機器學習工程師 - Search & Recommendation ML Engineer

PChome 正在尋找一位具備深厚機器學習背景的工程師，專注於語意理解，搜尋、推薦和生成式AI技術。理想的候選人將負責設計、開發和優化先進的機器學習模型，以提升使用者搜尋體驗和推薦準確性。

1. 設計、實現和部署機器學習模型，用於搜尋引擎和推薦系統

2. 開發創新的對話式搜尋解決方案，提升使用者互動體驗

3. 分析使用者行為數據，持續改進搜尋和推薦算法

4. 優化機器學習模型的效能和延遲

5. 與產品、工程和資料科學團隊緊密合作

6. 進行特徵工程和模型實驗

7. 監控模型效能並進行即時調整

技術技能

1. 機器學習演算法：協同過濾、排名模型、推薦系統

2. 深度學習：神經網路架構、注意力機制、知識蒸餾技巧、圖嵌入向量、微調技巧 (PEFT等)、量化壓縮等

3. 自然語言處理：查詢理解、語意相似度

4. 大數據技術：Spark、Hadoop

5. 版本控制：Gitub

6. 資料庫：PostgreSQL、MongoDB 等

1. 碩士或博士學位 （機器學習、人工智能、資料科學或相關領域）
2. 3-5年以上機器學習模型開發經驗
3. 精通Python和機器學習框架（如TensorFlow、PyTorch）
4. 深入了解搜尋和推薦系統架構
   

• 具備以下技術的實務經驗：

1. 機器學習演算法
2. 自然語言處理
3. 深度學習模型
4. 特徵工程
5. 大規模分散式系統

1. 對話式AI和語意搜尋相關經驗
2. 已發表相關領域的學術論文
3. 開源專案貢獻經驗
4. 熟悉雲端平台（AWS、GCP）
5. 具備多語言搜尋系統開發背景
6. MLOps 和資料工程實務經驗

MLOps 與資料工程技能

我們期待您精熟或者是熟悉以下不同型態工具的使用

１. MLOps 工具與實踐

• 模型版本控制與實驗追蹤，例如：

1. MLflow
2. Weights & Biases
3. DVC (Data Version Control)
4. 持續整合與部署 (CI/CD)，例如：
5. Kubeflow
6. Airflow
7. Jenkins
8. GitHub Actions

• 模型監控與可觀測性，例如：

1. Prometheus
2. Grafana
3. Evidently AI
4. Seldon Core

• 模型部署平台，例如：

1. Kubernetes
2. Docker
3. KServe
4. SageMaker
5. Vertex AI

２. 資料清整與預處理最佳實踐

• 資料品質檢查工具，例如：

1. Great Expectations
2. Deequ
3. Pandera

• ETL 與資料流工具，例如：

1. Apache Spark
2. Apache Beam
3. Prefect
4. Luigi
5. 資料清整技術
6. 異常值偵測
7. 遺失值處理
8. 特徵縮放
9. 編碼分類變數
10. 資料驗證與稽核流程
11. 建立資料血緣關係
12. 確保資料一致性
13. 實施資料治理策略