轉職熱搜工作

1.雷射加工設備安裝、調機與測試 2.設備維護保養與異常故障排除 3.協助加工製程參數調整與優化 4.協助提升設備穩定性與加工良率 5.支援內部單位設備與製程問題處理 6.新設備導入與驗證作業 7.撰寫設備維修與改善紀錄

此職缺職位亮點：不只是工作，更是職涯的起點 薪資結構： 起薪 $35,000 - $39,000，透過加班激勵與津貼，月領挑戰 $45K - $50K。 國際級作業環境： 進駐台積電 (TSMC) 先進製程無塵室，享受恆溫、高品質且高度標準化的專業空間。 完善的培訓體系： 專為新鮮人、二度就業與轉職者設計的「學長姐制」帶領，協助你快速融入團隊合作 全方位福利保障： 法定勞健保與提撥外，年終獎金、三節禮包、以及凝聚團隊力的不定期聚餐。 設備運作： 負責自動化設備安裝，維持日常運作之穩定性。 生產配合： 依照每日排程準備原料，並與團隊協作以符合標準程序。 環境維護： 維持無塵室內工作區域之清潔與整理。 主管交辦： 配合現場進度與主管安排之生產相關事宜 應徵條件與準備 基本要求： 高中以上學歷，具備細心、負責及積極的工作態度。 工作體能： 需能適應長時間站立作業，並配合現場進度（平日/週六）加班。 必備項目（面試/報到需提供）： 6 小時營造業安全衛生教育訓練證照。 一年內勞工一般體檢表。 自備鋼頭安全鞋。 工作時間與地點 工作時間： 日班 07:30 - 17:30（中午休息1.5小時）。 工作地點： 南科台積電廠區（台南市善化區/新市區）。 管理責任： 不需負擔管理責任，專注於技術作業 歡迎社會新鮮人、二度就業、想學一技之長加入由客服系統人才推薦產生

1.在設計圖上正確標註尺寸、規格需求、材質、施工裝卸順序 2.依據設計圖面繪製BIM模型 3.針對工程設計圖/施工圖或相關資料，進行必要修正 4.參與管線配置、設計討論、規劃相關機電系統

電梯/扶梯保養員的職責為依照合約、公司政策及作業流程提供現場保養及維修服務。 工作內容包括： 1. 以高品質的服務、主動拜訪及良好的溝通維持客戶滿意度。 2. 負責電梯/扶梯現場拜訪，包括定期保養、維修、及緊急報修(call out)，相關作業需符合通力作業流程規範，並確保回應時間及服務品質。 3. 負責作業現場安全，確實依照規範執行斷電及標示作業。 4. 與維保主任共同討論、有效安排日常維修保養行程。 5. 負責區域：以新竹地區為主。 6. 有維保2年以上經驗佳。 ★薪資面試後依年資核定。

1.負責機械式停車設備與汽車昇降機之定期保養、維修與故障排除 2.執行設備安全檢查，確保系統穩定運作 3.協助設備安裝與測試作業 4.配合主管安排出勤與維修排程 5.提供專業技術服務，維持良好客戶關係

1. 設備正常時→日常巡機檢查及潤滑保養 2. 設備異常時→依狀況線上維修或拆卸至工作室維修 ※任職滿2年最高可領留任獎金60,000元 ※排休制(每月可排休天數比照當月週休二日制人員休假天數) ※多項公司福利制度，試用期滿正式任用並享有生日假、樂活健康假 ※每年視考績表現依公司規則調薪

誠徵 配電半技師(有相關經驗) *日薪1700元~1800元起.速洽 主管溫先生0934-331-668 1.協助安裝、修理上無誤，確保功能規格及顧客要求 2.高低壓配電及水處理之規劃、電力系統規劃與設計與檢討 3.電控設備及自動控制與自動化系統等電機儀器設備的檢測 4.依據系統圖或電機圖進行設備的維修，更換零件或按裝新的控制器

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」