轉職熱搜工作

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

1. NB、PC相關產品之主機板線路設計及軟硬體、機構整合。 2. NB、PC相關產品之除錯、功能測試及訊號驗證。 3. 協助產線改善生產品質、良率及客訴問題。 4. 研究開發新技術、新電子材料及應用。

工作內容: 1. x86 PC/mini DT相關產品之主機板硬體線路研發設計。 2. 專案Layout placement/Trace Routing 規劃。 3. 專案計劃執行/debug/確保訊號品質及可靠度。 4. 研究新技術、新電子材料之應用。

1. ARM相關產品之硬體工程技術開發主機板線路設計及軟硬體、機構整合。 2. POLY專案計劃執行及管理。 3. 新產品規劃、管理及創新。 4. 研究及開發新技術、新電子材料及應用。

1. x86 AI Rack PC(2U)相關產品之硬體工程技術開發主機板線路設計。(需有Server設計經驗) 2. 專案計劃執行及管理。 3. 新產品規劃、管理及創新。 4. 研究及開發新技術、新電子材料及應用。

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、3C資訊產品的檢測與認證服務事務 2、EMC檢測服務 3、RF檢測服務 4、各場地輪調學習 5、能配合加班及調整班別 6、公司提供中餐 7、電子電機相關科系畢業者佳，並依學經歷擇優敘薪 8、亦歡迎非理工科系新鮮人

1.自動化監控系統規劃、設計，包括區域網路、人機界面(GUI)、資料庫、報表產生、遠端資料收集等之整合與設計 2.軟體點數規劃，動態圖形製作，控制策略撰寫、程式設計，須配合專案試車、協調、客戶教育訓練及製作軟體操作教材