資深機器學習工程師，應用 AI 與 MLOps 主管
負責國際組織的正式環境 AI 解決方案與 MLOps。 規劃預測模型、治理、部署及可擴充的機器學習架構。
說明
- 負責機器學習模型從開發、正式環境監控到重新訓練的完整生命週期。
- 領導客戶終身價值、客戶流失、詐欺及濫用防範等應用 AI 專案。
- 建置並改進 MLOps 架構、自動化部署、CI/CD、環境晉級及模型生命週期管理。
- 建立模型效能、資料漂移、資料品質及業務成果的監控機制。
- 制定模型重新訓練策略、升級處理程序及持續改進作法。
- 運用 SHAP 和特徵歸因，提升模型的透明度與可解釋性。
- 制定模型治理、文件、版本控制、可重現性及可稽核性標準。
- 與資料工程團隊合作，打造可擴充的資料管線、特徵工程及可靠的資料基礎架構。
- 與產品、風險、商務及其他團隊合作，將業務挑戰轉化為實用且可擴充的 AI 解決方案。
- 檢視正式環境中的模型效能，以提升準確度、可靠性及業務影響。
- 維護正式環境在穩定性、可擴充性、可維護性及營運效率方面的標準。
- 指導並培育其他工程師。
- 兼顧快速交付 MVP 與長期的正式環境可靠性及可擴充性。
職位要求
- 具備 5 至 8 年或以上在正式環境中建置、部署及維護機器學習模型的專業經驗。
- 精通 Python，並具備扎實的軟體工程基礎。
- 了解機器學習演算法、模型評估、特徵工程及預測建模。
- 具備處理正式環境機器學習問題的實務經驗，例如資料洩漏、模型漂移、資料品質及模型穩定性。
- 具備使用 Apache Spark 或 PySpark 進行分散式運算及大規模資料處理的實作經驗。
- 曾使用 MLflow 或同類平台管理機器學習生命週期。
- 曾設計、實作及維護 CI/CD 管線，最好具備 GitHub Actions 經驗。
- 精通 SQL，並具備處理大型複雜資料集的經驗。
- 了解模型部署、監控、漂移偵測、重新訓練及正式環境維護。
- 曾實作 SHAP 等模型可解釋性方法。
- 曾交付帶來可衡量商業或營運改善的 AI/機器學習解決方案。
- 了解模型治理、版本管理、文件及可重現性要求。
- 能設計可擴充、可靠且易於維護的機器學習架構。
- 具備出色的分析思維及問題解決能力。
- 能向非技術利害關係人清楚說明複雜的技術概念。
- 曾與資料工程、產品、風險及商務等團隊協作。
- 能兼顧快速開發、MVP 交付及穩健的正式環境工程實務。
- 透過指導他人、技術影響力及工程最佳實務展現領導力。
- 以積極主動、獨立且注重成果的方式交付 AI 解決方案。
福利待遇
- 依據經驗與資歷提供具競爭力的薪酬。
- 完善的員工培訓與專業發展計畫。
- 有機會領導具高度影響力的 AI 與機器學習計畫。
- 接觸先進機器學習技術及現代 MLOps 實務。
- 國際化工作環境與跨職能合作。
- 公司、團隊及集團活動。
- 生日福利及年資福利。
- 專業成長與技術領導力發展機會。
- 其他員工福利與獎勵。