轉職熱搜工作

【在怡利，讓車載科技與你的職涯同步進化】 我們相信：「人才的成長，是技術創新的關鍵引擎。」 怡利電子持續推動智慧車載技術的創新，積極培育跨領域人才，讓每一位員工都能在AI、數據、光學、 嵌入式系統等技術交匯點上找到自我定位，與未來趨勢並肩前行。 #上市電子公司｜彈性上下班45分鐘｜有薪生日假｜友善職場｜完善培訓制度 –––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––– 1.新方案與關鍵零組件survey、電子電路設計、除錯及測試與電路板佈局規劃 2.APQP開發文件撰寫 3.電子相關產品EMC防制及對策

1.Hardware design proposal/specification 2.Schematics design 3.Level 6 E-BOM creation 4.Board bring up and debug 5.Power on Test plan & report 6.Level 6 component selection 7.Cost down plan & implementation 8.EVT/DVT/PVT Failure Analysis 9.OEM/ODM/IDM Design Review

1、電路設計：繪製電路原理圖與挑選電子元器件 2、樣品驗證：製作工程樣品並進行訊號測試與除錯 3、量產支援：協助解決製造良率與生產線問題

Data Center Switch設計開發 1. 資料中心交換機與DPU網路卡系統架構開發設計與硬體電子電路設計開發 2. 產品測試驗證計畫執行與客戶認證 3. 量產導入，處理產品良率分析與改善 4. 跨部門團隊（PM/製造/品保）協作，確保產品品質與開發交付時程 5. 協助客戶技術支援與問題排除 6. 支援海外生產線(越南)相關測試設備架設與優化及自動化導入

1.具備3C電子產品的(Camera/Display/Touch) 光學/電子/機構設計能力 2具備3C電子產品(Camera/Display/Touch) 測試方案評估能力和數據分析處理能力 3.負責3C電子產品工程試產電子硬體元件(Camera/Display/Touch) 問題點分析與改善能力. 4.英語口語流利, 能適應全英語工作環境

1. 產品開發: ●機構:零部件/模組設計開發, DFM, 零部件承認, 治工具開發及協作 ●電子:各PCBA設計開發, Layout佈局, 治工具開發及協作, 安規相關項目確認 2. 產品技術PM : 規格分析/製程工藝/BOM/標準文件建立及協作

【工作內容】 結合軟硬體協同設計、作業研究(Operation Research)、數學建模與資料工程，開發專為AI晶片加速推論與強化硬體效能的演算法與中介軟體，於特定晶片硬體架構優化任務部署、模型量化壓縮與優化。 1.AI晶片中介軟體演算法設計與開發：設計與發展適合特定硬體加速器(如：NPU/GPU/FPGA)的模型量化(Quantization)、剪枝(Pruning)、任務指派與資源配置演算法，監控並優化模型表現，完成版本迭代。 2.數據資料建構與模擬：依據AI晶片與加速器之推論中介軟體框架與流程，利用AI技術建模，並於模擬環境預測效能與資料清洗，再依據實體硬體資源規格採集並統計分析效能運算數據。 3.模型部署與系統整合：部署AI模型及演算法於Mini Data Center或Edge AI平台，開發高效能硬體抽象層或驅動串接程式。 4.趨勢應用與導入：追蹤研析AI加速器發展趨勢，並據以發展新興技術，以運用於實證場域。 【需求條件】 1.精通Python、C相關(C、C++、C#)程式語言與Linux開發環境，熟悉各式AI加速器底層推論框架，通用框架如：vLLM、llama.cpp、ONNX Runtime等；專用框架如：PyTorch、ONNX、TensorRT、Triton Inference Server、OpenVINO等；有封裝演算法與應用系統串接的實戰經驗、熟習LLM、VLA、RAG者尤佳。 2.具備數位電路架構、記憶體頻寬限制，及訊號處理或電腦視覺之專業知識，以及IC設計所產生的結構化數據處理經驗，並能與硬體協作調優系統效能。 3.擁有處理海量數據及基本數據視覺化能力。 4.熱忱學習，可快速掌握新技術，能規劃技術規格，編寫技術文件，並轉化實作為技術產品；同時擁有良好的邏輯思維與跨部門溝通和團隊合作能力。

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」

1. IPCam和相機相關產品電子電路設計 2. 相關電路驗證和量測 3. PCBA測站不良品分析與良率改善 4. 產測分析與良率改善 5. 產品規格檢討 6. 解決工廠和客戶問題 7. 與芯片廠商溝通及解決問題