Responsibilities
- Research and implementation of novel/advanced deep neural network architectures and learning techniques to solve a variety of computer vision tasks and push the state of the art in performance.
- The topics may include but not limited to: object/key-point detection, semantic segmentation, face attributes/landmark/recognition, video understanding/behavior modeling, and efficient architecture.
- Problem formulation, benchmarking, dataset analysis/collection, designing and finetuning model with required accuracy and speed.
- Build and maintain the infrastructure for training and deploying models, including data pipelines, experiment management platform, visualization tools, etc.
- Integration of model components with the product stack.
Essential Requirements
- MS / PhD in Computer Science, Electric Engineering, and/or Artificial Intelligence, Machine Learning related technical field with 2+ years of deep learning experience on computer vision.
- 3-5 years of software engineering experience in an academic or industrial society.
- Holistic understanding of deep learning concepts, state of the art in computer vision research and the mathematics of machine learning.
- Proficiency in at least one of the popular computational and deep learning frameworks, such as Pytorch, TensorFlow, Keras, etc.
- Proficiency in Python and C/C++.
- Proven track record of high-quality engineering output (side projects, internships, research projects, full-time jobs etc.).
- The ability and desire to work in the dynamic environment of an early-stage company.
Desirable Pluses
- Research experience in Algorithms, Architecture, Artificial Intelligence, Data Mining, Distributed Systems, Machine Learning, Networking, or Systems.
- A solid foundation in computer science, with competencies in data structures, algorithms, and software design.
- Strength on creativity and communication.
Tagged as: computer vision, deep learning, python
轉職原因：希望能深耕 AI 這一塊。
10 年以上的電腦視覺經驗，目前專研 deep learning。
有多年跨領域的實際經驗，如演算法研究、軟硬體結構優化、嵌入式系統優化等。
因為過去工作公司和 Kneron 有一些合作，因此由用人主管和人選先面談，人選相關經驗較廣，目前單位需要 DL 經驗較資深的人選帶領部門進步。
接著由軟體部門主管、工程師加入面試，主要詢問過去相關經歷，沒有白板題，面試後覺得還不錯，喜歡公司發展方向、產品定位。
專注研究電腦視覺、深度學習等相關問題，擁有傑出的學術背景及相關經驗。
和單位主管、跨部門主管進行面試，總共時間約一小時。
前 30 分鐘進行自我介紹、過去專案介紹，後 30 分鐘為公司介紹，主要的問題都圍繞在相關經歷，沒有白板題，要求解釋 YOLO/HRT/mobile net 的架構等原理。
對於耐能的產品蠻喜歡的，以耐能的 NPU 為主，若對面試評分，滿分 10 分，至少有 8 分，兩位面試主管都很 nice，但因為沒有長期共事過，不確定風格會是如何。
主管評價：極好，將安排跟美國的算法工程師面試，並請準備 DL 基本框架概念等，待 HR 通知。
博士畢，豐富 SoC、ASIC 經驗，半導體產業相關經歷；專注機器學習、算法開發等相關技術超過 7 年。
工作流程和過去很類似，蠻喜歡的，由兩位 Team member 面試，需對 DL 模型建構、DL 細節有一定了解。未來二面需跟美國大主管面試，相關技術會問得更深入。過程很順利，深受面試官喜愛，互動良好，等待後續通知。
碩士畢，6年以上相關經歷，AWB 控制經驗，精通 C++、Python、機器學習框架。
第一關面試：兩小時，與美國團隊主管
整體蠻順利，面試關卡不一定，會依照不同面試走向而有所調整流程，領域算部分符合，今天團隊偏系統相關，是有興趣的。
第二關面試：三小時，兩個美國主管+台灣主管
有簡單聊到薪資規劃，並評估職位長期發展動態、職涯規劃，主管表示接下來由 HR 會跟他談。