轉職熱搜工作

1. 低耗能生成式AI晶片異質整合系統開發協作開發硬體與韌體。 2. 生成式AI演算法軟體執行環境建構與depoly。 3. 生成式AI邊緣應用系統軟硬整合 4. 5G+AI相關的應用與服務解決方案 6. 生成式AI之創新互動演算系統開發

研發影像處理、視訊分析、訊號分析、深度學習、深度增強式學習、圖像生成、工業編成等相關技術，並應用於工業、公共安全視覺應用、視訊監控及品質檢測等領域。

1.研究並實現設備的智慧化預測維護系統，以數據及理論驅動的方法優化維護策略。 2.透過先進的數據分析技術，分析設備狀態數據、預測設備的故障時間，並提出最佳維護建議。 3.建立並優化故障診斷與預測模型，幫助提升設備的可用性和生產效率。 4.開發可跨產業應用之預測維護系統，提升技術之泛用性。 *技術影片與技術簡介* https://www.youtube.com/watch?v=r_i6vhiRxWI https://youtu.be/_VC5W5ZZ3Bs?t=31

學習PCB全製程，培訓為公司內部製程儲備主管或研發工程師 ●理工科 碩士畢業 【薪資待遇】 ※任職期滿再依表現調薪，另享有留任獎金。 培訓自己廠內關鍵人才~ 期待您的加入!! 歡迎畢業生！

公司連結：https://1111.com.tw 📣 【研發助理】熱情招募中！ 你對研發有著無限熱情，想要投身於自動控制相關領域的大冒險嗎？這份工作等著你來挑戰！✨ 🔧 加入我們，你將會負責 1. 在鼎新ERP中建立品號及維護BOM表 2. 處理鼎新ERP請購單建立，輕鬆搞定需求！ 3. 追蹤專案排程，確保一切按照計劃進行 4. 準備每週研發會議並進行追蹤，會議不NG！ 5. 管理研發圖檔的發佈，保證資料井然有序 6. 撰寫並更新操作手冊，幫助使用者快速上手 7. 撰寫與更新SOP流程，流程流暢不是夢！ 8. 管理與維護研發相關資料檔案，讓檔案永遠在線 💬 這是一個富有挑戰與學習空間的工作！準備好投身這個熱情洋溢的團隊了嗎？快來跟我們一起實現研發夢想吧！💡

研發影像處理、視訊分析、訊號分析、深度學習、深度增強式學習、圖像生成、工業編成等相關技術，並應用於工業、公共安全視覺應用、視訊監控及品質檢測等領域。 ※本職缺依據身心障礙者權益保障法，如非具備該身分者，請前往其他職務應徵。 ※屬『定額僱用』員額，歡迎或優先僱用『身心障礙者』，以盡法定義務。

英業達近年進攻各種 AI 邊緣運算應用領域。我們是英業達 AI 晶片設計研發團隊，具備多年 AI 與 Processor IC 設計經驗，現正積極投入類神經網路加速器 IP 研發。其中所有軟硬體皆 in-house 獨立自主研發，2023 年推出已被數家台灣知名上市 IC 設計公司採用，市場需求踴躍；2024年也於兩家上市 IC 設計公司的 AI 高整合晶片達到 First Cut Work 目標，並通過系統性驗證。現正積極擴大招募新血。歡迎對高效能 AI 邊緣運算有熱誠的朋友加入！ 主要工作為： 1. Integrate and maintain a robust infrastructure for efficient AI model training and deployment 2. Work closely with model, compiler, and hardware teams to create a software-hardware co-simulation environment. 3. Develope tool-chains for AI model training, compilation, and deployment. 4. Create user-friendly interface for client to improve user experience (online training/compiler platform UI, )

【Job Overview】 We are seeking an expert AI Platform & Agent Architect to lead the design, implementation, and operationalization of GPU-based LLM infrastructure, secure AI Gateway systems, and orchestrated multi-agent workflows. This role entails building AI Gateways to route and govern model/tool access, operating MCP servers, enabling multi-agent collaboration, designing RAG pipelines, and establishing robust LLMOps/MLOps practices. 【Responsibilities】 1. Design and manage GPU-powered LLM inference platforms (e.g. vLLM, Triton) on Kubernetes with CI/CD, monitoring, and resource optimization. 2. Architect and deploy a scalable AI Gateway layer for secure, efficient, fallback-capable model and tool access with observability and rate limiting. 3. Develop and maintain MCP servers, including defining tools/resources, implementing JSON‑RPC session flows and context negotiation per MCP specs. 4. Build multi‑agent orchestration frameworks using MCP, coordinating context exchange, tool usage, session management, and shared memory. 5. Design and implement RAG pipelines using vector databases ( e.g., FAISS, Qdrant, Chroma) to augment agent workflows. 6. Establish LLMOps & MLOps best practices: model versioning, GPU utilization tracking, CI/CD pipelines, and observability (leveraging OpenTelemetry for metrics, traces, and logs). 7. Integrate enterprise-grade authentication (SSO/OAuth) and enforce governance, context-level access control across Gateway and MCP layers. 【Basic Qualifications】 1. Proven experience building AI Gateways: secure routing, token management, failover, rate limit, and observability. 2. Hands-on with MCP server/client architecture: context specification, JSON-RPC session handling, tool negotiation. 3. Strong track record designing multi-agent systems with coordinated tool use and shared context delivery. 4. Expert knowledge in GPU-based LLM inference and orchestration (Kubernetes, CI/CD, inference engines). 5. Experience building Retrieval-Augmented Generation pipelines and integrating vector databases. 6. Solid LLMOps/MLOps background—model lifecycle management, observability, deployment automation. 7. Excellent collaboration and communication skills for cross-functional system architecture work. 【Preferred Qualifications】 1. Familiarity with security and governance for MCP/gateway layers: session scoping, prompt injection mitigation, permission modeling. 2. Proven skills in prompt engineering, model fine-tuning, and inference optimization. 3. Prior experience building internal AI platforms or model registries.