轉職熱搜工作

半導體自動測試機研發 1.類比電路設計 2.電路圖繪製Orcad 3.電路區塊之Layout placement規劃 4.產品量產技術移轉

1.檢測設備發包、組裝與售服。 2.自動化設備或其他計畫專案之硬體開發設計 3.專案規劃與排程進行(政府計畫等相關研發與執行) 4.關鍵模組/自動化設備等設計開發製作

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」

1. 參與影像處理相關 SoC／ASIC／FPGA 系統之數位電路設計與 RTL 撰寫。 2. 負責模組級功能設計、模擬與驗證，確保設計邏輯與時序穩定。 3. 實作影像處理演算法（如 Scaler、Noise Reduction、3D Image、ISP）於硬體架構中。 4. 協助高速傳輸與記憶體介面（如 DDR Controller、MIPI、USB2.0/3.x）與系統總線設計整合。 5. 與韌體／軟體／硬體工程團隊合作，完成整體系統之功能驗證與效能調校。 6. 具備良好團隊合作與問題分析能力，能獨立作業與配合開發時程進度。 【必要條件】 * 熟悉 Verilog / VHDL 等 RTL 設計語言，具 FPGA 或 ASIC 實務開發經驗。 * 熟練 C / C++，具備將演算法轉化為硬體架構的實作能力。 * 熟悉影像處理模組設計（如 Scaler、Noise Reduction、3D Depth、ISP）。 * 熟悉高速傳輸與通訊介面（如 DDR、MIPI、USB、SPI、I2C）。 * 具 SoC 系統架構理解與模組整合實務經驗。

1.資訊軟硬體維護與管理。 2.網路設備及架構管理與維護。 3.資訊機房及主機管理與維護。 4.虛擬化平台管理與維護(如VMWare)。 5.資安防毒管理與維護(ISO-27001)。 6.主管交辦事項。 另加大小夜津貼、三節獎金、年終獎金

1.電路板開發、 產品電路設計、產品測試除錯，軔體編輯 2.樣品製作實驗、樣品承認、建BOM 3.據產品設計人員進行PCB Layout 4.進行PCB佈局和 layout工作 5.協助硬體工程師完成PCB板及軔體調試 6.開發案文件管理 7.管理儀器與設備. 8.工程樣本製作