AI演算法工程師/AI Algorithm Engineer(竹南/台北)

負責分析AI算法在實際系統架構運行時的效能瓶頸。
AI 應用成為近幾年的主流，軟體服務的效能依賴於幾個重點：系統架構設計、演算法的實作、硬體規格。
過去為了提升協作開發效率，計算機領域主要朝著抽象化的方式，降低各層互相的耦合性。
然而，這其中的權衡奠基在過去硬體隨著摩爾定律效能快速的成長，在大型系統中往往能藉由過剩的硬體效能彌補抽象化造成的損失。 然而，AI 時代迎來模型參數和運算需求指數成長的情況，這是少數已經具有商業價值需求的算法，超出現有硬體算力需求的狀況。 所以，以整體作為優化的研究，成為當前相當具有價值的工作。縱向的打破各層之間的抽象，找出不同實作之間能獲得最佳效能的搭配。
1. 基於演算法(多為平行運算)估算運算複雜度和空間使用量
2. 基於硬體配置，估算演算法在系統上的理論表現
3. 設計 DOE 實驗，驗證實際數據與理論數據的誤差
4. 基於實驗結果，找出演算法、軟體實作、系統、硬體的瓶頸
5. 實作優化算法，藉由實驗結果和理論分析證明其有效性
6. 撰寫技術文件，提供應用服務端作為實作參考。