數據與機器學習工程師 (Data / Machine Learning Engineer)

【職位概述】
我們正在尋找一位具備端到端 (End-to-End) 專案交付能力的數據與機器學習工程師。
我們團隊相信「工具是死的，架構與邏輯心法才是活的」。本職缺所列之特定工具（如 Databricks、MongoDB 等）為目前團隊內部使用的技術棧，但我們深知大數據與現今雲端生態系的底層邏輯皆相通。只要您具備扎實的巨量資料處理、分散式運算思維或演算法基礎，我們非常歡迎具備同類型替代工具經驗的高手加入，團隊將提供完整的上手與轉換支持。

【工作內容】
1. 數據平台架構與維護
-設計與維護分散式數據湖 / 數據倉庫架構，確保資料處理的高效能與擴展性。
-建立並優化高可用性的自動化數據管道 (Data Pipeline / ETL Jobs)。
-整合並清洗多源商業數據（如：訂單交易、商品主檔、動態價格、會員行為行為軌跡等）。

2. 推薦系統開發與商業應用優化
-開發與調優個人化商品推薦引擎（如 Collaborative Filtering, Deep Learning RecSys 等）。
-設計用戶購物行為分析模型與商品關聯性分析系統 (Market Basket Analysis)。
-開發價格追蹤機制與動態優惠推薦演算法。

3. API 開發與系統集成
-設計高併發、低延遲的 RESTful / gRPC API，將數據模型成果轉化為微服務。
-與後端、前端或網頁團隊配合，完成推薦系統與核心業務系統的端到端整合。
-負責資料庫與數據查詢效能的監控與警報機制建立。

【專業與技術能力需求】
我們看重的是您解決問題的邏輯與架構設計能力，以下各技術範疇具備其中一種主流工具之實務經驗即可：
1. 分散式運算與大數據工具（核心能力）
-精通 Python、SQL，並具備大規模數據處理經驗。
-熟悉分散式運算架構，具備 Spark (PySpark / Scala) 實務經驗。
(若具備 Databricks、AWS EMR、GCP Dataproc、Apache Flink 或 Ray 經驗皆可相通)
-了解數據湖儲存格式與架構管理。
(如 Delta Lake、Apache Iceberg、Apache Hudi，或現代數據倉庫如 Snowflake、Google BigQuery)

2. 資料庫應用與優化（核心能力）
-熟悉 NoSQL 或 Document-based 資料庫的設計、應用與效能調優。
(-如 MongoDB、AWS DynamoDB、GCP Firestore、Couchbase、Cassandra，亦或是-精通 PostgreSQL JSONB 操作者)

3. 機器學習與數據分析
-3 年以上機器學習或數據工程相關實務經驗。
-熟悉常見的機器學習框架 (如 Scikit-learn, XGBoost, TensorFlow, PyTorch)。
-具備特徵工程 (Feature Engineering)、A/B Testing 設計及模型部署與監控 (MLOps) 的經驗。

4. 後端開發與軟體工程
-具備後端 API 開發經驗 (如 Python FastAPI, Flask, Django，或 Go, Java 等)。
-熟練使用 Git 進行版本控制與團隊協作，了解 CI/CD 流程。

【工作特質】
＊快速學習與適應力：能夠快速理解業務需求，並評估、引進合適的技術方案。
＊端到端交付能力：樂於參與從數據清洗、模型訓練到 API 上線的完整生命週期。
＊良好的團隊溝通：能將複雜的技術與數據語言，轉化為跨團隊（產品、營運）聽得懂的商業思維。