AI系統工程師

1. AI基礎設施與佈署
i.模型佈署：負責將開發完成的 AI 模型轉換為穩定的 API服務，並應用容器化技術（如 Docker, Kubernetes）進行管理。
ii.效能優化：針對推論端進行硬體加速與模型輕量化，確保系統回應速度符合生產需求。
iii.系統維運：建立模型監控機制，追蹤模型在實務環境中的準確度漂移，並執行自動化重新訓練流程。
2. 數據流水線建置
i. 資料採集：與BI工程師協作，從各生產設備或資料庫中擷取非結構化數據。
ii. 預處理自動化：開發自動化標註工具與資料清洗程式，確保 AI 訓練資料的品質與一致性。
3. 跨系統整合與應用
i.系統對接：將AI功能整合至公司現有的數位工具，實現智慧化輔助決策。
ii.種子人員支援：擔任技術導師，協助各部門的數位種子人員理解 AI 的應用邊界，並協助驗證 AI 專案的PoC（概念驗證）。
4. 技術研究與選型
持續追蹤 LLM（大型語言模型）、電腦視覺或預測分析的最新技術，評估其導入公司的可行性與成本效益。