Connect over MCP — free, no account needed to search.1. 負責協助公司內部產品開發流程的智慧化與自動化
2. 提升Digital Design Verification (DV) 的驗證效率與品質
3. 將人工智慧導入現有的工作流程，並與自動化系統整合
4. 與前端、後端工程師及數位設計驗證(DV)工程師合作，開發客製化的 data-driven 應用程式
5. 建構 Data 與 ML Pipeline
6. 開發與維護 ML Model、AI 上線後的性能監測與再訓練
7. 開發與維護 數據清洗、數據串接、數據監控、數據品質管理、Dashboard
8. 設計實驗以評估與分析導入 AI 後帶來的效益
AI Software R&D Engineer at ASUS in Taipei: builds LLM-based software solutions, designs and implements AI Agent workflows for concrete needs, and rapidly prototypes the latest LLM/GenAI technologies. Core tools are C, C++, Python, and Node.js.
1. 機器/深度學習模型建模/開發/驗證 2. 影像/聲學訊號處理演算法 3. 算法測試與性能優化 4. 部署邊緣裝置/模型應用落地 5. 前沿AI技術研究 【專業要求】 1. 【MUST】2年以上深度學習模型開發相關背景及實務經驗 2. 【MUST】理解AI NN模型結構並有實際修改/訓練/優化相關經驗 3. 熟悉至少一種AI建模框架：Tensorflow, Keras, pytorch, PaddlePaddle, etc 4.…
1. LLM 應用程式開發與維護：負責開發基於 FastAPI 的後端服務，並整合 RAG 或相關技術。 2. API 設計與開發：設計並實作高效能、可擴展的 API，供前端與其他系統使用。 3. 資料處理與整合：協助處理大規模文本資料，並與向量資料庫（如 Milvus、Weaviate、Qdrant）進行整合。 4. LLM 服務對接：串接與調整大語言模型（如：OpenAI…
1. 核心算法研發與模型構建 2. 算法優化與性能提升 3. 數據策略與閉環體系建設 4. 技術轉化與工程協作 5. 技術規劃與生態洞察
【AI 工程師｜把 AI 從實驗室帶進真實應用】 你不只是訓練模型，更是 AI 應用的架構師。從資料流梳理、核心模組設計，到平台整合，你將親手推動 AI 走入真實場景，讓技術產生實質影響力。 你會做什麼 1.資料工程： 負責資料清洗、特徵工程與標註流程，打好 AI 的基礎 2.模型整合： 開發 AI 模組，與開發團隊協作，確保功能在平台上穩定運作 3.技術轉譯： 追蹤最新研究（如 arXiv），將這些技術轉為可執行的產品原型…
工作說明 1. 負責深度學習、機器學習、大語言模型以及生成式AI模型開發 2. 負責AIHPC分散式運算以及AI PC量化之高效能模型訓練與推論相關演算法研究與開發 3. 負責State of the art技術之研究 需求條件 1. 具有良好的程式設計及解決問題能力，至少熟悉一種主流程式設計語言(Python/C++/Java等)，並具備使用其語言開發實際分析經驗 2.…
AI Engineering jobs by country — openings, pay and top skills →