【工作內容】
1. 針對實務製造問題發展工業4.0解決方案，設計運用深度學習、人工智慧、機器學習、模擬與最佳化等模型於 Garmin 智慧製造應用的產品開發、落地規劃以及問題追蹤，內外部門溝通以提升整體生產效益與使用者滿意度，關注的產品應用領域包括：
1) 產品良率優化 – 如產品瑕疵檢測，應用深度學習架構與可解釋AI於自動瑕疵檢測，取代傳統人工搜尋方式。
2) 設備利用率提升 – 如設備異常分析，應用時間序列資料建立設備異常預測模型並推估的最佳保養時間。
3) 生產效率提升 – 使用最佳化模型對生產排程進行優化與求解運輸派送問題。
4) 能源效率優化 – 如工廠節能最佳化，透過環境感測器取得資料並分析，智能化調整參數減少能源浪費。
2. 資料視覺化設計

【必要條件】
1. 能同理並重視使用者經驗與回饋，蒐集有效資訊並設計實驗，將產品的成長優化視為最高準則。
2. 對資料分析及視覺化充滿熱情並具備程式開發之熱忱與積極性，善於溝通協調與跨團隊合作並能獨立解決問題。
3. 熟悉專案管理方法（SCRUM），能規劃並管理開發單位的時程與資源分配，確保產品開發週期時效與產品疊代時程。
4. 撰寫產品文件、使用者操作手冊與功能說明簡報等相關文件，確保產品資訊準確一致。
5. 熟悉Python, R或JavaScript 等程式語言，並具備使用其語言開發實際分析經驗。
6. 具備深度學習、機器學習、統計分析、資料探勘（machine learning, deep learning, statistical modeling, data mining）之研究背景或實務經驗，對原理有基本的理解，能確實了解各演算法在應用上的優劣。
7. 具備MS SQL, PL/SQL, Mongo, Hive等資料庫串接經驗，及熟悉資料視覺化實作（如Tableau, Plotly）。
8. 了解設計思考方法與熟悉 UI/UX設計方法、流程、工具。

【加分條件】（具備以下能力之一，有相關實務經驗尤佳）
1. 電機/資工/資管/機械/數學/統計/工工，具機器學習、深度學習或資料分析背景等相關系所。
2. 具備獨立研究能力，閱讀理解期刊論文。
3. 熟悉至少一種機器學習或資料分析工具或套件：Scikit-learn, PyTorch, TensorFlow, Keras, OpenCV等。
4. 了解與熟悉Saas , Cloud service
5. 熟悉基礎git版本控制。
6. 擁有成功參加資料競賽（如Kaggle, KDD Cup, Codalab, etc.）的經驗。