月薪 37,000 至 65,000 元
- 新竹縣-竹北市
- 經歷不拘
- 學歷不拘
關於 MR. LIVING 居家先生 致力於提供負擔得起的價格，讓所有顧客皆能擁有好質感設計家具，實現更美好生活的品牌。 『好生活・不將就』
月薪 46,000 至 50,000 元
- 台北市-松山區
- 經歷無
- 學歷高中職
1. 於商店從事直接收受客戶購物或接受服務之付款並回找零錢，填發收據或自來水費、電費、燃氣費、保險費、報費以及停車場、售票處（亭）、高速公路收費站、娛樂場所、展覽場所等收費或售票。操作收銀機。 2.
日薪 2,050 至 2,260 元
- 桃園市-龍潭區
- 經歷半年
- 學歷
上班時間23:00-07:00下班領現金 一個月兼職天數 約6-8天 1. 賣場或門市裡提供商品介紹及銷售服務。 2. 商店形象維護.商品銷
全新功能「技能交換」
用你會的，換你想學的技能
尼亞
交換嗎？擅長
魔術
化妝技巧
穿搭教學
攝影
我教會你魔術方塊各種階層形狀基本都行 還是要學化妝穿搭也可 你教我英文聽讀（多益）希望也可以陪我練口說 日文可有可無 以英文為重
小W
交換嗎？擅長
零售管理
臺語
Illustrator
Photoshop
手繪
我熱愛用Illustrator和Photoshop創作，也喜歡用臺語表達生活點滴，這讓我覺得文字與圖像能有美好的連結。希望能找到願意一起分享英文和Canva技巧的朋友，同時也想跟懂撞球的人切磋，學習新興趣讓生活更豐富。如果你對這些領域有熱忱，期待我們能互相交流，彼此成長。
熊熊🐻
交換嗎？擅長
麵包烘焙
甜點製作
調酒
飲品製作
臺語
對於烘焙和甜點，我有扎實的基礎與細膩的手感，能分享麵包製作技巧與調酒配方，讓聚會增添風味。我對中式料理充滿興趣，希望能從經驗豐富的人那裡學習經典步驟與食材運用，也想提升日語能力與管理技能，期待透過交流互補不足，共同成長。用實際行動與穩重態度，一起打造有溫度的學習環境。
玹雅
交換嗎？擅長
麵包烘焙
甜點製作
家常料理
食材準備
羽球
大家好 我喜歡學習一些新的事物 特別是實作的東西😆歡迎有共同興趣的朋友們可以一起了解😉
一比一比鴨鴨
交換嗎？擅長
Canva
排球
穿搭教學
化妝技巧
購物經驗
我超愛用Canva設計，各種海報、社群圖都難不倒我！排球場上也能看到我活力滿滿的身影，當然穿搭小技巧也絕對不藏私，幫你輕鬆變身時尚達人。反正我一直想學程式語言基礎、創業秘訣還有飾品製作，如果你在這些方面很厲害，快來找我交換技能吧！一起玩得開心又成長，保證超有趣！
沄霏
交換嗎？擅長
中式料理
西式料理
家常料理
調酒
食材採購
我喜歡在廚房裡創造美味，擅長中式、西式和家常料理，願意分享各種料理秘訣。希望能找到願意交換技能的朋友，一起學英文、Word或Excel，讓工作和生活更有效率。期待藉由彼此的學習，拓展視野，增進技能，更有趣且充實地成長！
月薪 40,000 至 42,000 元
- 高雄市-左營區
- 經歷1年
- 學歷
1.飲品製作 2.電話接聽 3.外送服務 4.煮茶人員 5.崗位分配 6.貨物控管 7.進貨盤點 8.班表安排 9.繳交月報表 月休8天
月薪 30,000 至 35,000 元
- 台中市-神岡區
- 經歷不拘
- 學歷
工讀生、二度就業、銀髮族均可， 門市提供完整職前訓練，歡迎您加入我們！ 無經驗亦可。 工作內容： 1.負責介紹及銷售門市商品。 2.提供顧客
月薪 32,000 至 35,000 元
- 台中市-北屯區
- 經歷無
- 學歷高中職
