資深機器學習 暨 MLOps 平台架構師 (Senior ML / MLOps Platform Engineer)

我們正在建置一套跨領域、多模態的智慧 AI 與個人化推薦平台生態系。在這裡，你不會只重複做同一種類型的專案，你將負責主導三大核心 AI 領域的落地與架構演進：

1.電腦視覺管線：邊緣端到雲端的高精度幾何對齊與特徵提取。
2.多通道時序生理訊號管線：穿戴式硬體的高頻雜訊過濾與高精度風險預估。
3.智慧商城推薦管線：高併發的向量召回與多目標動態平衡排序引擎。

我們重視「架構的優雅度」與「100% 雲端中立（Cloud-Agnostic）的移植能力」。如果你渴望在一個能同時接觸到 CV、訊號處理、推薦系統與尖端 MLOps 的舞台發揮影響力，歡迎加入我們！

1. 核心 AI 演算法研發與多模態特徵工程
-多模態特徵融合
-高精度幾何與影像常態化
-多通道時序訊號去噪與提取

2. 智慧推薦與向量檢索系統架構
-高效能召回與排序
-多目標生態過濾閘道

3. 雲端中立的 MLOps 平台與邊緣優化
-高度可攜性容器設計
-邊緣端輕量化優化
-閉環式生命週期監控

4. 嚴格的模型驗證與可解釋性 AI (XAI)
-驗證設計
-大模型輔錯機制

## 必備條件 (Requirements - Must Have)
-實務經驗：5 年以上 機器學習、電腦視覺、時序訊號處理或 MLOps 生產環境落地經驗，具備多專案同時推進與平台化架構思維。

-編程與框架：精通 Python，並能熟練運用 PyTorch / TensorFlow、OpenCV 以及 FastAPI 等後端整合技術。

-容器化與中立架構：極為熟悉 Docker / Kubernetes 生態，理解微服務架構，並有主要雲端平台 ML 服務（如 SageMaker, Azure ML, Vertex AI 等）或地端 GPU 叢集部署經驗。

-模型部署優化：具備 ONNX Runtime 部署經驗，能排查跨平台浮點數精度與環境相依性問題。

-數學與統計基礎：具備扎實的統計學底子，能看懂並實現學術論文中的演算法、統計漂移指標（PSI, KS-Test）與評估矩陣。