求才職稱 | 資格條件 | 工作內容 | 待遇 | 工作地點 | 需求人數 |
【2025校徵】商品精算人員
(理工科系職缺:不拘)
|
【技能】 1.數理分析能力 2.程式撰寫能力 3.大數據分析能力 4.問題分析與解決能力 5.簡報能力 【知識】 1.數學、統計、資訊、財金、保險、精算及風管等相關系所畢業 2.具數理分析、程式撰寫、大數據分析能力及SOA相關精算證照者尤佳 【職能特質】 1.創意十足 2.開放心胸 3.正面思考 4.高度投入 5.優良態度 6.積極主動
|
1.傳統及投資型商品定價設計、開辦及銷售後系統維護 2.商品利潤分析及風險控管 3.準備金提存計算、資產負債管理、現金流量測試、精算財務分析評估(如獲利預測、差異分析) 4.經驗資料分析與建模 5.跨部門業務合作
|
面議
|
臺北市
大安區仁愛路四段296號
| 5 |
【2025校園徵才】數據/AI/科技治理專業人員
(理工科系職缺:不拘)
|
1.個性積極,樂於面對挑戰,勇於創新,促進團隊成功 2.資訊相關、企業管理、科技法律相關科系尤佳。 3.具下列任一經驗尤佳:數據治理、AI治理、科技法遵、資安或數據隱私管理專案企劃或專案管理/ 流程規劃或系統開發/模型開發
|
1.數據/AI法規研究 研究國內外數據治理/AI治理趨勢,掌握相關法令規範變動,提供策略研擬建議。 理解如資訊安全、數據隱私、數據保護、資料共享、個資規範等數據合規需求,確保數據使用符合法規。 2.治理政策制定與推動 協助制定並執行公司數據治理/AI治理政策及標準,確保數據隱私、安全與合規。 跨部門協作,企劃培訓或相關活動,推動數據治理/AI治理業務。 3.治理實施與監控 規劃並實施數據/模型生命週期、品質監控、數據定義、權限管理等相關管理程序,並建置或評估導入管理工具,提升管理效率。 設計治理監控指標,追蹤執行成效。
|
面議
|
臺北市
台北市內湖區
| 12 |
【2025校園徵才】生成式AI工程師
(理工科系職缺:不拘)
|
1. 精通Python編程,熟悉TensorFlow或PyTorch等機器學習框架。 2. 程式撰寫經驗,具備構建AI大型語言模型(LLMs)或 LLM Agents 的應用程式的能力。 3. 研究背景,熟悉LLMs和自然語言處理(NLP)或電腦視覺(CV)研究。 4. 模型訓練和微調經驗,熟悉PEFT或量化技術。 5. 熟悉Prompt Engineering,具備保險領域知識者優先。
|
1. 與跨功能團隊合作,設計、開發和實施生成式AI模型,尤其是大型語言模型(LLMs)。 2. 開發和實施保險產品和服務,優化模型的效率、可擴展性和性能。 3. 吸收並分享AI和機器學習技術的最新發展。 4. 調整和微調生成式AI模型,撰寫開發過程和使用說明文件。 5. 開發和維護模型訓練和部署流程,確保系統最佳運作。
|
面議
|
臺北市
台北市內湖區
| 1 |
【2025校園徵才】商業分析師
(理工科系職缺:不拘)
|
1.熟悉SQL、Python、機器學習、大數據架構。 2. 具備商業分析專案、數據分析實務或實習等實際經驗者佳。 3.具獨立作業、執行、研究能力,善於跨部門溝通協調,主動積極。 4.思考邏輯清晰,具視覺化分析、跨領域溝通、簡報技巧與溝通能力。 5.商業數據競賽獲獎或參賽經驗者佳。
|
1. 透過數據協助商業決策,萃取大數據資料進行洞察分析,包含資料抽取、數據清洗、探索分析等,發掘問題及新商業模式。 2. 使用程式建置分析或預測模型,投入精準行銷或風險控制等應用,促成商業決策或提升作業效率。 3. 結合其他部門業務共同合作,溝通、規劃並建構「數據驅動」之商業解決方案,整合跨單位工作並落地實作。
|
面議
|
臺北市
台北市內湖區
| 1 |
【2025校園徵才】資料科學家
(理工科系職缺:不拘)
|
1.Python、SQL程式語言開發能力 2.具備Machine Learning、人工智慧、資料科學相關知識者 3.專案溝通、解決方案建構、業績目標達成 加分條件: 1. 曾有Machine Learning,Deep learning, NLP, RL,LLM 實務或實習等實際經驗者。 2. 熟悉資料庫、商業分析、視覺敘事、模型架構設計等。 3. 具獨立作業、執行、研究、開發能力,善於跨部門溝通協調,主動積極。 4. 思考邏輯清晰,具視覺化分析、跨領域溝通、簡報技巧與溝通能力者佳。 5. 商業數據競賽獲獎或參賽經驗者,或 具備ML pipeline相關實務經驗者佳。 6. 對ML、AI實作與運用有高度興趣和研究意願,具學術論文研讀與實作經驗者佳。
|
1. 透過數據協助商業決策,萃取大數據資料進行洞察分析,包含資料抽取、數據清洗、探索分析等,發掘問題及新商業模式。 2. 使用程式建置分析或預測模型,投入精準行銷或風險控制等應用,促成商業決策或提升作業效率。 3. 結合其他部門業務共同合作,溝通、規劃並建構「數據驅動」之商業解決方案,整合跨單位工作並落地實作。 4. 各種演算法技術與理論落地研究、實作可實務應用之新興數據技術,協助提升團隊整體數據技術運用能力。 5. 建構數據團隊自動化架構、開發數據團隊輔助工具。
|
面議
|
臺北市
台北市內湖區
| 1 |