AI工程師/演算法工程師/邊緣AI工程師 /機器學習工程師

1. 邊緣端部署與硬體優化

跨硬體邊緣推論管線： 與演算法、韌體及系統團隊緊密合作，於智慧攝影機（IP Camera / NVR）與網通設備（AI Gateway、Wi-Fi Router/AP、PoE Switch）之 SoC 及 NPU/GPU 晶片平台上，建置並優化低延遲的 AI 推論管線（Inference Pipelines）。

模型輕量化與硬體加速： 針對運算資源與功耗受限的嵌入式硬體目標，進行 AI 模型轉換（ONNX / TensorRT / TFLite / 晶片商專屬 SDK）、量化（INT8/FP16 Quantization）、剪枝（Pruning）與壓縮，並將此轉換流程整合至 No-Code 平台的自動化匯出管線中。

多路影音串流與推論優化： 整合並優化網路攝影機影音串流協議（RTSP / ONVIF / WebRTC）之硬體解碼、影像前處理與邊緣端多路併發推論效能。

2. 網通結合智慧視覺之整合解決方案

網通與智慧視覺深度整合： 開發結合「網通產品 + IP Camera + AI」的跨領域解決方案，將雲端網路管理平台（Cloud-managed Networking）、邊緣算力節點與智慧安防／空間視覺分析無縫整合（例如：AI 視覺事件觸發網路自動化策略、智慧影像串流 QoS 頻寬優化、PoE 攝影機拓撲與算力協同）。

雲邊協同與持續學習閉環（Continuous Learning）： 建置結合網路遙測（Network Telemetry）與邊緣視覺事件（Vision Events）的資料收集管線，將端點難以辨識的邊際案例（Corner Cases）自動回傳至雲端 No-Code 平台進行自動標註與模型再訓練，實現模型持續迭代更新。

次世代多模態與 AI Agent 應用： 探索並應用視覺語言模型（VLM）、LLM、RAG 或 Multi-Agent 技術，研發自然語言影像搜尋、跨設備異常事件關聯分析，以及對話式智慧網管與安防診斷系統。

3. 網通智慧化應用

開發 AI 驅動的網路智慧化功能：包含無線資源管理（AI-RRM）、網狀網路優化（AI-Mesh）、網路流量預測、預測性 Wi-Fi 漫遊、異常檢測及故障根因分析（Root-Cause Analysis）。
建置網路遙測（Network Telemetry，如 gNMI, NetFlow, Syslog）與無線指標（RF KPIs）的大數據管線，支援模型持續學習（Continuous Learning）。
探索並應用 LLM、RAG 或 AI Agent 技術，研發下一代網路自動化配置（Intent-based Networking）與智慧客服診斷系統。

工具需求
Languages: Python, C / C++, Shell script
AI Frameworks: PyTorch, TensorFlow / TFLite, ONNX Runtime, TensorRT, TFLite, OpenVINO, 嵌入式 NPU SDK, INT8 Quantization