在 CYBERBIZ ，我們提供一站式的電商方案，整合線上商店、實體門市 POS、與倉儲管理，協助新手或轉型中的零售業者與企業經營電子商務。

隨著服務店家的客群規模與銷售額逐年增加，和累積越來越多的銷售紀錄與客戶資訊，我們也在思考如何從各種類型的資料設計自動化的分析與決策方案，以幫助店家經營不同來源與特性的客群，並超越預期的成長目標。

Data Team 的實習生會參與產品開發的研究與討論，並協助組內工程人員實作相關功能。我們預期您能夠發揮過去所學的知識，並積極接觸各個領域的技術而有所成長。

下面的列表是 Data Team 所會接觸到的數個工作類型。您可以參考這個列表，在申請時和 Data Team 的成員討論自己所擅長或希望發展的方向：

【共通】
　❖ 開發自動化的分析與決策功能，幫助數位化商家提升效率與營收
　❖ 透過歷史服務資料與跨部門討論，發掘潛在的新功能提案
　❖ 整合不同的資料來源，協助內部部門進行功能與企劃的效益評估

【資料傳輸與管理 / Data Pipeline】
　❖ 設計不同資料庫、與其他形式資料來源之間的資料傳輸與 ETL 流程
　❖ 管理和監測機器學習與分析功能所使用的資料庫
　❖ 協助設計與管理機器學習相關的資料傳輸流程

【資料分析 / Data Analytics】
　❖ 計算與驗證成效報表相關的數值與指標
　❖ 協助設計成效報表相關的視覺化圖表
　❖ 設計實驗與指標評估產品功能的效益

【資料科學與機器學習 / Data Science & Machine Learning】
　❖ 根據功能需求評估適合的機器學習模型與演算法
　❖ 實作、訓練、評估與改良機器學習模型
　❖ 收集與整理訓練模型所使用的輸入資料

除了共通項目以外，若背景與能力符合其中一項類別所列出的條件（若有橫跨多項的話當然更好），歡迎提出申請。

【共通】
　◈ 維持 1 年以上，每週 3 天的實習期間
　◈ 至少 1 年以上的 Python 程式開發經驗；或是至少 1 年以上通用/伺服器程式語言的開發經驗 (例如 C/C++, Java, Go, PHP, Node.js)，並且撰寫過 Python 程式
　◈ 了解如何使用 Python 的數學計算與資料操作工具 (例如 numpy, pandas, scipy)；或是其他程式語言或分析軟體 (例如 R, MATLAB) 中相同功能的工具
　◈ 接觸過版本管理系統，例如 Git
　◈ 能主動尋找參考文獻與閱讀英文技術文件
　◈ 能快速學習新技術，以及良好的溝通能力

【資料傳輸與管理 / Data Pipeline】
　◈ 接觸過至少 1 種關聯式資料庫 (例如 MySQL, PostgreSQL, MariaDB, MS SQL) 或非關聯式資料庫 (例如 MongoDB, DynamoDB, InfluxDB, HBase, Clickhouse) ，並熟悉常用功能的操作語法
　◈ 使用過批次處理與排程工具 (例如 Apache Airflow, Luigi, crontab, AWS Batch)
　▣ (Plus+) 有分散式資料運算技術、微服務架構等相關的網路服務開發知識與經驗 (例如: distributed computing, stream processing, pub/sub messaging, message queue)
　▣ (Plus+) 有機器學習開發/部署管理 (MLOps) 相關經驗 (例如 MLFlow 或 TensorBoard)

【資料分析 / Data Analytics】
　◈ 有統計分析、商業分析，或資料科學相關的學科背景/專案經驗
　◈ 熟悉資料視覺化的圖表種類、工具、與適合的應用場合
　◈ 了解探索式資料分析 (Exploratory Data Analysis)
　▣ (Plus+) 使用過商業分析報表工具 (例如 Tableau, Metabase, Power BI)
　▣ (Plus+) 使用過資料視覺化相關的程式工具 (例如 matplotlib, Plotly, D3.js, Chart.js)
　▣ (Plus+) 接觸過至少 1 種關聯式資料庫 (例如 MySQL, PostgreSQL, MariaDB, MS SQL) ，並了解常用功能的操作語法

【資料科學與機器學習 / Data Science & Machine Learning】
　◈ 有機器學習、機率統計、資料探勘，或資料科學領域相關的學科背景/專案經驗
　◈ 使用過 2 種以上機器學習或統計模型相關的套件 (例如 Python 的 scikit-learn, TensorFlow/Keras, PyTorch, XGBoost, spaCy, statsmodels, PyMC)
　◈ 了解數種機器學習演算法 (例如迴歸模型、資料分群、決策樹、神經網路) 相關的運用以及效能評估方式
　◈ 對機器學習領域的資料前處理 (pre-processing) 有基本概念
　▣ (Plus+) 有下列任一領域的修課或專案開發經驗：自然語言處理 (NLP)、時間序列分析、搜尋引擎/推薦系統


【其他加分項++】
如果你有以下技術相關的經驗的話會有加分，若有符合的項目，務必在履歷和其他申請資料中提供相關資訊：

　▣ 網頁服務開發 (Web Development)
　▣ 雲端系統服務，如 AWS 或 GCP
　▣ 網路爬蟲 (Web Crawling)
　▣ Linux/Unix 作業系統與 shell scripting
　▣ Ruby / Ruby on Rails
　▣ 敏捷式開發 (Agile Development)

【輔助資料】
如果您能提供以下的資訊，會更有助於讓我們了解您的背景：

　＊ A4 / Letter 版面，1~2 頁篇幅的履歷 (中英文皆可)
　＊ 若過去參與的專案與個人作品有公開原始碼 ，提供相關的 Github / Gitlab / Bitbucket 網址
　＊ 個人網站、部落格/Medium、或活動投稿/簡報 (如果有介紹與這個職缺相關的技術)
　＊ (學士或以上學位) 最高學歷的成績單 (如果還沒畢業，也可以提供給我們做為參考)