機器學習工程師

<p><strong><u>職務：</u></strong></p><p><strong></strong></p><p>我們正在尋找一位高技能且主動的<u>機器學習工程師</u>加入我們的團隊。理想候選人應具備強大的機器學習基礎，具有傳統ML、生成式AI或代理式AI的實際經驗。對供應鏈業務的基本理解以及在大型、複雜的供應鏈數據集上工作的專業知識是成功擔任此角色的關鍵。</p><p></p><p>The <u>機器學習工程師</u>將在開發尖端數據驅動模型和算法方面發揮關鍵作用。主要責任包括創建創新用例，開發Proof-of-Concept解決方案，並領導部署供應鏈AI應用程序。並與相關方密切合作，收集業務需求，管理數據處理，建立互動式業務智能仪表板，並提供支持我們數位轉型目標的寶貴洞察力。</p><p></p><p><strong><u>職責：</u></strong></p><p><strong></strong></p><p>·<strong>端到端AI解決方案擁有權：</strong>設計、開發並部署可擴展的AI/ML解決方案，以滿足銷售、製造和物流領域的需求，使用Scikit-learn、TensorFlow或PyTorch。確保模型無縫地集成到生產系統（API、雲服務或邊緣設備）中。</p><p>·<strong>利益相關者驅動問題框架：</strong>與業務部門合作，將運作挑戰轉換為數據/AI需求。為跨領域專案定義KPI和成功指標。</p><p>·<strong>全週期數據與模型開發：</strong>實現堅固的數據清理、轉換和特徵工程管道。建立並最佳化模型（預測性維護、需求預測、路徑最優化）。創建互動式Power BI仪表板以溝通洞察力。</p><p>·<strong>模型治理:</strong>為性能監控、偏見檢測和可解釋性建立模型治理框架，同時實現MLflow支援的CI/CD管道，以實現自動模型重訓練和生命週期管理。</p><p>·<strong>跨功能協作:</strong>與數據工程師、BI工程師和應用開發人員合作，建立端到端分析管道和機器學習運作。</p><p>·<strong>有效溝通:</strong>清楚地向技術和非技術聽眾傳達複雜的AI方法論和結果。</p><p>·<strong>數位轉型夥伴關係: </strong>與數據團隊密切合作，推動數位轉型計畫。</p><p><strong></strong></p><p><strong><u>要求：</u></strong></p><p>·<strong>教育</strong> ：數學、統計學、電腦科學或相關領域的學士或高級學位。</p><p>·<strong>經驗</strong>：最好有3年以上在ML/AI項目上實戰經驗。</p><p>·<strong>模型框架</strong> ：熟悉Scikit-learn、PyTorch和TensorFlow等流行機器學習框架，具有環境設置和管理的經驗。</p><p>·<strong>技術專長</strong>:</p><p>o 強大的統計機器學習和深度學習技術理解，尤其是對文本、圖形和時間序列數據（例如OCR、NLP、情感分析、預測）。</p><p>o 具備大型語言模型（LLMs）的經驗是極為理想的。</p><p>o 模型管理經驗，熟悉MLflow用於追蹤、版本控制和部署機器學習模型。</p><p>·<strong>容器化與編排</strong> ：了解Docker和Kubernetes用於應用部署和可擴展性。</p><p>·<strong>解決方案最佳化</strong> ：通過預處理和後處理技術、微調、性能評估、可視化和測試，證明能夠增強現有ML解決方案的能力。</p><p>· <strong>版本控制與CI/CD</strong> ：熟悉CI/CD管道和版本控制系統（如Git）。</p><p>·<strong>數據視覺化</strong> ：使用Power BI創建可行動的視覺化。</p><p>·<strong>雲平台</strong> ：熟悉主要雲平台（例如Azure DevOps、Databricks或Data Factory）是一個加分。</p><p>·<strong>實時數據技術</strong> ：暴露於實時數據技術，如Apache Kafka、Azure Event Hubs和KQL，是一大加分。</p><p></p><p><strong><u>角色：</u></strong></p><p>·強烈的責任感和作為團隊一員協作的能力。</p><p>·對編程、創新和問題解決的熱情。</p><p>·自我驅動，不斷學習AI/ML。</p><p>·良好的溝通技巧，包括英語和中文的口語和書寫。</p><p></p>