機器學習工程師 - Search & Recommendation ML Engineer
碩士或博士學位 （機器學習、人工智能、資料科學或相關領域） 3-5年以上機器學習模型開發經驗 精通Python和機器學習框架（如TensorFlow、PyTorch） 深入了解搜尋和推薦系統架構|具備以下技術的實務經驗| 機器學習演算法 自然語言處理 深度學習模型 特徵工程 大規模分散式系統 PChome 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。 設計、實現並部署 機器學習模型，應用於 搜尋引擎與推薦系統 開發 對話式搜尋解決方案，提升使用者互動體驗 分析使用者行為數據，持續改進搜尋與推薦算法 優化模型效能與延遲，確保高效運行 與 產品、工程、資料科學 團隊緊密合作，推動 AI 產品發展 進行 特徵工程與模型實驗，提升準確度與適用性 監控模型效能，進行即時調整與優化 |技術技能要求| 機器學習演算法：協同過濾、排名模型、推薦系統 深度學習：神經網路架構、注意力機制、知識蒸餾、圖嵌入向量、PEFT 微調、量化壓縮等 自然語言處理（NLP）：查詢理解、語意相似度計算 大數據技術：Spark、Hadoop 版本控制：GitHub 資料庫：PostgreSQL、MongoDB 等公司地址:
台灣 臺北市其他:
技術技能要求機器學習與深度學習 協同過濾、排名模型、推薦系統 神經網路架構、注意力機制、知識蒸餾、圖嵌入向量、PEFT 微調、量化壓縮等 查詢理解、語意相似度計算（NLP） MLOps 工具與實踐 模型版本管理：MLflow、Weights & Biases、DVC CI/CD 自動化部署：Kubeflow、Airflow、Jenkins、GitHub Actions 模型監控與可觀測性：Prometheus、Grafana、Evidently AI、Seldon Core 模型部署：Kubernetes、Docker、KServe、SageMaker、Vertex AI 資料工程與數據處理 數據品質檢查：Great Expectations、Deequ、Pandera ETL 與資料流：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、分類變數編碼 資料驗證與稽核：建立資料血緣關係、確保一致性、實施資料治理策略 開發與版本控制 程式語言：精通 Python，熟悉 TensorFlow、PyTorch 版本控制：GitHub 資料庫：PostgreSQL、MongoDB -2025-03-04