台灣智慧技術研發股份有限公司

【職位概述】 我們正在尋找具備學術熱忱與實作能力的 LLM 研究人員，加入我們的核心研究團隊，以投稿至頂尖期刊（如 IEEE Transactions, Artificial Intelligence, JAIR 等）為主要目標。本職位將參與內部核心模型與技術的設計與驗證，研究主題涵蓋： 1. 多階段推理與檢索增強生成（Graph RAG, Tree-of-Thoughts, Dual Engine Reasoning） 2. 大型語言模型訓練與微調（使用上百顆 GPU 運算資源） 3. 多模態與跨語言模型的推論能力評估與優化 4. 基於知識圖譜的語意強化生成與推理架構 【工作內容】 1. 整理 LLM 相關核心技術研究，並協助團隊撰寫投稿頂尖期刊 2. 規劃與執行模型實驗（fine-tuning、evaluation、ablation study 等） 3. 撰寫學術文件（論文、白皮書、技術報告） 4. 研究與實作 Graph-based RAG、Memory-Augmented Retrieval、Agent Reasoning 等新穎方法 5. 協助團隊導入分散式訓練、加速框架 【條件要求】 1. 碩士或博士學位（電資、AI、語言處理、數理統計、資訊工程等領域） 2. 熟悉 LLM 基礎架構與理論（Transformer、Attention、Prompting、RAG 等） 3. 熟悉深度學習訓練與實驗設計，具備大規模 GPU 訓練/推論經驗（A100/H100/NVLink/Fabric 等尤佳） 4. 能獨立閱讀論文、設計實驗、撰寫投稿期刊等級論文 5. 熟悉 PyTorch / HuggingFace / DeepSpeed / Ray / JAX 等框架者尤佳 6. 英文技術寫作能力佳（具期刊發表經驗佳） 【加分條件】 1. 有 IEEE、AI、TPAMI、TNNLS、JAIR、Neurocomputing 等 SCI/SSCI 期刊發表經驗 2. 有 Graph RAG、Neuro-symbolic Reasoning、LLM Agent 設計經驗 3. 熟悉知識圖譜處理、稀疏注意力、長文本處理（例如 FlashAttention / Longformer / RWKV） 4. 熟悉 multi-node GPU 分布式訓練與 cluster pipeline 部署 5. 熟悉高效實驗 reproducibility 與資源優化策略 【我們提供】 1. 自有高階 GPU 叢集與分散式計算環境 2. 期刊發表導向研究團隊，提供論文審稿與投稿全流程支援 3. 高度自主的研究空間，支持從想法發想到落地實作 4. 研究績效獎金 + 發表獎勵金（依實績彈性調整）

【職位概述】 我們正在尋找一位對系統性與量化交易策略充滿熱情的研究員，能夠從策略構想到實際部署，參與完整的交易策略開發流程。理想人選需能理解不同風格（技術分析、基本面、量化）的交易策略如何根據風險因子（如動能、均值回歸、事件驅動、套利）進行分類，並具備建構、測試、與優化交易模型的能力。 【主要職責】 1. 研究並分類各類交易策略（如 Momentum、Mean Reversion、Carry、Event-Driven 等） 2. 建立系統化的策略開發流程，從數據輸入層到執行層進行完整建模 3. 撰寫與測試交易規則（hypothesis-driven / data-driven） 4. 利用 Python/R 開發量化模型，並進行回測（Backtest）與前測（Forward test） 5. 探勘與處理市場數據、基本面資料、替代數據（新聞情緒、社群數據等） 6. 管理風控機制，包括倉位控制、停損條件、資金分配與交易成本管理 7. 發現並修正模型偏誤，如 Lookahead Bias、Survivorship Bias、Data Snooping 等 8. 與開發團隊合作，將策略整合進交易系統中，並進行持續監控與優化 【條件要求】 1. 財務工程、統計學、數學、電機、資訊或相關理工/財經背景 2. 熟悉常見的交易策略分類與風格（技術分析、基本面、量化） 3. 精通 Python 或 R，具備使用 Pandas、NumPy、scikit-learn 等工具的經驗 4. 熟悉策略驗證流程，包括回測、前測與交叉驗證等 5. 有處理大型市場資料與建構特徵變數的能力 【加分條件】 1. 具備機器學習相關經驗，熟悉 Decision Trees、Random Forest、Neural Networks 等 2. 熟悉 NLP 技術，可從財報、新聞、社群中擷取訊息 3. 曾參與過策略部署或有真實市場交易經驗者優先 4. 有 EPAT、CQF、CFA 等相關證照者優先考慮 【我們提供】 1. 自有高階 GPU 叢集與分散式計算環境 2. 機會參與全自動交易系統開發與實戰部署 3. 與來自金融、數據科學、工程背景的跨領域團隊合作 4. 彈性工作制度與遠距選項 5. 參與國際市場，開發跨資產與跨地區策略 6. 高度自主的研究空間，支持從想法發想到落地實作

【職位概述】 我們正在尋找一位兼具演算法研究與後端實作能力的機器學習算法工程師。 此職位專注於模型設計、特徵工程、自動化優化算法與實驗驗證，並結合後端部署能力， 以支持公司在智能決策、預測分析與高效運算領域的核心系統開發。 研究與開發主題包含： 1. 機器學習模型設計與強化（XGBoost、LightGBM、CatBoost、Random Forest 等） 2. 進化式與啟發式演算法（Genetic Algorithm、Bayesian Optimization、Swarm Intelligence 等） 3. 自動化特徵選取與超參數優化（AutoML、Hyperparameter Search） 4. 模型整合與集成學習（Ensemble / Stacking / Blending） 5. 模型服務化與後端部署（API、Pipeline、自動化訓練流程） 【工作內容】 1. 設計與實作各類機器學習演算法（分類、回歸、預測、最佳化任務） 2. 研究並開發基於 GA / PSO / Bayesian Optimization 的自動化模型優化框架 3. 建立特徵工程與資料前處理流程，提升模型效能與穩定性 4. 撰寫與維護後端服務（API、資料管線、模型部署） 5. 撰寫技術報告、白皮書或期刊論文，推進研究成果落地 6. 與數據工程與雲端團隊協作，優化分散式訓練與運算效率 【條件要求】 1. 碩士或大學學位（資訊工程、人工智慧、應用數學、統計、電機等領域） 2. 精通 Python 與常用 ML 套件（scikit-learn、XGBoost、LightGBM、CatBoost、Optuna 等） 3. 熟悉演算法理論（遺傳算法、粒子群、貪婪演算法、貝氏優化、梯度提升架構等） 4. 熟悉資料處理與特徵工程（pandas、NumPy、featuretools、MLflow） 5. 具備後端系統開發經驗與 API 設計能力 6. 能獨立進行模型實驗、效能比較與結果分析 7. 英文技術文件與研究寫作能力佳 【加分條件】 1. 有 GA / AutoML / Ensemble 相關研究或發表經驗 2. 熟悉 MLOps / Pipeline 自動化（Airflow、Prefect、MLflow、Kubeflow） 3. 具備分散式訓練經驗（Ray、Dask、Spark MLlib） 4. 熟悉 GPU 加速運算與效能 profiling（CUDA / RAPIDS / CuML） 5. 對研究與工程並重的工作模式有熱忱 【我們提供】 1. 自有高階 GPU 叢集與分散式計算環境 2. 期刊發表導向研究團隊，提供論文審稿與投稿全流程支援 3. 高度自主的研究空間，支持從想法發想到落地實作 4. 研究績效獎金 + 發表獎勵金（依實績彈性調整）