AI 應用測試工程師

1. NVQUAL / GPU Server 系統驗證

• 規劃及執行 Server GPU / Node 系統整合測試與驗證。
• 執行 NVQUAL 相關測試、測試環境建置、結果分析及問題追蹤。
• 驗證 GPU Server 在高負載環境下的系統穩定度、GPU、CPU、Memory、PCIe、Storage、Network 等系統整合狀況。
• 分析測試異常與系統問題，協同 Hardware、BIOS/BMC、Firmware、Driver 等相關團隊進行問題釐清及改善。
• 建立及維護自動化測試流程、測試工具與測試報告。

2. MLPerf Benchmark 與 AI 效能優化

• 建置及執行 MLPerf Training / Inference Benchmark 測試環境。
• 進行 AI Server、GPU 及 Multi-GPU 平台效能測試與 Benchmark 分析。
• 分析 GPU Utilization、Throughput、Latency、Memory Usage、Power Consumption 等效能指標。
• 針對 CPU / GPU / Memory / PCIe / Network / Storage 等系統瓶頸進行效能分析與調校。
• 研究不同 Hardware / Firmware / Driver / CUDA / AI Framework 組合對 AI Workload 效能的影響。
• 協助 MLPerf 測試結果整理、效能比較及 Benchmark Optimization。

3. AI 軟體開發與應用效能優化

• 開發及整合 AI Server 測試、Benchmark、Monitoring 與 Performance Analysis 工具。
• 使用 Python / Shell Script 等工具進行自動化測試與資料分析。
• 執行 AI Training / Inference Workload 測試及效能優化。
• 針對 PyTorch、TensorFlow、TensorRT、CUDA 等 AI Software Stack 進行環境建置、測試及效能分析。
• 研究 LLM、Generative AI、Computer Vision 等 AI Workload 在不同 GPU Server 平台上的效能表現。
• 依專案需求進行 AI Application、Benchmark Script 或相關測試工具開發。

4. 新技術研究與導入

• 研究最新 GPU Computing、AI Infrastructure、LLM / Generative AI 及 AI Performance Optimization 技術。
• 評估新 GPU、Server Platform、CUDA、Driver、AI Framework 及相關工具。
• 將新技術導入產品驗證、Benchmark 與效能優化流程。

5. 其他

• 撰寫測試計畫、技術文件、測試報告及問題分析報告。
• 主管交辦之專案與相關事項。