轉職熱搜工作

1.可依圖施工作業、測量放樣、打引寸、算料。 2.辨別材料特性，選擇適合的焊接方式及填料、焊條，進行金屬加工工序。 3.焊接組立、機械組裝。 4.可獨力作業並攜帶組員完成施工作業。 5.CO2、電焊、氬焊作業。

鴻鐿貿易股份有限公司自1988年以來，一直致力於為日本市場提供高品質的客制化機械零件。我們秉持熱忱與永續經營的理念，在業界樹立了卓越的信譽與客戶關係。從對日貿易出口到持續優化品質管理，我們始終走在創新與技術前沿，為客戶創造價值。加入我們，您將參與一個整合國內外資源、推動產品創新的成長型企業，攜手共創工業進步的未來！ 主要工作內容： 1. 負責日本客戶新案件的技術評估及產品報價。 2. 主導新產品的開發專案管理，跟蹤進度和結果。 3. 與廠商溝通，包括詢價、驗貨（需經常性中南部短期出差）。 4. 管理既有產品的訂單出貨與品質控管，確保良好的供應鏈完成。 5. 處理客戶的不良品反饋，協調廠商異常品質問題的回覆與解決。 6. 接待來訪客戶，維繫並鞏固長期良好的合作關係。 加入鴻鐿，您將享受以下優渥的福利與成長機會： - 享有三節獎金、年終獎金，全勤獎金等多元獎勵。 - 提供旅遊補助，員工生日禮金、三節禮金，讓工作與生活均衡發展。 - 健全的保險制度，包括員工團保、健保、勞保，提供全面保障 。 - 每年依公司績效情況進行薪資福利調整。 即刻加入我們的團隊，探索全球貿易的無限可能！

1、負責機台設備的基礎操作、維護管理 2、檢查待檢物是否確實標明機種與規格 3、加強檢驗零件，以及核對各零件位置是否正確 4、設備的保養維護校正，以及故障的排除檢修 5、針對不良問題，提出分析與對策，並提出排除建議

1. 解決半導體客戶應用技術問題，並回饋給相關單位。 2. 撰寫客戶端的技術文件與規格說明。 3. 提供客戶正確的產品規格與應用資訊，作為客戶設計產品、優化製程的參考依據。 4. 提供客戶偵錯服務與技術支援，協助發現並解決產線試產時所發生的問題。 5. 提供客戶量產測試服務，分析並解決量產時發生的問題。

工作內容 定義系統架構、控管落地時程、帶領跨領域團隊（AI、物聯網、軟硬體整合）。 必備條件 ✔ 具備 3-5 年以上機器人或自動化系統研發管理經驗。 ✔ 具備 IoT 全棧架構設計能力，熟悉邊緣運算（Edge）到雲端（Cloud）的資料傳輸架構、API 設計與時序資料庫。 ✔ 精通工業與物聯網常用通訊協定（MQTT, HTTP RESTful, Modbus, RS485/RS232）。 ✔ 至少有 1 個巡檢機器人、無人搬運車（AGV/AMR）系統從研發到落地（POC）的完整經驗。 ✔ 熟悉主流機器人的 SDK 生態。 加分條件 ✓ ROS / ROS2 經驗 ✓ Python / C++ 開發能力 ✓ 熟 AGV / AMR 系統整合 ✓ Navigation2（Nav2 導航）與常見 SLAM 演算法 ✓ 具智慧專案或現場建置經驗 我們希望你是這樣的人 我們找的不是單純主管， 而是能一起打造智慧自動化事業的人。 ✔ 對新技術有熱情 ✔ 願意建立團隊與制度 ✔ 能帶領團隊解決問題 ✔ 能把技術轉化為公司競爭力 ✔ 願意挑戰新事業與新市場

1. Virtual machine application and management, reconciliation, environment deployment, patch update, vulnerability management, operation monitoring; 2. Video conference support services, establish a video management system, support video connection, and strive to ensure the stability of video conferencing; 3. Daily office network configuration (WiFi/VPN/VDI/WWW, etc.), terminal defense (virus scanning, intranet access); 4. Responsible for daily IT operation and maintenance (Windows desktop, network, domain control, server, information security control); 5. Mailbox system management and operation and maintenance, Microsoft 365 system background operation and maintenance management, client operation and maintenance support; 6. Fixed asset management (common demand list writing, procurement and acceptance, system installation, distribution and return, inventory, etc.); 7. Network switch and routing configuration, network, security engineering planning and equipment room construction, computer room inspection and equipment maintenance, etc.; 8. Production line infrastructure support

