機器學習資料工程師（羅馬尼亞遠端）
為運動員表現資料建置即時、圖形與時間序列基礎架構。 為 Intetics 的美國客戶提供機器學習評估與 AI 系統支援。
說明
- 建置正式環境資料基礎架構，以處理大量運動員表現資料與感測器資料。
- 開發並營運即時及近即時串流資料擷取系統。
- 為大型時間序列資料集與運動員縱向紀錄設計儲存及資料架構。
- 為機器學習系統與 AI 代理程式提供低延遲的正式環境特徵及衍生指標存取能力。
- 建立圖形模型與綱要，連結運動員、訓練負荷、傷勢、表現及結果。
- 開發資料與機器學習評估系統，以評估模型的可靠性、校準情況及實際表現。
- 維護不同俱樂部與客戶之間的租戶層級資料隔離。
- 在整個平台建立資料來源追蹤、資料沿襲、可稽核性及可觀測性。
- 與機器學習及 AI 工程師合作，運用可靠資料支援模型訓練、推論及評估。
- 與運動科學家及領域專家協作，將複雜需求轉化為耐用的正式環境系統。
- 隨著平台演進，做出務實的技術及架構決策。
- 與 Intetics 的美國客戶合作。
職位要求
- 至少五年全職專業軟體或資料工程經驗；實習、大學校外實習、課程作業及學術專案不列入計算。
- 具備大規模正式環境資料基礎架構的設計、建置及營運經驗。
- 具備時間序列資料或資料庫的豐富經驗，例如 InfluxDB、TimescaleDB、Prometheus、ClickHouse 或同等技術。
- 具備使用 Kafka、Kinesis、Flink、Spark Streaming、Pulsar 或同等技術進行即時或串流資料擷取的豐富經驗。
- 具備圖形資料模型或資料庫綱要設計經驗，不能僅限於查詢或使用現有圖形資料庫。
- 具備設計或營運多租戶系統的經驗，並實作租戶層級資料隔離。
- 精通 Python 與 SQL。
- 非常希望具備 Go 的專業經驗。
- 具備正式環境系統經驗，且系統對可靠性、擴充性、可觀測性及資料準確度要求甚高。
- 能獨立負責定義模糊的技術問題，並將其規劃為務實的正式環境架構。
- 具備直接與資料科學家、機器學習工程師或其他技術領域專家合作的經驗。
- 具備建置機率評估、模型校準或模型監控基礎架構的經驗。
- 具備因果推論、反事實建模或模擬經驗。
- 具備穿戴式感測器、物聯網資料、生物力學、運動科技或其他高頻遙測資料經驗。
- 具備建置知識圖譜或領域專用本體的經驗。
- 具備 LLM 或 AI 評估框架經驗，並了解其限制。
- 具備 AWS 服務經驗，例如 ECS、EC2、Lambda、SNS、SQS 或相關工具。
- 具備 GraphQL、REST、gRPC、Postgres、MongoDB 或類似技術經驗。
- 英語能力達 B2 級或以上。
- 必須居住於歐盟。
