【SW】I-軟體開發工程師

1.AI / Compute / Storage伺服器測試軟體開發及相關軟體模組維護(含 板階、系統階、櫃階 測試 

2.Compute / Storage伺服器壓力測試軟體開發及維護:主要為系統階測試 

3.依伺服器組件、功能、出貨規格 建立 測試計劃，完成測試軟體套件開發後導入工廠端交付測試執行團隊: 

依專案 需短期出差美國、墨西哥 (1個月/次，年累積三個月以下)

1. 主導系統架構設計：規劃並設計次世代醫療系統（HIS）總體技術架構與演進藍圖。 

2. 微服務拆分與治理：根據醫院核心業務，主導微服務的邊界劃分、API 契約設計與服務治理策略。 

3. 數據架構規劃： 設計數據湖與數據中臺架構，規劃全院級的數據整合、ETL 流程與數據治理體系。 

4. 推動醫療數據標準化： 負責推動並落實 HL7/FHIR 等國際醫療資訊標準在系統中的應用與數據交換。 

5. 制定技術規範： 建立與推行開發、安全、部署、監控等方面的技術標準、規範與最佳實踐。 

6. 規劃 DevOps 體系： 設計 CI/CD 自動化流程與可觀測性（Observability）系統方案，提升交付效率與系統穩定性。 

7. 技術選型與評估： 負責核心技術元件（雲端服務、資料庫、中間件）的選型、評估與概念性驗證（PoC）。 

8. 解決方案與技術攻關： 領導團隊解決專案中的關鍵技術挑戰與架構瓶頸。 

9. 技術指導與審查： 提供技術指導與培訓，並負責核心程式碼與架構設計的審查（Review）。 

10. 前瞻技術研究： 持續引入雲端計算前沿技術，驅動醫療系統的架構創新。

1.次世代HIS系統微服務設計與開發： 

負責次世代HIS系統雲端微服務設計與拆分。 

進行核心業務模塊的後端微服務API開發與接口設計，實現前後端分離架構的前端界面API開發與交互功能。編寫技術文檔、設計文檔及API接口文檔。 

2. 數據湖架構設計與搭建： 

結合 HIS、EMR、PACS 等醫療系統需求，設計智慧醫院及機器人平台高可用資料庫架構；選型關係型 / 非關係型資料庫，搭建優化集群。 

3. 數據集成與支持： 

參與數據中臺建設，完成 ETL 數據整合；支持開發團隊設計評審，為科室提供技術諮詢與培訓。開發與LIS、PACS、EMR等醫療系統的集成接口，實現HL7、FHIR等醫療數據標準的數據交換，確保醫療數據傳遞的準確性和完整性。 

