【AI節能科技】 資深機器學習工程師 Senior ML engineer

【關於 Ecofirst 愛淨節能】

我們是一家專注「AI 空調節能解決方案」的 B2B 新創公司,用 AI 幫企業客戶大幅降低空調能耗。
公司邁入第 11 年,12 人團隊。速度不是我們唯一的追求,我們想把一件事做好:讓每一度電都發揮最大的價值,減少世界的碳排放。五星級飯店、兩廳院、台電總部大樓、美光等晶圓廠、日本 JR、越南知名商場與企業總部,都是我們的客戶。我們的 AI 模型即時優化這些系統的運轉參數——不只監控,是直接下控制指令。每個案場平均省下 10–25% 空調能耗,最多一年為客戶省下 1,000 萬以上電費。
商業模式是 Energy as a Service(EaaS)——按節能績效分潤。換句話說,你寫的程式碼品質,會直接反映在公司的營收上。
我們正站在綠能與 AI 雙重爆發的風口,海內外需求持續擴大。
在大企業裡,公司有沒有你,機器都照常運轉。在 Ecofirst,你可以跟我們一起改變世界。
扁平、透明是我們的團隊文化。你的好點子不會被組織層層稀釋,會被認真討論。我們鼓勵團隊用 Notion、Claude Code 等最新的工具來提升效率,工作日常裡 AI 是夥伴,不是裝飾品。

【你會做的事,和為什麼值得】

把一個案場的成功,變成一百個案場的系統。你會主導 Ecofirst 的 ML 整體架構 ── 公版預測模型、MLOps ── 跟軟體與現場工程師一起把它跑出來。你的模型不是做報表:它直接下控制指令,省下來的電直接變成公司營收。
我們正從「每個案場一套客製系統」轉型 ── 你來,就是要把它變成平台。技術債是你的起點,不是隱藏地雷。
12 個月後的你,成功長這樣:新案場的模型部署時間大幅縮短(公版化)、你的模型在各案場穩定運轉持續省電、產品和業務開會時第一個想找的人是你。

【工作內容】

設計與訓練時序預測模型(LSTM / Transformer / 統計 ML),把案場數據變成省電的控制決策
處理真實案場的時序資料:清洗、缺值補值、異常偵測,基於領域知識設計特徵
建立並維護公版 ML pipeline:部署、監控、retrain 自動化,讓模型能跨案場複用、持續迭代
用 Python(FastAPI / PostgreSQL / SQLAlchemy)開發模型服務與排程任務,跟軟體工程師共同定義資料 schema 與 API contract
開發與維運儀表板,把模型結果與問題講到商務同事和客戶都能對齊決策
指導 junior 工程師(code review 與技術傳承)
AI 輔助開發是日常(Cursor / Copilot / Claude Code)── 你有自己的判斷:什麼場景給 AI 寫、什麼場景自己寫

【你會怎麼工作】

我們看成果,不看你在位子上坐了幾個小時。遠端是公司制度:到職三個月、成果考核過了之後逐步放寬,做得好的人可以幾乎全遠端——每週進公司一天做當面討論,其他時間你自己安排。

【我們要什麼樣的人】

給你一個案場,你自己把模型建好、調到省電、包成 API 交出來 ── 而且大家跟你共事不痛苦。對事敢講,方向定了就一起全力執行。

【必備條件】
5-15 年 ML 實務(年資只是參考 ── 5-9 年但有紮實 production ML 實績,我們一樣認真看)
完整 production ML 經驗:從資料、訓練、評估到上線都做過,而不只是 notebook
模型標準化設計經驗:多案場 / 多場景,或可複製到不同客戶、產品的同構經驗都算
multi-step 時序預測落地經驗
MLOps 經驗:建立過或維運過 pipeline / 監控 / retrain 自動化
跨部門溝通:能把技術講到非技術同事聽得懂

【加分條件】

建築能源管理或 HVAC 空調領域知識
對節能領域有熱忱
模型版本管理與實驗追蹤經驗(MLflow / W&B 等)
最佳化問題建模或落地經驗
帶人或技術帶領經驗(之後有機會帶 ML 線)
Linux 基本操作
雲端平台經驗(AWS / GCP)
容器化部署(Docker / Docker Compose)
運用 AI Agent 設計並落地自動化服務 / 流程的經驗(例如報告自動化、資料品質檢查、告警與工單串接)

【薪資福利】

月薪 80,000-100,000 元(視經驗對位)
認股機會(ESOP)+ 公司年度獲利 15% 員工分紅(分配方式面談說明)+ 學習補助 1 萬/年 + 健檢 1.2 萬/年

【先說清楚】

會跑案場、碰 sensor 髒資料 ── 只想待在乾淨 dataset 裡的人會很痛苦。

歡迎想讓自己的模型直接跑在真實世界、每天省下真實電費的人,來聊聊唷~