AI應用平台軟體開發工程師(無線系統應用)

1. 模型移植與部署： 使用 TensorFlow Lite for Microcontrollers 或其他輕量級推理框架，將預訓練模型移植至 M4 核心。
2. 效能最佳化： 針對模型進行算子融合、權重剪枝 (Pruning) 與量化 (INT8/INT16) 優化，以適應微控制器的記憶體限制。
3.資源管理： 精確調配與管理 M4 核心的 Heap/Stack 與 Flash 使用率，確保模型執行時不影響系統運作穩定性。
4.加速實作： 運用 ARM CMSIS-DSP 與 CMSIS-NN 函式庫，優化神經網路的數學運算效能。
5.測試與驗證： 建立評估機制，對比模型在 PC 端模擬與 M4 實體硬體上的運算結果差異 (Golden Reference Comparison)，並進行效能分析 (Latency, Memory Footprint)。
6.維護與更新： 針對模型版本更新，進行自動化部署驗證，並解決硬體層的 Runtime 錯誤。