Cake Job Search

1.負責 PCIe 6.0 PHY DSP 演算法之設計、建模、模擬與驗證。2.開發高速 SerDes 相關演算法，包含 equalization、CDR、timing recovery、adaptation 與 calibration。3.使用 MATLAB / Python / C/C++ 建立系統模型，分析 BER、jitter、ISI、channel loss 與 link margin。4.與 Analog / RTL / FW / Validation 團隊合作，完成演算法規格化、fixed-point 化與實作導入。5.支援 pre-silicon 與 post-silicon 驗證、debug 與效能優化。

1.Develop eMMC/UFS firmware.2.Design eMMC/UFS FTL/CTL algorithm.

1. Participate in NAND flash controller architecture and algorithm-related studies2. Develop, maintain, and simulation using SystemC / C++ models3. Help evaluate design trade-offs and optimization ideas; Analyze simulation results to help identify potential issues or bottlenecks4

1.AOI 或 行為辨識領域算法開發，熟悉切割、定位、分類AI模型；具備：姿態辨識、追蹤算法、非監督式分類、非監督切割、非監督定位等模型佳2.具備工業AI檢測與安保攝像頭行為辨識經驗3.實現外觀檢、異常診斷、人因工程分析等功能

1. Media algorithms design and implementation by application.2. Media algorithms whitebox test and validation.3. Media algorithms parameters and flow optimization. 4. NAND characteristics data collection and analysis.

【職務核心】 您將利用海量數據構建核心決策模型，透過自動化手段解決內部的營運痛點。我们需要您具備將數學理論轉化為生產級 (Production-grade) 程式碼的能力。 數據煉金：使用 SQL 從龐大的資料倉儲中萃取 (Extraction) 有價值的特徵，並進行深度分析。模型開發與自動化：應用 Data Mining 與 ML 技術設計自動化工具，優化內部作業流程與決策效率。落地與維運：負責模型的容器化 (Docker) 封裝與部署，監控模型在正式環境的表現，確保系統的高可用性。技術顧問：與跨部門團隊協作，向非技術人員解釋 AI 模型的應用場景與邊

公司介紹 這是一家深耕運動健康科技的成長型公司，核心技術結合穿戴裝置、感測訊號處理、運動科學與 AI 智能教練。團隊透過多元感測資料，將人體活動與生理訊號轉化為可理解、可行動的健康與訓練洞察，協助使用者更科學地掌握體能狀態與運動成效。公司產品方向涵蓋 AI Coach、健康指標與訊號處理。 此職位適合不只想「寫演算法」，而是想從系統架構、端側落地、IC/Edge 平台整合到量產品質全程主導的資深技術人才。 工作內容 你將以架構決策者角色，主導穿戴裝置演算法系統設計與跨團隊技術落地： 定義 Algorithm System Architecture，將大型演算法拆解為可重用、可測試、可擴充模組 設計 Data Flow、Control Flow、State Machine、API Interface 與模組間依賴 協助演算法從 Python / Server Prototype 落地至 C/C++ Embedded 實作 主導 MCU / RTOS、WearOS / Android HAL、Sensor Hub 等端側平台整合 與韌體、App、雲端、IC / SoC / NPU 團隊協作，規劃 CPU / DSP / NPU mapping 建立 Benchmark、效能分析、功耗最佳化與 Root-cause 分析流程 維護架構文件、Block Diagram、Data Flow Diagram、API Spec 指導中高階演算法工程師，參與長期技術 Roadmap 規劃 使用的技術 C / C++ Embedded、Python MCU、RTOS、WearOS、Android HAL、Sensor Hub PPG、IMU、ECG、ACC、Gyro 等感測資料 Edge AI、DSP、NPU、SoC、IC Mapping Fixed-point、Quantization、Memory Optimization、Power-aware Design Algorithm Architecture、Data Flow、State Machine、API Design Linux、Unit Test、Integration Test、Code Review

