職務：

我們正在尋找一位高技能且主動的機器學習工程師加入我們的團隊。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。

The 機器學習工程師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。

職責：

·端到端AI解決方案擁有權：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。

·利益相關者驅動問題框架：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。

·全週期數據與模型開發：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。

·模型治理: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。

·跨功能協作: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。

·有效溝通:清楚地向技術和非技術聽眾傳達複雜的AI方法論和結果。

·數位轉型夥伴關係: 與數據團隊密切合作，推動數位轉型計畫。

要求：

·教育 ：數學、統計學、電腦科學或相關領域的學士或高級學位。

·經驗：最好有3年以上在ML/AI項目上實戰經驗。

·模型框架 ：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。

·技術專長:

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）。

o 具備大型語言模型（LLMs）的經驗是極為理想的。

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。

·容器化與編排 ：了解Docker和Kubernetes用於應用部署和可擴展性。

·解決方案最佳化 ：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。

· 版本控制與CI/CD ：熟悉CI/CD管道和版本控制系統（如Git）。

·數據視覺化 ：使用Power BI創建可行動的視覺化。

·雲平台 ：熟悉主要雲平台（例如Azure DevOps、Databricks或Data Factory）是一個加分。

·實時數據技術 ：暴露於實時數據技術，如Apache Kafka、Azure Event Hubs和KQL，是一大加分。

角色：

·強烈的責任感和作為團隊一員協作的能力。

·對編程、創新和問題解決的熱情。

·自我驅動，不斷學習AI/ML。

·良好的溝通技巧，包括英語和中文的口語和書寫。