轉職熱搜工作

1. 熟悉數據分析 2. 協助撰寫報告 3. 配合研究需求進行資料彙整與討論 4. 協助研究計畫相關行政業務 5. 主動積極且具溝通協調能力、抗壓性高，能獨立作業及配合團隊合作。 6. 熟悉office (word、excel、power point)之文書作業及簡報製作能力。 7. 協助處理主管交辦事項 【應徵相關資料】 1. CV(含基本資料、專長、學經歷) 2. 碩士學位證書 3. 其它有助於審查之相關輔助資料 【應徵方式】 意者請將上述「應徵相關資料」寄至 a03256@tmu.edu.tw ; 符合者將通知面談。

1.人工智慧物聯網及下世代網際網路相關領域的實務及學術性研究 2.人工智慧物聯網及下世代網際網路相關領域系統開發與實作 3.計畫管理與研究報告論文撰寫 4.其他交辦事項 **專任碩士級研究助理月薪$44,968元起。專任學士級研究助理月薪$38,388元起。有相關學術研究與系統開發經驗者，經面議後可彈性調薪。享勞健保與年終，適用勞動基準法。

本實驗室主要研究植物、真菌以及人類的表觀遺傳基因體及調控。我們利用基因體測序數據的分析以及生物資訊工具的開發來回答關鍵的生物問題。 我們認為推動研究的主要因素是對科學的興趣以及樂於學習的態度。因此，我們歡迎擁有不同才能及經驗的人才(生物資訊、資訊、統計、數學、生物或相關領域) 應徵。我們也希望應徵者能夠準備好融入我們實驗室跨領域的特性。 【Responsibilities】 1. NGS 次世代序列資料處理分析與統整 2. 協助實驗室 IT 管理 3. 溝通、討論並展示你的研究進度及成果 4. 與研究員以及實驗室其他成員合作 【Requirements】 1. 資訊、統計、數學或生物相關科系碩士學位 2. 須熟悉並擅長使用任一種程式語言進行資料分析，面試時會有程式語言測驗。若無相關經驗，但可接受訓練者亦歡迎。 3. 對本實驗室的研究課題感興趣，能理解實驗設計並詮釋結果。 4. 具備協同合作的能力，善於團隊溝通和跨領域合作。 5. 願意學習新事物，具有主動負責的態度與解決問題的能力。 6. 研發替代役可。

1. 協助生物與動態系統組的生物物理核心設施的基礎運作，生物物理研究核心設施包括兩台轉盤式共軛焦顯微鏡的運作，一個生物樣品實驗室與生化公用實驗室。(https://www.phys.sinica.edu.tw/~bssf/)，這部分時間預估佔百分之二十。 2. 協助生物與動態系統組與研究相關的共同事務。 3. 參與有興趣的生物與動態系統組研究人員的研究(https://www.phys.sinica.edu.tw/group_palm.php)，例如幹細胞生物物理、細菌生物物理、或者合成細胞生物物理，與顯微術相關的研究，透過研究深化對於顯微術的了解，包括樣品製備與觀察，這部分時間預估佔百分之八十。 4. 會獲得光學顯微術、影像分析訓練，也將會透過參與研究人員的研究，獲得跨領域研究的訓練。 5. 不限科系，生命科學或理工背景，有光學顯微鏡使用經驗者佳。 6. 生物與動態系統組內部成員許多外籍人士，需有以英文溝通和表達的能力。 7. 歡迎經驗少但願意學習長期投入 (＞ 2 年)積極學習與穩定工作者。

1. 負責前臨床pre-clinical委外廠商之聯絡及評估 2. 資料整合建檔、管理、分析以及相關行政業務 3. 新藥開發與IND送審文件編纂及申請 4. 其他主管交辦事項

