轉職熱搜工作

1. 醫材類比/數位電子電路硬體設計，具規劃設計schematic。 2. 評估零件與規格，選用適合零組件。 3. 訊號量測分析，電路功能除錯及驗證。 4. 可與軟韌體工程師、機構工程師一同合作佳。 5. 系統問題分析與解決方案驗證。

1. 負責硬體電路設計與PCB設計（含原理圖繪製與文件建置）。 2. 進行電路板焊接與樣品製作。 3. 執行系統整合、測試驗證及問題分析與除錯。 4. 管理硬體開發文件（BOM、規格書、測試報告等）。

1. Discuss with customer, come out proposal, review and negotiate design spec. if any change 2. Survey & review proper compoents for system design. 3. Schematic design, come out constrain guideline for layout and layout design/review 4. Measure signal integrity and address them if any issues. 5. Collaborate with functional teams for product qualification and troubleshooting. 6. Cooridinate with MFG team for material pipeline, manufacturing proto unit and manufacturing test.

【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

【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

散熱設計與系統規劃 • 負責 Laptop、Panel PC、Nvidia series 等產品散熱設計評估與風險分析。 • 進行 CPU/GPU 等熱源管理與 Thermal Solution 規劃。 • 設計與開發 Heat Pipe、Vapor Chamber、散熱片、風扇模組等散熱方案。 熱模擬與分析 • 執行 CFD / Thermal Simulation 熱流模擬分析，優化系統散熱效能。 • 建立熱源模型、網格設定及模擬分析，並使用 Flotherm、SolidWorks Flow Simulation、ANSYS Fluent 等工具驗證。 • 比對模擬與實測結果，提高熱分析準確度。 Thermal Validation 與測試驗證 • 規劃及執行產品溫升、風洞、背壓、高溫環境等散熱驗證測試。 • 進行 IR 熱影像、Airflow 分析與測試數據整理。 • 確認產品符合客戶需求與散熱規格。 Thermal Issue Debug 與改善 • 分析並解決散熱問題。 • 根據模擬與量測結果提出改善方案，提升產品散熱性能。 散熱技術開發 • 研究與導入先進散熱技術，如 Liquid Cooling、新材料散熱方案。 • 建立散熱設計規範、資料庫及開發流程。 跨部門協作 • 與機構、電子、軟體、製造協同合作，推動產品開發與問題改善。 • 提供熱模擬結果與驗證數據，支援設計決策與產品導入。