4. 雲平台容器化部署與運維管理 

建立和維護CI/CD自動化部署流程。負責資料庫實例、許可權、性能調優；搭建監控體系（CPU、IO 等指標） 

5. 跨部門協作與需求實現

1. 使用者介面開發： 負責開發高品質、高效能、響應式的醫療系統前端應用程式與操作介面。 

2. 組件化架構實踐： 設計、開發並維護可複用、可擴展的標準化前端組件庫。 

3. API 數據串接： 與後端團隊協作，串接 RESTful API 或 GraphQL 接口，實現前後端數據交互。 

4. 應用程式狀態管理： 負責複雜前端應用的狀態管理機制設計與實現（如 Redux, Zustand）。 

5. 前端效能優化： 分析並優化應用的載入、渲染與運行效能，提升使用者體驗。 

6. 確保程式碼品質： 撰寫單元測試、組件測試與端到端測試，並參與程式碼審查（Code Review）。 

7. 前端工程化建設： 維護專案的建構工具鏈（Webpack/Vite）與 CI/CD 流程。 

8. 瀏覽器兼容性與調適： 確保應用在主流瀏覽器與不同設備上的兼容性與一致性。 

9. 跨團隊協作： 與 UI/UX 設計師、產品經理、後端工程師緊密合作，將產品需求高效落地。

1. 負責雲端平台的架構設計與開發實現，支撐端雲一體化整合方案的技術落地，保障雲端系統與終端設備的高效協同及穩定運行。 

2. 參與慢病管理平台、醫院HIS系統數據通道等基礎架構的雲端技術搭建，設計並實現FHIR協議數據互通的雲端解決方案，確保全場景數據流暢傳輸與交互。 

3. 基於客戶需求，進行雲端系統的定制化開發與優化，參與解決方案及系統設計說明書中雲端部分的編寫，明確雲端應用與設備端產品的整合邏輯。 

4. 與FAE、業務團隊協作，理解客戶在端雲項目各階段的雲端需求及問題，參與解決方案的討論與制定，跟進雲端功能的開發與交付進度。 

5. 制定雲端平台的交付規格，明確技術標準與FHIR&DICOM協議接口規範，確保雲端系統交付符合客戶預期，同時配合項目團隊完成雲端部署的技術支持。 

6. 編寫雲端開發相關的技術文件，包括微服務架構設計、接口說明、開發指南及TFDA相關資安文件，參與客戶的雲端解決方案簡報，根據反饋調整雲端技術方案。

＜About the Job＞ 

We are looking for a highly motivated and skilled AI Infrastructure Engineer with strong hands-on experience in Kubernetes (K8s), particularly in supporting AI/ML workflows. In this role, you will be instrumental in designing, implementing, and maintaining robust, scalable, and high-performance Kubernetes-based infrastructure that supports the entire lifecycle of our AI applications—from data processing and model training to deployment and monitoring. You will work closely with data scientists, AI/ML engineers, and DevOps teams to ensure seamless integration of AI/ML workloads within cloud-native environments. The ideal candidate has a deep understanding of container orchestration, distributed systems, and MLOps practices, and is passionate about building efficient, reliable platforms that enable rapid AI innovation. This is a unique opportunity to work at the intersection of AI and cloud infrastructure, contributing to next-generation systems that power intelligent applications at scale. 

＜Job Responsibilities＞ 

．Design & Architecture: Design, build, and scale a reliable and efficient Kubernetes platform optimized for AI/ML workloads. This includes provisioning GPUs, managing resources, and ensuring optimal performance for computationally intensive tasks. 

．Infrastructure Management: Manage the entire Kubernetes cluster lifecycle—from provisioning and configuration to ongoing maintenance, monitoring, and troubleshooting, ensuring high availability and scalability. 

．Deployment & Automation: Develop and implement CI/CD pipelines to automate the deployment, scaling, and updating of machine learning models and AI services. Ensure seamless integration with AI tools like Kubeflow, MLflow, and Argo Workflows. 

．Performance Optimization: Continuously monitor and optimize system performance, focusing on resource utilization, latency reduction, and improving the overall efficiency of AI workloads. Ensure high availability and minimal downtime for AI services. 

．Collaboration & Guidance: Work closely with data scientists, ML engineers, and cross-functional teams to understand their infrastructure requirements and provide technical solutions to meet workload demands effectively. 

．Security & Compliance: Implement best practices for cluster security, including network policies, access controls, and vulnerability management to safeguard sensitive data and maintain compliance. 

．Cost & Resource Efficiency: Manage resources effectively to optimize cost while maintaining high-performance infrastructure for AI model training, inference, and data processing. 

＜Skills & Qualifications＞ 

．Kubernetes Expertise: You should have hands-on experience with Kubernetes (K8s) architecture, including deploying applications, managing resources, and troubleshooting complex cluster issues in a production environment. 

．Containerization & Linux Environment: Strong knowledge of container technologies such as Docker, along with hands-on experience in Linux environments. Expertise in container orchestration and deployment practices is highly valued. 

．AI Workloads: Deep understanding of GPU scheduling and performance optimization, including strategies for resource allocation, workload balancing, and maximizing throughput for AI/ML tasks. 

．Automation & CI/CD: You need practical experience with building and managing CI/CD pipelines using tools like GitLab CI, Jenkins, GitHub Actions, or ArgoCD to automate deployments. 

．Programming & Scripting: Proficiency in at least one scripting language (e.g., Python, Bash) is a must. 

．Networking: Knowledge of container networking and service mesh technologies (e.g., Istio, Linkerd) is highly desirable and a great advantage.

電動車類/車用電子/儲能 

1.熟悉BMS/BMU軟體架構 

2.負責各種上位機架設以及調適 

3.負責產品法規和廠規測試,驗證以及除錯  

4.協助處理客戶端問題及現場技術支援

1.Server性能及健康監控程式開發(Prometheus, Grafana..) 

2.Server測試自動化程式開發(Redfish, IPMI, SNMP, BMC...) 

3.Server OS 鏡像自動化開發, 訂製及部署

•開發和維護EDA應用雲服務 

•使用Python和Git進行開發和版本管理  

•利用Python和資料結構及Algorithm進行資料處理分析  

•開發和維護Dash Web/Restful API  

•使用Yolo8和sentence-transformer進行finetune應用  

•使用OpenCV進行圖像處理應用  

•使用LLM/ VLM進行語言模型應用

1. Responsible for Windows driver management for assigned projects  

2. Windows driver issue analysis 

3. Cross-team and company collaboration