• 門市基礎營運： 負責收銀結帳、各項代收業務。 • 商品物流作業： 商品進貨驗收、上架陳列及庫存管理。 • 鮮食品質控管： 每日鮮食到貨處理與效期嚴格把關。 • 飲品製作服務： 操作咖啡機及現調飲品
月薪 32,000 至 35,000 元
- 台中市-北屯區
- 經歷無
- 學歷高中職
• 門市基礎營運： 負責收銀結帳、各項代收業務。 • 商品物流作業： 商品進貨驗收、上架陳列及庫存管理。 • 鮮食品質控管： 每日鮮食到貨處理與效期嚴格把關。 • 飲品製作服務： 操作咖啡機及現調飲品
月薪 34,000 至 38,000 元
- 台中市-北屯區
- 經歷不拘
- 學歷不拘
1.處理房間安排事宜，如:訂房、排房、進房、退房等。 2.處理帳務，如收款.核帳.查帳等。 3.旅館工作協助清理。 4.完成公司主管交辦事項 5.顧客接待及諮詢作業 6.協助大夜時段客房整理
月薪 33,000 至 35,000 元
- 台北市-北投區
- 經歷不拘
- 學歷高中職
1.收銀結帳 2.進貨、陳列商品 3.維持營業場所的整潔與美觀 4.不遲到早退、臨時請假 5.店長，副店臨時交辦事項
月薪 40,500 元
- 新北市-新莊區
- 經歷不拘
- 學歷
1. 基本收銀 1.賣場銷售服務 2.機台每日清潔 定期保養 3.進貨、陳列商品 4.維持營業場所的整潔與美觀
月薪 42,500 元
- 新北市-新莊區
- 經歷不拘
- 學歷
1. 基本收銀 2. 進貨補貨 3. 店鋪清潔,整理 4.維持營業場所的整潔與美觀 5.試用期1個月
月薪 47,500 至 61,000 元
- 新北市-新店區
- 經歷3年
- 學歷高中職
*(本薪+伙食+免稅加班費)=$47500，另有門市達標獎金 通過全部職級的考核升遷，月薪最高可達$66000 【福利在握】 ★年終獎金 ★介紹獎金最高2萬元 ★達標獎金 ★生日禮金 ★三節禮金/禮
月薪 47,000 至 53,000 元
- 新北市-板橋區
- 經歷2年
- 學歷高中職
*(本薪+伙食+免稅加班費)=$47000，另有門市達標獎金 通過全部職級的考核升遷，月薪最高可達$66000 【福利在握】 ★年終獎金 ★介紹獎金最高2萬元 ★達標獎金 ★生日禮金 ★三節禮金/禮
月薪 47,000 至 53,000 元
- 新北市-板橋區
- 經歷2年
- 學歷高中職
*(本薪+伙食+免稅加班費)=$47000，另有門市達標獎金 通過全部職級的考核升遷，月薪最高可達$66000 【福利在握】 ★年終獎金 ★介紹獎金最高2萬元 ★達標獎金 ★生日禮金 ★三節禮金/禮
時薪 220 至 250 元
- 新北市-土城區
- 經歷不拘
- 學歷
工作內容主要是親切的顧客服務、清潔、補貨、收銀......等， 只要肯做事，有責任心，不害怕面對人群，熱情大方，都歡迎來投履歷，加入7-
時薪 196 元以上
- 台北市-南港區
- 經歷無
- 學歷不拘
1.顧客服務：親切接待顧客，提供優質服務。 2.收銀與多元服務：操作收銀機、處理繳費、取貨、票券販售等。 3.商品管理：商品陳列、補貨、庫存管理，讓店鋪更整潔。 4.餐飲製作：製作 City Café
月薪 47,500 至 61,000 元
- 新北市-板橋區
- 經歷3年
- 學歷高中職
*(本薪+伙食+免稅加班費)=$47500，另有門市達標獎金 通過全部職級的考核升遷，月薪最高可達$66000 【福利在握】 ★年終獎金 ★介紹獎金最高2萬元 ★達標獎金 ★生日禮金 ★三節禮金/禮
月薪 40,000 至 45,000 元
- 新北市-新莊區
- 經歷不拘
- 學歷不拘
整理賣場，櫃檯銷售，賣場整理，活潑大方，補貨作業 ．提供顧客詢問或主動提供諮商建議給顧客。 ．負責擺設商品、清理櫥窗及維持營業地點之整潔及
