轉職熱搜工作

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.Spice model generation and verification for advanced and specialty technologies 2.Spice Model Parameter Extraction 3.Test key design 4.Internal and external customer support 5.Advanced modeling tools, extraction algorithms and model equation benchmarking

〝1. 負責 Server 主機板及系統之硬體電路設計、零件選型、電路圖 (Schematic) 繪製。 2. 協同 Layout 工程師進行 PCB 佈局審查，確保符合高速訊號 (PCIe Gen5/6, DDR5) 完整性規範。 3. 執行硬體訊號量測、除錯 (Debug) 與系統功能驗證 (EVT/DVT)。 4. 與跨部門 (BIOS, BMC, Thermal, Mechanical) 合作進行系統整合與問題解決。 5. 支援生產線試產 (NPI) 技術指導，解決工廠端硬體不良問題。〝

數位系統設計Digital System Design： 1.電源Power/綠能Green Energy/電池Battery/電動車EV/精密量測Precision Measurement等相關產品設計開發 2.須具備FPGA、Verilog HDL基礎知識 3.熟數位系統Digital System規劃、線路設計、PCB layout、FPGA、CPU/MCU應用尤佳

負責半導體IC測試機台的功能開發設計及驗證，並將產品導入量產 1.數位硬體電路與FPGA設計 2.HDL coding(VHDL / Verilog) 3.電路圖繪製OrCAD 4.測試程式撰寫 5.產品量產技術移轉

1. 進行選機、冷卻水塔方案規劃 2. 技術支援、簡報、完成各項技術文件 3. 售後服務、回覆客戶各種技術相關問題 4. 主管交辦事項 5. 進行研發相關技術研究

1. 視覺系統與多感測器定位演算法開發與部署 2. 機器人驅控用電路設計/驗證/調整 3. 整合運動控制，實現目標辨識、跟隨對位與動作等功能性開發 4. GAI/AI/Edge AI 等演算法研發

一、應徵條件: 1. 具碩士學位（含）以上者，電機、電子、機械、資工等科系畢業者尤佳。 2. 執行過政府專案計畫或有相關實務工作經驗者尤佳。 二、甄選方式： 書面審查後參加面試。 三、工作技能： 具以下任一或多項技能者尤佳: PyTorch、Tensorflow、C#、Unity、C/C++(Arduino)、Matlab、電路、訊號處理、機構設計等 四、工作內容: 1. 協助與產業進行技術服務與產學合作案。 2. 依所負責之功能或專案，進行系統硬體設計、功能驗證、測試製具開發、系統及主板開發文件撰寫、問題解決。 3. 現有技術之最佳化與功能模組化、新技術及零件之可行性分析與導入。 4. 其他交辦事項。 五、工作期程：自應聘日起至2027/01/31，之後視計畫是否延續而定。 六、工作時間：週一至週五每日工作時數8小時 (彈性上班時間為8時至9時、彈性下班時間為17時至18時) 七、工作待遇：面議。 八、工作地點：國立臺灣大學機械系館 九、管理責任：不需要負擔管理責任 十、休假制度與福利項目：按國科會專案計畫規定 十一、應備文件： 1. 履歷表（格式不拘，內含自傳） 2. 學經歷證明影本 3. email寄送至 marketingme777@gmail.com，信件主旨請註明「應徵專任研究助理」。初審合格者，擇優通知面談。未獲通知者亦不退件。 十二、聯絡人： 聯 絡 人　朱小姐　 電子郵件　marketingme777@gmail.com