🚀 關於我們 (Company Introduction) 我們是一家專注於「生理訊號感知」與「科學化 AI 智能教練」的頂尖運動健康科技公司 。自成立以來，我們憑藉深厚的資料科學背景與生理演算法，獨立開發的技術曾榮獲 TIME 雜誌評選為熱門穿戴科技，並獲得美國知名大學實驗驗證與全球指標醫學學會發表 。 我們正處於高成長的黃金賽道上，不僅成功完成破億元的新一輪募資（頂級創投支持），更與國際一線大廠攜手進攻全球市場，並計畫於近期邁向 IPO ！ 在內部，我們打造了結果導向與高度自主的工程文化，全團隊深度擁抱 AI 輔助開發工具（如 Claude Code 等）來優化開發流程 。如果你渴望挑戰高精度演算法、接觸完整的技術棧，並親眼看到自己的代碼轉化為改變全球使用者健康習慣的產品，這裡就是你的頂級舞台 ！ 🎯 工作內容 (Responsibilities)核心技術研發： 設計、實作並持續優化穿戴裝置中的生理訊號（心率、壓力、血氧、睡眠）與運動指標演算法 。多模態數據融合： 融合 PPG、IMU、GPS 及氣壓計等多元感測器資料，運用數位訊號處理（DSP）與影像處理方法，從雜訊中提取高價值生理特徵 。AI/DL 模型建構： 運用 TensorFlow / ML / DL 框架建構資料驅動模型，提升生理參數預測精準度 。跨平台部署與優化： 以 MATLAB 進行原型驗證，並以 C/C++ 或 Python 完成高效能實作，與韌體團隊協作將演算法部署於受限的 MCU / ARM 平台 自動化與品質確保： 建立完整自動化測試框架（Unit/Integration Test），確保各動態場景下的演算法穩定性 。 🛠 使用的技術 (Tech Stack) 程式語言： C / C++, Python 深度學習與分析工具： TensorFlow, PyTorch, MATLAB 核心領域技術： DSP 數位訊號處理、影像處理、機器學習模型建構、Data Analysis 硬體生態圈： MCU, ARM, RISC-V 嵌入式系統環境對接 效率利器： 團隊全面標配 AI 輔助開發工具（Claude Code / Antigravity 等）🎁 福利與環境亮點彈性工作安排： 結果導向，支持彈性辦公，每週提供 1 天遠端工作 。極客與學習氛圍： 橫跨 DSP、ML、嵌入式、雲端的完整技術棧，重視數據與實驗，拒絕盲目加班 。交通便利： 辦公室位於新北市新店區（捷運綠線大坪林站旁），通勤無負擔 。

成立十年以上知名運動科技品牌⌚️獨立開發體能感測計獲國際熱門穿戴科技評選，產品深受專業運動員與科學家信賴。專注於專業運動科學與 AI 智能教練解決方案。核心的「精密體力演算法」能將複雜的生理訊號轉化為高價值的行為洞察。 職位說明：我們正在尋找的，不是程式碼的執行者，而是生理訊號的轉譯專家生理訊號的轉譯專家，將深度處理 PPG、IMU 等核心傳感數據，不僅是在開發演算法，更是在重新定義穿戴裝置的精準度邊界。 設計並優化穿戴裝置中的心率、壓力、體能耗損等生理指標演算法。多維感測器融合： 深度分析 PPG、IMU、GPS 及氣壓計數據，從複雜雜訊中精準提取高價值的生理特徵。AI 協作開發： 運用 Claude Code / Antigravity 等 AI 工具進行高效能程式碼編寫與架構重構，極大化開發量能。品質自動化守護： 建立嚴謹的自動化測試框架（Unit/Integration Test），確保演算法在各種動態運動場景下的穩定性。嵌入式系統整合： 與軟體團隊緊密協作，確保精密演算法在資源受限的 MCU 平台上展現優異效能。持續監控與迭代： 追蹤實務環境表現，透過真實數據回饋進行模型微調，確保產品始終符合高品質標準。

友達高雄軟體解決方案研發中心誠摯邀請您加入，一起成為下一代 AI 技術的關鍵推手！我們正在尋找 AI演算法研發工程師，與我們頂尖的 AI 團隊攜手，共同推進企業AI底層模型的研究能力。不僅是優化AI，您將深入演算法設計與開發，把最前沿的技術導入公司，也將成為AI研究者參與學術貢獻！若您也希望可以待在高雄發展，並把握AI浪潮的前沿技術，歡迎應徵與我們進一步聯繫！【工作內容】1. AI 演算法設計與開發： 負責影像辨識相關模型之設計、訓練、調優與性能評估。2. 控制流程 AI 化與最佳化： 研究如何利用 AI 演算法（如強化學習、模型預測控制等潛力技術）取代或提升現有處理流程之效率。3. 數據分析與可視化： 針對多維度表格資料或影像數據進行特徵工程與分析，轉化為有效之訓練輸入。4. 前瞻技術轉化： 追蹤與評估 AI 領域最新論文技術，並嘗試將其應用於解決實際控制或辨識問題。5.學術產出： 參與技術報告撰寫、專利申請或 AI 論文期刊發表。"