AI職位工種: AI 工程師 (AI Engineer)
按此回到 「AI職位工種列表」

AI 工程師 (AI Engineer)

AI職業名稱

AI 工程師（AI Engineer／Artificial Intelligence Engineer）

 

工作概要

AI 工程師主要負責設計、開發、訓練與部署人工智慧模型與演算法，讓系統能自動學習並做出預測、分類或產生內容，例如圖像辨識、語音辨識、自然語言處理與推薦系統等。AI 工程師會把這些 AI 模型整合進實際的產品與服務中，解決商業或產業中的複雜問題。

 

主要工作內容

  • 分析問題與需求

    • 與產品經理、業務單位討論需求，釐清要解決的商業問題與技術目標。

    • 評估是否適合用機器學習／深度學習或生成式 AI 來解決。

  • 資料蒐集與前處理

    • 從資料庫、API、感測器或網路爬蟲蒐集資料。

    • 進行資料清洗、缺值處理、標註與特徵工程，確保資料品質。

  • 模型設計與訓練

    • 選擇合適的模型架構（如傳統機器學習模型、深度神經網路、Transformer、推薦演算法等）。

    • 使用 Python、機器學習／深度學習框架（如 scikit-learn、TensorFlow、PyTorch）進行模型訓練與調參。

    • 評估模型效能，使用指標如準確率、召回率、F1 分數、AUC 等。

  • 生成式 AI 與大語言模型應用（近年熱門）

    • 使用各家 LLM API（如 ChatGPT 相關 API 等）設計對話機器人、文字生成、程式碼輔助、文件摘要等應用。

    • 設計 Prompt、使用向量資料庫與 RAG（Retrieval-Augmented Generation）技術，讓模型能利用企業內部知識庫。

    • 針對特定領域進行模型微調（Fine-tuning）或工具串接（如 Agent、工具呼叫等）。

  • 模型部署與系統整合

    • 將訓練好的模型包裝成 API，部署到雲端或內部伺服器。

    • 與前端／後端工程師合作，把 AI 功能整合進網站、App、企業系統或內部平台。

    • 建立 ML / AI 流水線（MLOps），包含版本管理、持續部署與監控。

  • 效能監控與持續優化

    • 監控模型在真實環境中的表現，偵測效能衰退、偏誤或資料分佈改變。

    • 定期重新訓練模型、更新特徵或調整架構以提升準確度與穩定性。

  • 溝通與跨部門合作

    • 向非技術同仁解釋模型原理與結果，產出可視化報表與簡報。

    • 與資料工程師、數據科學家、產品經理、領域專家協作完成專案。

必備技能與能力

  • 程式與軟體開發基礎

    • 熟悉 Python（常用於資料處理與模型訓練），具備良好程式設計習慣。

    • 了解軟體工程概念，如版本控制（Git）、REST API、單元測試等。

  • 數學與統計

    • 線性代數、機率與統計、微積分基礎。

    • 理解機器學習中常見的損失函數、正則化、梯度下降等概念。

  • 機器學習與深度學習

    • 掌握監督式／非監督式學習、分類、回歸、聚類等基本模型。

    • 熟悉深度學習架構，如 CNN、RNN、LSTM、Transformer 等，以及相應框架。

  • 資料處理與資料庫

    • 能使用 Pandas、NumPy 等工具處理大量資料。

    • 了解 SQL 與常見的關聯式／非關聯式資料庫。

  • 雲端與部署相關技術

    • 了解容器（如 Docker）、雲端平台（如 AWS、Azure、GCP）基礎概念。

    • 熟悉模型部署方式，如使用 Flask/FastAPI、Serverless、Kubernetes 等（視職位要求而定）。

  • 生成式 AI 與 LLM 能力（新型 AI 工程師加分）

    • Prompt 設計與最佳化。

    • 使用向量資料庫、RAG、工具呼叫（Tool/Function Calling）、Agent Framework 等。

    • 理解模型限制、風險與安全性議題（幻覺、資料隱私、歧視等）。

  • 軟實力

    • 問題拆解與邏輯思維能力。

    • 良好的溝通表達與團隊合作。

    • 持續學習新技術的動機與能力。

常見工作領域與應用範例

  • 網路服務與電商

    • 商品推薦系統、個人化廣告投放、搜尋排序優化。

  • 金融與保險

    • 信用評分、風險評估、詐欺偵測、客戶流失預測。

  • 製造與工業

    • 預測性維護、瑕疵檢測、良率分析。

  • 醫療與健康照護

    • 影像診斷輔助、病患風險預測、醫療文本分析。

  • 智慧城市與物聯網

    • 交通流量預測、能源管理、影像監控分析。

  • 教育與內容產業

    • 自動批改、教學輔助機器人、文字／圖片／影音生成。

典型職涯路徑

  • 入門職位

    • AI 助理工程師、機器學習工程師（Junior）、資料科學家助理等。

  • 中階職位

    • AI 工程師、機器學習工程師、生成式 AI 工程師、MLOps 工程師。

  • 高階職位

    • AI 技術主管、資料科學／AI 團隊 Lead、AI 架構師、技術長（CTO）等。

適合什麼樣的人？

  • 喜歡寫程式並願意長期鑽研技術。

  • 對數學與邏輯推理不排斥，願意補強基礎。

  • 對資料與模型如何影響現實世界有高度好奇心。

  • 能在快速變化的技術環境中持續學習與更新知識。

 

薪資概況 (月薪參考)

  • 入門級 (Junior/Entry-level)：約 HK$25,000 – HK$35,000。新畢業生起薪點通常在 $25,000 左右，具備 1-3 年經驗者平均年薪約 $508,858。
  • 中級 (Mid-level)：約 HK$40,000 – HK$60,000。具有實務建模經驗且能獨立工作者。
  • 高級 (Senior/Lead)：約 HK$70,000 – HK$100,000+。資深專家或團隊負責人的年薪中位數可達 $90 萬以上，特定領域（如 AI 研究員）的高端薪酬可達每月 $12.7 萬。