和部署機器學習模型，用於搜尋引擎和推薦系統
2. 開發創新的對話式搜尋解決方案，提升使用者互動體驗
3. 分析使用者行為數據，持續改進搜尋和推薦算法
4. 優化機器學習模型的效能和延遲
5. 與產品、工程和資料科學團隊緊密合作
6. 進行特徵工程和模型實驗
7. 監控模型效能並進行即時調整
 

◎技術技能

1. 機器學習演算法：協同過濾、排名模型、推薦系統
2. 深度學習：神經網路架構、注意力機制、知識蒸餾技巧、圖嵌入向量、微調技巧 (PEFT等)、量化壓縮等
3. 自然語言處理：查詢理解、語意相似度
4. 大數據技術：Spark、Hadoop
5. 版本控制：Gitub
6. 資料庫：PostgreSQL、MongoDB 等

工作說明

• 工作縣市:臺北市
• 上班地點:台北市大安區
• 工作待遇:面議
• 上班時段:日班,09:30~18:30
• 需求人數:不拘

條件要求

• 工作經歷: 3年以上
• 學歷要求:碩士
• 科系要求: 資訊工程相關
• 專長需求:
• 擅長工具: PyTorch tensorflow
• 具備駕照:
• 其他條件:
  必要條件: 
  1. 碩士或博士學位 （機器學習、人工智能、資料科學或相關領域）
  2. 3-5年以上機器學習模型開發經驗
  3. 精通Python和機器學習框架（如TensorFlow、PyTorch）
  4. 深入了解搜尋和推薦系統架構
  
  具備以下技術的實務經驗：
  1. 機器學習演算法
  2. 自然語言處理
  3. 深度學習模型
  3. 特徵工程
  4. 大規模分散式系統
  
  
  加分條件:
  1. 對話式AI和語意搜尋相關經驗
  2. 已發表相關領域的學術論文
  3. 開源專案貢獻經驗
  4. 熟悉雲端平台（AWS、GCP）
  5. 具備多語言搜尋系統開發背景
  6. MLOps 和資料工程實務經驗
  7. MLOps 與資料工程技能
  
  
  我們期待您精熟或者是熟悉以下不同型態工具的使用
  
  １. MLOps 工具與實踐
  
  △模型版本控制與實驗追蹤，例如：
  -MLflow
  -Weights & Biases
  -DVC (Data Version Control)
  
  △持續整合與部署 (CI/CD)，例如：
  -Kubeflow
  -Airflow
  -Jenkins
  -GitHub Actions
  
  △模型監控與可觀測性，例如：
  -Prometheus
  -Grafana
  -Evidently AI
  -Seldon Core
  
  △模型部署平台，例如：
  -Kubernetes
  -Docker
  -KServe
  -SageMaker
  -Vertex AI
  
  ２. 資料清整與預處理最佳實踐
  
  △資料品質檢查工具，例如：
  -Great Expectations
  -Deequ
  -Pandera
  
  △ETL 與資料流工具，例如：
  -Apache Spark
  -Apache Beam
  -Prefect
  -Luigi
  -資料清整技術
  -異常值偵測
  -遺失值處理
  -特徵縮放
  -編碼分類變數
  -資料驗證與稽核流程
  -建立資料血緣關係
  -確保資料一致性
  -實施資料治理策略