หน้าแรก
ค้นหางานด่วน
งานกรุงเทพปริมณฑล งานนิคมอุตสาหกรรม งานโรงแรม งานนักศึกษาฝึกงาน งานสหกิจศึกษา งานสำหรับคนพิการ Intern Connext findwork EWE Platform
ค้นหาประวัติ
งานภาคกลาง งานภาคตะวันออก งานภาคเหนือ งานภาคอีสาน งานภาคใต้ งานภาคตะวันตก
ผู้ประกอบการ ผู้สมัครงาน
ข่าวและกิจกรรม ติดต่อเรา Help Center อัตราค่าโฆษณา วิธีการชำระเงิน

กรุณา ล็อคอิน เพื่อดูข้อมูลการติดต่อ เรซูเม่

งานที่ต้องการ

  • ตำแหน่ง:

    AI Engineer

    สาขาอาชีพ:

    ไอที

    สาขาอาชีพย่อย:

    Data Scientist

  • ตำแหน่ง:

    Machine Learning Engineer

    สาขาอาชีพ:

    ไอที

    สาขาอาชีพย่อย:

    Data Engineer/Big Data

ประเภทธุรกิจที่สนใจ

  • คอมพิวเตอร์-ไอที

พื้นที่ที่ต้องการทำงาน

กรุงเทพมหานคร (ทุกเขต)

เงินเดือน

35,000 - 50,000 บาท

รูปแบบงาน

งานประจำ

ระยะเวลาเริ่มงาน

ภายใน 30 วัน

สามารถทำงานในกรุงเทพฯ

ได้

สามารถทำงานในต่างจังหวัด

ได้

ประวัติการศึกษา

2568 - มหาวิทยาลัยธรรมศาสตร์

คณะ:สถาบันนานาชาติสิรินธร (SIIT)
สาขา:วิศวกรรมคอมพิวเตอร์
เกรดเฉลี่ย 2.76 - ปริญญาตรี

ประวัติการทำงาน/ ฝึกงาน

กันยายน 2568 ถึงปัจจุบัน  (8 เดือน)
  • ตำแหน่งงาน:
  • AI Engineer
  • ประเภทธุรกิจ:
  • คอมพิวเตอร์-ไอที

รายละเอียดงาน

  • Working as an AI Engineer in a manufacturing innovation/solution team, responsible for designing, developing, and deploying AI/ML and LLM-based solutions to support factory operations, predictive maintenance, HR workflows, and internal knowledge applications.
  • Major Duties & Responsibilities:
  • • Design and develop end-to-end AI/ML systems for manufacturing use cases, from raw data exploration to production-ready deployment.
  • • Clean, validate, and process machine-status/event-log datasets, including Parquet, CSV, Excel, and database-derived data.
  • • Perform EDA, feature engineering, alert-label creation, time-series validation, model training, model evaluation, and prediction monitoring.
  • • Build and integrate production inference APIs to connect ML model outputs with existing monitoring or operational systems.
  • • Develop monitoring and evaluation tools to compare predicted alert windows against actual machine-status logs.
  • • Collaborate with engineers, operators, and internal stakeholders to translate factory problems into practical AI/ML solutions.
  • • Communicate AI/ML concepts, model limitations, data-quality issues, and prediction results to non-technical users.
  • • Design and prototype LLM/RAG applications using embeddings, vector search, local LLM workflows, and Thai-English NLP.
  • • Build dashboards and internal tools to support model evaluation, operational visibility, and decision-making.
  • • Document model logic, data workflows, assumptions, and usage guidelines for maintainability and knowledge transfer.
  • Selected Projects & Achievements:
  • 1. Real-time Predictive Maintenance System
  • • Designed and deployed an end-to-end predictive maintenance system for industrial machines to predict machine-status transitions and alert windows before alarm events occur.
  • • Built the full ML workflow, including event-log cleaning, outlier handling, feature engineering, alert-label creation, time-series validation, model training, evaluation, monitoring, and production inference.
  • • Developed real-time inference APIs integrated with production monitoring systems.
  • • Built evaluation tools to compare predicted alert windows against actual machine-status logs and support continuous model improvement.
  • • Collaborated with manufacturing engineers and operators to integrate prediction outputs into maintenance workflows.
  • • Helped reduce unexpected machine downtime by approximately 30–40%.
  • 2. AI-Powered Resume Matching System
  • • Designed and developed a local/offline LLM-powered resume matching system for HR screening workflows.
  • • Built a Thai-English document processing pipeline for PDF/DOCX resumes and job descriptions.
  • • Used embeddings and vector similarity search to match candidates across multiple job descriptions.
  • • Integrated Llama-based reasoning to generate explainable candidate-job fit analysis.
  • • Implemented ChromaDB vector search and SQLite metadata storage to support reusable candidate and job profiles.
  • • Built a Streamlit dashboard for batch resume upload, single-candidate evaluation, ranked candidate views, skill/experience filters, and fit explanations.
  • 3. LLM/RAG Application Development
  • • Prototyped internal LLM/RAG workflows using local LLMs, embeddings, vector databases, and prompt engineering.
  • • Developed Thai-English NLP workflows for document understanding, retrieval, and question-answering use cases.
  • • Designed system prompts and retrieval logic to improve response relevance, reduce hallucination, and support practical internal knowledge use cases.
  • Technical Environment:
  • Python, SQL, Pandas, NumPy, Scikit-learn, TensorFlow, PyTorch, REST APIs, Streamlit, ChromaDB, SQLite, Docker, Kubernetes, Git, Linux/Shell, Parquet, CSV, Excel, Embeddings, Vector Search, LLM/RAG, Prompt Engineering, Thai-English NLP, Time-series Validation, Predictive Modeling, Model Evaluation, Production Inference

Hard Skill

  •  - Python / ระดับมีประสบการณ์
  •  - Java / ระดับมีประสบการณ์
  •  - ChatGPT / ระดับผู้เชี่ยวชาญ
  •  - Javascript / ระดับชำนาญ
  •  - SQL / ระดับมีประสบการณ์
  •  - Linux / ระดับมีประสบการณ์
  •  - Docker / ระดับมีประสบการณ์
  •  - PostgreSQL / ระดับชำนาญ
  •  - Kubernetes / ระดับมีประสบการณ์
  •  - Pandas, NumPy, Scikit-learn, TensorFlow, PyTorch, REST APIs, / ระดับมีประสบการณ์

Soft Skill

  •  - MLOps
  •  - Kafka
  •  - Flink
  •  - AI
  •  - Machine Learning
  •  - NLP
  •  - Vector search

ทักษะทางภาษา

  • การพูด

  • การฟัง

  • การอ่าน

  • การเขียน

  • ไทย
  • ดีมาก
  • ดีมาก
  • ดีมาก
  • ดีมาก
  • อังกฤษ
  • ดีมาก
  • ดีมาก
  • ดีมาก
  • ดีมาก

คะแนนทางภาษา

อังกฤษ

  • Toeic : 910 คะแนน

ข้อมูลการฝึกอบรม

สถาบัน Coursera/Google

 - เมษายน 2569 ถึง เมษายน 2569ชื่อหลักสูตร Google AI
Top