時薪 196 元
- 桃園市-大溪區
- 經歷無
- 學歷不拘
1.統一超商門市晚班工作。(1500~2300) 2.熱忱服務客戶。 3.介紹商品及銷售。 4.環境/機器清潔及形象維護. 5.歡迎無經驗但
時薪 196 元
- 台中市-南屯區
- 經歷不拘
- 學歷不拘
全家便利超商 便利商店之收銀、補貨，門市營運維護，銷售服務、各式器具設備及環境清潔潔等事宜。 上班時間15:00-23:00 員工福利：
時薪 205 至 220 元
- 桃園市-中壢區
- 經歷無
- 學歷高中職
1.顧客接待服務 2.餐飲提供服務 3.包廂清潔服務 4.工作區域環境清潔整理 5.各類備品補充搬運整理 須配合每月排班表出勤 夜
月薪 31,000 至 40,000 元
- 桃園市-中壢區
- 經歷不拘
- 學歷高中職
※公司歷史 本公司經營連鎖網咖業已20年歷史，目前更跨足多媒體影音館MTV、KTV、複合式餐飲店等市場；歡迎負責任、有企圖心、喜歡科技產業的
月薪 37,200 至 44,500 元
- 新竹市-全區
- 經歷不拘
- 學歷高中職
【陶板屋和風洋食】用心對待每一種關係 在陶板屋，我們以精緻的和風洋食，為每段關係創造動人滋味。我們用心對待每一刻。加入陶板屋，感受用心對待與你的關係。 【工作內容】大廳見習襄理 提供顧客服務，協助外
月薪 29,500 至 40,000 元
- 桃園市-大溪區
- 經歷不拘
- 學歷高中職
※公司歷史 本公司經營連鎖網咖業已20年歷史，目前更跨足多媒體影音館MTV、KTV、複合式餐飲店等市場；歡迎負責任、有企圖心、喜歡科技產業
月薪 35,500 至 50,000 元
- 台中市-神岡區
- 經歷無
- 學歷高中職
※行動電話.通訊器材.3C，家電產品銷售 ※各家電信業者門號之申請與異動服務 本公司民國92年成立.已有54個遠傳團隊.公司陸續展店中.有良
月薪 35,500 至 50,000 元
- 台中市-神岡區
- 經歷無
- 學歷高中職
客戶接待與服務 手機、門號與5G方案介紹 協助辦理電信業務 商品銷售 ✔ 無經驗可，公司完整教育訓練 ✔ 工作簡單易上手，服務＋介紹即可 ✔
科技產業手冊封面視覺設計與完稿
案件金額：8,000
- 可遠端-全區
- 無
- 不拘
背景與目標：我們需要為一份科技產業手冊製作封面設計，用於對外發行與內部簡報延伸使用。目標是建立專業、可信賴且具科技感的第一印象，並能與既有品牌視覺一致，確保在印刷與數位閱讀情境下都清晰易讀，提升手冊整體質感與辨識度。 需求描述：請提供科技產業手冊封面設計提案與完稿交付，包含主視覺概念發想、版面編排、字體與色彩規劃，並依我們提供的手冊標題、副標、年份或期別、公司名稱與標誌等資訊完成設計。需提供至少兩款不同風格的封面初稿供挑選，並包含兩輪修改調整至定稿。交付檔案需同時滿足印刷與數位用途，提供可編輯原始檔與輸出檔，並確保解析度、出血與色彩模式符合常見印刷規格；若有品牌識別規範請依規範製作，並可協助提出封面延伸到內頁章節扉頁的簡易視覺方向建議以維持一致性。
AI_OCR+地端 LLM 電子郵件內嵌圖檔及附檔稽核系統
案件金額：600,000
- 可遠端-全區
- 無
- 不拘