深度學習模型推論和訓練優化研究 (Optimization of Deep Learning Model Inference and Training) Machine Learning Systems團隊的研究方向包括：平行與分散式計算、編譯器、以及計算機架構。我們利用電腦系統的技術加速深度學習模型推論和訓練，並研究下一世代機器學習模型的系統開發和優化。 我們的研究方向著重於： 1. 模型壓縮與計算優化研究。 模型壓縮技術 (pruning and quantization) 透過減少AI模型容量與運算量，實現模型執行加速，對於嵌入式系統等資源受限的計算平台以及記憶體有限的AI加速器至關重要。為了有效執行壓縮後的模型，許多次世代處理器設計了新的運算功能，例如向量運算 (Intel AVX512, ARM SVE, RISC-V RVV) 和矩陣加速器 (matrix-multiplication unit on GPUs and NPUs) 等強化功能。我們將研究 (1) 如何利用這些強化運算功能加速壓縮模型的執行，(2) 各種計算平台，例如伺服器、邊緣裝置、異質系統等的壓縮模型的佈署方法。 2. AI加速器設計。 針對深度學習模型的推理加速，在FPGA板上實現AI加速器硬體設計，並進行軟硬體協同設計與優化研究。 3. 異質環境下深度學習模型推論優化研究。 智慧系統如自駕車與語音助理，通常需執行複雜的深度學習模型 (complex deep learning models: hybrid models, multi-models, and multi-task models)。與此同時，電腦架構正朝向異質多處理器設計發展 (heterogeneous architecture: CPUs+GPUs+AI accelerators)。如何整合異質處理器來執行複雜模型並達到高效能的運算，成為一項關鍵且具挑戰性的研究。針對此問題，我們將探討以下方向：(1) 模型運算與異質處理器的分配策略，(2) 排程演算法設計，(3) 模型執行平行化方法，包括資料平行（data parallelism）、模型平行（model parallelism）與張量平行（tensor parallelism）。 上述研究議題為國內外深度學習系統領域之重要發展方向，產業界及學術界均需此方面人才。適合擬專心研究，未來從事學術工作者或研發工作者，對於未來規劃進修博士學位者, 本實驗室之研究計畫提供優良之訓練環境與研究經歷。 薪資：博士64711元起聘，該職缺係「適用勞動基準法」

深度學習模型推論和訓練優化研究 (Optimization of Deep Learning Model Inference and Training) Machine Learning Systems團隊的研究方向包括：平行與分散式計算、編譯器、以及計算機架構。我們利用電腦系統的技術加速深度學習模型推論和訓練，並研究下一世代機器學習模型的系統開發和優化。 我們的研究方向著重於： 1. 模型壓縮與計算優化研究。 模型壓縮技術 (pruning and quantization) 透過減少AI模型容量與運算量，實現模型執行加速，對於嵌入式系統等資源受限的計算平台以及記憶體有限的AI加速器至關重要。為了有效執行壓縮後的模型，許多次世代處理器設計了新的運算功能，例如向量運算 (Intel AVX512, ARM SVE, RISC-V RVV) 和矩陣加速器 (matrix-multiplication unit on GPUs and NPUs) 等強化功能。我們將研究 (1) 如何利用這些強化運算功能加速壓縮模型的執行，(2) 各種計算平台，例如伺服器、邊緣裝置、異質系統等的壓縮模型的佈署方法。 2. AI加速器設計。 針對深度學習模型的推理加速，在FPGA板上實現AI加速器硬體設計，並進行軟硬體協同設計與優化研究。 3. 異質環境下深度學習模型推論優化研究。 智慧系統如自駕車與語音助理，通常需執行複雜的深度學習模型 (complex deep learning models: hybrid models, multi-models, and multi-task models)。與此同時，電腦架構正朝向異質多處理器設計發展 (heterogeneous architecture: CPUs+GPUs+AI accelerators)。如何整合異質處理器來執行複雜模型並達到高效能的運算，成為一項關鍵且具挑戰性的研究。針對此問題，我們將探討以下方向：(1) 模型運算與異質處理器的分配策略，(2) 排程演算法設計，(3) 模型執行平行化方法，包括資料平行（data parallelism）、模型平行（model parallelism）與張量平行（tensor parallelism）。 上述研究議題為國內外深度學習系統領域之重要發展方向，產業界及學術界均需此方面人才。適合擬專心研究，未來從事學術工作者或研發工作者，對於未來規劃進修博士學位者, 本實驗室之研究計畫提供優良之訓練環境與研究經歷。 薪資：碩士44968元起薪，該職缺係「適用勞動基準法」