轉職熱搜工作

職缺名稱:1.醫護服務型機器人實習生(H000)@台南2.Unity開發實習生(H100)@新竹3.VR建模實習生(H100)@新竹4.RAG應用實習生(H100)@新竹5.Python平台開發實習生(S300)@新竹6.Python系統開發實習生(U300)@新竹7.Python系統開發實習生(U300)@台南8.機器人視覺技術開發實習生(U300)@新竹9.機器人視覺技術開發實習生(U300)@台南10.機器人虛擬器開發實習生(U300)@台南，以上實習職缺詳細內容請上以下報名連結登入:服科中心投遞職缺網址:https://forms.gle/dmvqRyysJP7HUzZm7 115年工研院服科中心實習職缺說明(新竹-台南) https://sites.google.com/view/weclometoitri/％E9％A6％96％E9％A0％81

Research on Optimization of Deep Learning Model Inference and Training The Computer Systems Laboratory - Machine Learning Systems team focuses on research areas including parallel and distributed computing, compilers, and computer architecture. We aim to leverage computer system technologies to accelerate the inference and training of deep learning models and develop optimizations for next-generation AI models. Our research emphasizes the following: 1. AI Model Compression and Optimization Model compression techniques (e.g., pruning and quantization) reduce the size and computational demands of AI models, which are crucial for resource-constrained platforms such as embedded systems and memory-limited AI accelerators. We aim to explore: * AI compiler: deployment methods for compressed models across servers, edge devices, and heterogeneous systems. * High performance computing: efficient execution of compressed models on processors with advanced AI extensions, e.g., Intel AVX512, ARM SVE, RISC-V RVV, and tensor-level accelerations on GPUs and NPUs. 2. AI Accelerator Design We aim to design AI accelerators for accelerating AI model inference, focusing on software and hardware co-design and co-optimization. 3. Optimization of AI Model Inference in Heterogeneous Environments Computer architectures are evolving toward heterogeneous multi-processor designs (e.g., CPUs + GPUs + AI accelerators). Integrating heterogeneous processors to execute complex models (e.g., hybrid models, multi-models, and multi-task models) with high computational efficiency poses a critical challenge. We aim to explore: * Efficient scheduling algorithms. * Parallel algorithms for the three dimensions: data parallelism, model parallelism, and tensor parallelism. 薪資：博士64711元起聘，該職缺係「適用勞動基準法」

錄取後依考生學經歷、專長、個人特質賦予以下部分或多項工作： 1. 軟體系統設計、規劃、開發及測試。 2. 系統功能維護、問題排除與效能改善。 3. 系統安裝、環境設定與客戶端部署。 4. 辦理 臨時交辦事項。

錄取後依考生學經歷、專長、個人特質賦予以下部分或多項工作： 1. 專案系統軟體開發與測試作業 (Java 、 C/C++ 、 MySQL 、 Android 手機應用程式開發 。 2. 系統及軟 硬體維護及教育訓練。 3. 軟 硬體規格及測試等技術文件撰寫作業。 4. 辦理 臨時交辦事項。

1. 資料探勘與深度學習/大語言模型、多媒體社群網路與通訊網路、應用數學應用相關研究。 2. 或者具備演算法設計、圖論、最佳化、賽局理論、機器學習、深度學習、統計推論、隨機程序相關背景愛好數學。 3. 實作深度學習模型、大型語言模型等，收集資料集並進行以上模型實驗。 4. 或者有興趣網路或巨量資料分析系統實作、程式撰寫適合擬專心研究論文撰寫，未來從事學術工作者。 參考網站： http://www.iis.sinica.edu.tw/pages/dnyang/index_en.html

1. 資料探勘與深度學習/大語言模型、多媒體社群網路與通訊網路、應用數學應用相關研究。 2. 或者具備演算法設計、圖論、最佳化、賽局理論、機器學習、深度學習、統計推論、隨機程序相關背景愛好數學。 3. 實作深度學習模型、大型語言模型等，收集資料集並進行以上模型實驗。 4. 或者有興趣網路或巨量資料分析系統實作、程式撰寫適合擬專心研究論文撰寫，未來從事學術工作者。 薪資：學士38388元起薪，碩士44968元起薪，該職缺係「適用勞動基準法」 獎助生依本院獎助學金支給要點發放獎助學金 能力佳者可專案申請較優支薪標準 【應徵資格/條件】資訊電機相關領域學士或碩士在學或畢業。 【應徵方式】 意者請備個人詳細履歷、自傳及成績單寄至 dnyang@iis.sinica.edu.tw，需要面試時會主動聯絡

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」

我們正在尋找具備 GPU 程式設計能力的工程師，加入快速密碼學實驗室，共同開發與實作平行化破密演算法。此職位需運用 Nvidia CUDA 技術實作密碼系統分析，目標為加速密碼演算法的運算與破解流程，提升研究效率與創新突破。主要任務包括： • 使用 CUDA 技術進行平行化密碼破解實作 : 平行破密實作 (需使用 CUDA GPU programming) • 優化 GPU 演算法效能，提升執行效率 • 協助設計高效能密碼分析工具 • 撰寫實驗報告與程式開發文件 薪資：薪資依能力面議調整，具競爭力與彈性，並依資訊服務處業務費項下資訊人員支薪標準表或中央研究院博士級約聘人員核薪標準表支應。週休二日，享勞健保、年終獎金、每年免費健康檢查一次、依勞基法規定休假。

參與包含深度強化式學習、搜尋演算法、人工智慧、電腦遊戲、大語言模型等研究。研究主題為應用深度強化式學習於電腦遊戲(如棋盤類遊戲、電玩遊戲等)、機器人操作等應用。工作內容包含研讀論文、資料分析、系統實作、論文撰寫及協助計畫進行之工作等。適合未來計劃出國或從事學術工作者，可以在實驗室有豐富研究經驗及論文發表機會。 薪資：學士38388元起薪，碩士44968元起薪，該職缺係「適用勞動基準法」

1. Deep Learning & AI Security 2. Optimization algorithms 3. (Multimedia) Signal Processing 4. Security and Privacy for Multimedia and Networks 薪資：碩士44968元起薪，博士64711元起聘，該職缺係「適用勞動基準法」