用於哪個行業：金融業和公家機關 細節說明： 1.專案目標 本案目標為建置「AI OCR 多格式、多地端 Agent 附件深度解析系統」，用於解析使用者電子郵件附件及內嵌圖片，將影像或文件內容轉換為可分析之文字資料，並提供後端 LLM 與規則引擎進行機敏關鍵字、語意風險與不合規內容判斷。 系統支援企業郵件稽核情境，針對高風險附件或圖片，輸出可視覺化的 OCR 辨識位置、命中關鍵字及分析結果，供後續資訊安全儀表板使用。 2.1 多格式附件解析與檔案結構剖析 須開發附件解析服務，支援下列格式： 壓縮檔：ZIP、RAR，並支援巢狀壓縮檔解析。 文件檔：PDF、Word、Excel、PowerPoint。 圖片檔：JPG、JPEG、PNG、BMP、TIFF、GIF、WebP，以及其他常見圖片格式。 郵件內嵌圖片及附件圖片。 2.2 多 Agent OCR 辨識引擎 必須整合並實際使用下列至少三套開源 OCR 模組： PaddleOCR Tesseract OCR EasyOCR 請推薦 其他 或 自有 至少三套 OCR 引擎均須完成可執行整合、結果輸出及測試驗證。 OCR 服務應具備下列能力： 支援繁體中文、英文、數字、符號及中英文混雜內容。 支援掃描文件、截圖、表格、照片、低解析度影像及常見商務文件圖片。 會根據 權重判斷 OCR 作為主要辨識引擎。 例 : 當 PaddleOCR 辨識信心值偏低、文件屬表格類型，或內容為中英文混雜時，自動啟動 Tesseract OCR 與 EasyOCR 進行交叉辨識。 支援多引擎辨識結果的權重融合、信心值整合及最終文字輸出。 保留各 OCR 引擎的原始辨識結果、信心值及融合後結果，供後續追蹤與模型調校。 輸出文字內容、頁碼、座標位置、文字區塊範圍及信心值。 可針對不合規文字或機敏關鍵字，回傳其於原始影像中的座標框選資訊，供前端儀表板以紅框或標記顯示。 2.3 OCR 結果與後端 LLM 介接 OCR 引擎須提供標準化輸出格式，供後端 LLM 與規則引擎分析。 輸出資料至少包含： 1.郵件追蹤編號。 2.附件識別碼、檔名、檔案類型及檔案層級關係。 3.文件頁碼、工作表名稱或投影片頁次。 4.OCR 原始文字、正規化後文字及語言資訊。 5.各 OCR 引擎辨識結果與信心值。 6.融合後最終文字及信心值。 7.文字區塊座標，例如 x、y、width、height。 8.原始附件、頁面影像或縮圖的儲存位置。 9.解析與 OCR 處理狀態、錯誤代碼及錯誤訊息。 10.系統須提供 RESTful API 或其他經雙方確認的標準介接方式，供後端 LLM 服務取得 OCR 結果並回傳風險分析結果。 3、辨識品質與驗收標準 3.1 OCR 辨識率 廠商交付之 OCR 系統，整體辨識率須達 85% 以上。 辨識率驗收方式如下： 以本公司提供或雙方共同確認的測試資料集進行驗收。 測試資料應涵蓋繁體中文、英文、數字、中英文混雜、掃描 PDF、圖片、表格、Office 文件及常見壓縮檔附件。 「辨識率」以字元辨識正確率為原則計算；忽略空白字元與排版差異後，比對 OCR 結果與標準答案。 計算方式： 辨識率 = 正確辨識字元數 ÷ 標準答案總字元數 × 100% 整體辨識率須達 85% 以上。 對於影像品質嚴重不足、文字遭遮蔽、加密檔、損毀檔或超出安全限制之附件，應標示為例外樣本，不納入一般 OCR 辨識率計算；但系統仍須正確回傳處理狀態與原因。 3.2 座標框選正確性 針對命中機敏關鍵字或不合規文字的影像： 系統須能回傳該文字所在頁面與座標資訊。 前端以座標框選方式呈現時，框選位置須可辨識並對應原始文字區塊。 驗收時應抽樣檢查框選位置與實際文字位置的一致性。 3.3 多 Agent 融合驗證 廠商須提供多 Agent OCR 的驗證報告，至少包含： PaddleOCR、Tesseract OCR、EasyOCR 的個別辨識結果比較。 低信心值、表格及中英文混雜文件時，交叉辨識的觸發條件與處理結果。 權重融合前後的辨識率比較。 主要錯誤案例、改善方式及已知限制。
