CakeResume Job Search

Get data from both internal and external sources via API or crawlers. Perform data analysis to help marketing/business teams to answer business/operational questions. Build and optimize models for business decision making. Interpret trends or patterns from complex data sets by using statistical and visualization tools. Conduct data analysis reports to illustrate/visualize the results and insight. Build analytics tools that utilize the data pipeline to provide insights to customer needs

#About the Team Fazz’s Data Engineering teams are responsible for creating and maintaining the infrastructure that runs the company’s data pipeline, and optimizing the flow and collection of data for the critical business analytics and AI/data-driven solutions. The success of the team relies on the high engineering standard and the adoption of cutting-edge technology that empowers the organization to be agile. Data engineering forms the foundation to ensure that precious data

Infocast is looking for a data engineer to help optimize, expand, test, and maintain the data pipeline architecture across all of our databases and for our upcoming products. You will be working closely with our software engineers and data scientist to understand and implement database requirements, troubleshoot issues, and improve data reliability and quality. The ideal candidate should have a solid understanding (both theoretical and practical) of machine learning techniques, and be comfortabl

1.負責雲端數據平台之架構規劃與專案導入建置 2.負責雲端數據平台之數據流程、管理機制、開發架構與平台維運

我們正在尋找一名資料工程師，加入我們不斷成長的團隊。 您將負責發掘、尋找、收集、清理和整理各種不同來源的資料。 建立和維護資料基礎設施，以供我們的數據團隊使用。 參與產品開發、維護與品

【工作內容】 1、遊戲機率設計與數據分析： 領導並協調遊戲機率設計，並深入進行高度複雜的數據分析，以優化遊戲性能。 2、計算遊戲數學模型： 開發高級數學模型，包括應對多變量情況，以確保遊戲

我們熱愛創新技術的研發，希望所開發出的產品能充滿溫度並散播歡樂，期待充滿熱血的夥伴加入我們的行列，挑戰自我創造更多膾炙人口的作品。 職責： 評估和實施最新的AI技術，特別是LLM（如ChatGPT

【我們希望您有的特質】 ★ 樂於團隊合作與知識分享 ★ 從客戶觀點出發的同理心 ★ 對技術保持熱情和好奇心 【您的任務】 ★ 參與各大AI專案，解決集團流程痛點，翻轉集團作業效率 ★ 使用統計或

【專案介紹】 主要負責金融雲端數據系統開發，團隊共同完成大型專案， 配合專案經理規劃時程完成工作，與數據架構師協作開發。 【在這裡你可以】 ● 參與金控資料倉儲專案，獲得更多銀行雲端數據

1.蒐集結構化與非結構化資料, 進行萃取、清理、探勘與分析。 2.建置機器學習模型，將該流程佈署於系統或平台上。 3.模型效果監控與系統優化維護 4.持續研究大數據應用與AI技術趨勢