Senior Backend Engineer, ML Products (Edge AI)

About UsAngible 是一家總部位於台北、成立於 2025 年的 AI 科技新創，致力於透過電腦視覺與邊緣運算技術，加速零售產業導入 AI。在成立第一年，我們就成功將自研 AI 解決方案導入多個零售場域，服務範圍涵蓋歐洲、北美與東南亞，並驗證能有效解決真實商業痛點。而我們認為，這只是開始。零售業規模龐大、利潤率低且高度仰賴人力，卻也是人們日常生活中不可或缺的一環。相較於台灣常見的數百家門市，歐美連鎖超市往往橫跨多個區域，擁有數千甚至上萬個營運據點。這也意味著，若視覺 AI 能在真實場景中成功落地，其價值將不只停留在單一門市，也不只侷限於單一應用，而是能隨著連鎖網路與不同營運場景被持續複製、延伸與放大。目前 Angible 正站在業務擴張與產品規模化的關鍵階段，我們以「讓零售更聰明且高效」為使命，透過 AI 與邊緣運算，協助企業在快速變動的市場中提升獲利能力與競爭優勢，讓 AI 成為企業每天營運的一部分，也讓技術能走進人們的生活日常。在 Angible，我們重視資訊透明、目標清晰與彼此信任，也看重每一位成員的影響力與成長機會。你將有機會直接參與產品從 0 到 1，以及從 1 到規模化的過程，與一群有想法、也有行動力的夥伴一起合作，快速驗證假設，並將技術真正落地於真實世界場景。About The Role我們正在尋找一位以軟體工程能力為核心的 Senior Backend Engineer，負責打造、部署與維運運行在零售門市 Edge AI 裝置上的 ML applications。你的主要任務不是研究或訓練模型，而是將模型整合成可靠、可觀測、可升級，並能在不同裝置與網路環境中長時間運行的軟體產品。工作範圍涵蓋 Python backend services、影像串流與推論流程整合、API 與資料契約、系統可觀測性、版本發布、回滾及 production troubleshooting。你將與 ML 團隊合作定義模型的輸入、輸出與 runtime contract，並與 SRE、Product 及客戶端 IT 協作，讓 Edge AI 產品能從單一場域走向多門市規模化部署。Tech StackBackend & Runtime：Python, LinuxInfrastructure：Docker, GitHub ActionsStreaming：FFmpeg, RTSP, GStreamerEdge & Inference：DeepStream, DLStreamer, ONNX, OpenVINO, TensorRTAgentic Workflow：AI coding tools, agent-assisted developmentWhat You'll Do開發 ML product 的 backend services 與 edge runtime：串接影像輸入、推論 orchestration、後處理與結果傳輸，將模型能力整合成可維運的產品設計清楚且穩定的系統介面：包含 API、event / data contracts、configuration、state 與 application lifecycle部署與維運 Edge AI applications：在 NVIDIA / Intel 等不同 edge devices 上進行容器化部署、版本發布、升級與回滾處理影像串流整合與問題排查：面對不同攝影機、網路與編碼環境，定位延遲、斷線、封包、同步與效能問題建立可觀測性與可靠性機制：監控 application、streaming、inference 與 system health，改善 logging、metrics、alerting 與故障恢復能力解決真實場域的 production issues：從軟體、網路、裝置資源到 model runtime，系統性找出問題位置並推動修復跨團隊交付產品：與 ML、SRE、Product 及客戶端 IT 合作，定義整合契約、部署標準與營運流程在商業限制中做工程取捨：平衡交付速度、可靠性、效能、硬體成本與長期可維護性What We're Looking For熟練 Python，具 production backend、service 或 application 開發經驗具良好的軟體工程能力，重視模組化設計、型別與介面契約、測試、可讀性及可維護性有將服務從開發帶到 production 的經驗，理解 deployment、configuration、versioning、rollback 與日常維運熟悉 Linux、Docker、Git 與 CI/CD 等基本開發與交付工具能透過 logs、metrics 與系統資源資訊進行系統化除錯，而不是只依賴重試或人工操作能處理外部裝置、不穩定網路、硬體差異與部分失敗等 production constraints能清楚溝通技術取捨，並與不同職能共同定義責任邊界與完成標準熟悉使用 AI coding tools 加速開發，同時能對程式品質、測試與技術決策負責此職位以軟體工程與 production ownership 為主要評估標準，不要求候選人以模型研究或訓練為主要專長。Nice-To-Haves以下經驗皆為加分項，不要求同時具備：有 影音或即時串流系統經驗，例如 FFmpeg / GStreamer、RTSP、codec、延遲、封包或同步問題排查有 Edge AI 或裝置端部署經驗，例如 NVIDIA / Intel platforms、NVR、工規機、PoE、OTA 或 remote fleet management曾整合 ML model runtime 或 model serving，例如 ONNX、OpenVINO、TensorRT了解基本 Computer Vision 概念，例如 object detection、tracking、MOT、Re-ID 或影像前後處理有 MLOps 或資料流程經驗，例如模型版本管理或 deployment pipeline有建立 observability、auto-recovery、canary rollout 或 rollback 機制的經驗有零售、製造、智慧城市，或其他多據點現場系統的部署與維運經驗Interview Process#1 履歷初篩#2 線上面試 技術初談（1 小時）：對齊動機，討論過往 production backend / software product 的設計、交付、維運經驗與技術取捨#3 實體面試 技術深度面談（1.5-2 小時）：討論實作測驗、ML application system design，以及 production debugging 情境題文化與協作面談（1-1.5 小時）：了解合作方式、溝通風格、ownership 與衝突處理#4 最終面試CEO 面試（1 小時）：確認人格特質與團隊文化適配度#5 Offer 與加入預期整個流程在兩週內完成。