【職缺】 專任研究助理: 1~2 【工作內容】 1. 化學合成及純化及分析。 2.其他實驗室臨時交辦事項 。 【學歷或科系】 化學或生化及藥學等相關科系，具碩士學歷。 【徵求條件】 1.熟悉實驗室常規工作。 2.對研究工作有熱忱、責任感、細心、耐心，能獨立操作實驗，具團隊合作精神。 3.無經驗可，具實驗室工作經驗1年以上者優先錄取。 4.加分條件：有發表海報或論文或學術期刊，請附上檔案。 【待遇】 依中央研究院標準，碩士畢業NT$44,968元起。 【工作地點】 11529台北市南港區研究院路二段128號 / 基因體研究中心鄭偉杰老師實驗室 【應備文件】 履歷、自傳、最高學歷畢業證書、經歷證明，請提供二~三位推薦人聯絡方式。 【應徵注意事項】 1.資料審查合格者通知面試，不合者恕不函覆 2.本職缺依《身心障礙者權益保障法》及《原住民族工作權保障法》相關規定辦理，歡迎符合資格者踴躍應徵。 【參考網址】 https://www.genomics.sinica.edu.tw/wccheng 【聯絡人 / 聯絡方式】 鄭偉杰老師 Tel: 02-2787-1262 E-mail: wcheng@as.edu.tw

從事深度學習於電腦視覺相關研究。研究內容可分為4大類: 1. 傳統CV和Biometric: 人臉辨識、動作識別、物體偵測和追蹤、異常偵測等任務。 2. 視覺生成式AI (Visual Generative AI): 基於生成模型(Diffusion model, GAN, etc)之圖片、影片、3D生成、3D重建(NeRF, Gaussian Splatting)和檢測等多模態生成式AI、數位孿生等任務。 3. 具身AI (Embodied AI): 基於視覺與語言之多模態具身AI(Embodied AI)與應用(聚焦視覺語言領航(Vision-Language Navigation, VLN)與視覺語言對齊(Vision-Language Action, VLA)等策略優化任務(Policy Optimization)。 4. 人工智慧安全 (AI Safety): 深偽偵測模型、對於多模態大型語言模型之對抗樣本與提示攻擊(Adversarial Example and Prompt)、機器反學習(Machine Unlearning)、數位浮水印或其他電腦視覺等人工智慧安全(AI Safety)相關研究。 研究題目視應徵者背景及能力而定。 依中央研究院規定。專任碩士級研究助理月薪$44,968元，專任學士級研究助理月薪$38,388元，專任助理享勞健保與年終獎金，有相關學術研究與系統開發經驗者，經面議後可彈性調薪。年終獎金1.5個月。適用勞動基準法。

Research on Optimization of Deep Learning Model Inference and Training The Computer Systems Laboratory - Machine Learning Systems team focuses on research areas including parallel and distributed computing, compilers, and computer architecture. We aim to leverage computer system technologies to accelerate the inference and training of deep learning models and develop optimizations for next-generation AI models. Our research emphasizes the following: 1. AI Model Compression and Optimization Model compression techniques (e.g., pruning and quantization) reduce the size and computational demands of AI models, which are crucial for resource-constrained platforms such as embedded systems and memory-limited AI accelerators. We aim to explore: * AI compiler: deployment methods for compressed models across servers, edge devices, and heterogeneous systems. * High performance computing: efficient execution of compressed models on processors with advanced AI extensions, e.g., Intel AVX512, ARM SVE, RISC-V RVV, and tensor-level accelerations on GPUs and NPUs. 2. AI Accelerator Design We aim to design AI accelerators for accelerating AI model inference, focusing on software and hardware co-design and co-optimization. 3. Optimization of AI Model Inference in Heterogeneous Environments Computer architectures are evolving toward heterogeneous multi-processor designs (e.g., CPUs + GPUs + AI accelerators). Integrating heterogeneous processors to execute complex models (e.g., hybrid models, multi-models, and multi-task models) with high computational efficiency poses a critical challenge. We aim to explore: * Efficient scheduling algorithms. * Parallel algorithms for the three dimensions: data parallelism, model parallelism, and tensor parallelism. 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」

專業技能 • 熟練細胞與分子生物學實驗技術（如：細胞培養、基因編輯、蛋白質檢測、免疫螢光染色、流式細胞術）。 • 具備免疫功能分析經驗（如：ELISPOT、Tetramer staining、T cell 活化/抑制實驗）。 • 有高通量定序（TCR-seq、RNA-seq）數據分析或生物資訊背景者佳。 • 具程式語言（R/Python）應用能力者尤佳。 • 協助資料蒐集、研究計畫相關執行與處理主管交辦事項 【應徵相關資料】 1. CV(含基本資料、專長、學經歷) 2. 博士學位證書 3. 其它有助於審查之相關輔助資料 【應徵方式】 意者請將上述「應徵相關資料」寄至 a03256@tmu.edu.tw ; 符合者將通知面談。