1. IP Verification * FPGA驗證 2. IC Software Architecture * 建立專有的Camera Framework與Pipeline * 開發Gstreamer Element與Media Server * UVC與UAC2 3. Linux kernel driver * 熟悉V4l2 Driver、V4l2 M2M 4. VSLAM & ROS1 & ROS2 * 開發SDK使用硬件加速IP並整合VINS-RGBD與ORB-SLAM3 * 移植ROS1與ROS2至硬件平台上 5. AI加速器 * AI Model驗證轉換工具開發與使用 * AI Inference SDK 6. CI/CD * Redmine & gitlab * JIRA、Bitbucket與Bamboo 7. 部門管理 * KPI設定 * 教育訓練 * Code and architecture review 8. 客戶支持與專案管理 * 客戶拜訪與產品推廣 * 應用推廣

1. AI IP Camera & AI Box 技術研發: * 使用Qualcomm QCS610 LE solution * 以Gstreamer、PlusAudio與AI Toolkit為基礎，整合GSTD、MediaServer、cockpit、ONVIF等等元件，提供完整IP Camera與AI Box解決方案。 * 客制化Yocto增加meta-ubuntu的layer，使用Yocto建置與客制化Ubuntu的整合環境。 * 使用Linux configfs，USB gadget與自行開發的USB gadget Daemon，整合Gstreamer、Qualcomm QMMF，提供UVC與UAC2的解決方案，其中包括Linux USB gadget Kernel的擴充與修正，以及Virtual V4L2 Camera Driver的開發。 * 除了Yocto standard與extensible SDK之外，自行開發Yocto Binary SDK，提供Yocto SDK solution without source code。 客戶專案: * 參與Softbank AI Box的研發計畫。 * 參與Honeywell IP Camera的研發計畫。 * 參與StarLight AI Camera的研發計畫。 * 參與VinAI AI Camera的研發計畫， 2. AI Dash Camera & Video Bar 技術研發: * 使用Qualcomm QCS610與QCS605 LA solution * Android系統建置與開機流程 * Android Framework客製化 * Android Launcher3、Setting與System UI客製化 * Android BSP、HIDL與HAL的客製化 * Altek Camera與Audio APP開發 * 實作UVC與UAC2 on Android Platform 客戶專案: * 參與JVC Car AI Dash Camera的研發計畫。 * 擔任Labpano VR360的Project Leader。 3. AI Web Camera 技術研發: * AI模型轉換並移植至SigmaStar平台 * AI模型極小化與執行速度優化 * Face, Human and Gesture detection * Face landmark * 開發Face beautification演算法 * 開發Background Blur演算法 客戶專案: * 參與Mi Web Camera的研發計畫。 * 參與Intel Web Camera的研發計畫。 * 參與HP Web Camera的研發計畫。 4. AI相關研發 * 自行研發AISDK，使得AI Model可以deploy到不同平台的機器，並可以開發不同AI Model的後處理，以及整合不同的AI Model。 * 開發gstreamer的element，使得AISDK可以與gstreamer整合，達到同步與非同步的AI Inference on gstreamer。 * 自行收集資料進行模型訓練，包含有Face、Human與Gesture Detection，以及Facial landmark、White Board Detection、Depth Estimation、Car detection and lane landmark與Human Segmentation * 熟悉PyTorch、TensorFlow、TensorFlow-Lite、Caffe。 * 熟悉各種Dataset格式，包含coco、pascal與yolo。 * 熟悉各種Detection Model，包含Faster RCNN、Mask RCNN，Yolov4、Yolov5與Yolov8 * 熟悉各種Segmenetation Model、包含UNet、PSPNet、Deeplabv3與Yolo。 * 自行開發Panoptic Model，融合detection與segmentation，使得Model可以達到最佳的效能。 5. 研發三部管理 * 帶領9人團隊其中包含資深經理、資深工程師、以及3位新人進行各項專案開發 * 部門KPI訂定與績效考核 * 部門教育訓練

1. 圖像辨識人工智能引擎 以Faster RCNN與Mask RCNN為基礎，建立圖像辨識的人工智能引擎，用於辨識圖像中的物體與輪廓。其中使用了Keras、Tensorflow與PyTorch等神經網路框架，並結合了OpenCV與Scikit-Learn等圖像處理與機器學習工具，將圖像轉換成有意義的資訊。 2. 圖像辨識人工智能系統 以Django、Vue、MySQL與Influxdb為基礎，建立圖像辨識人工智能系統，用於整合攝影機與錄像機等硬體設備、管理與設定人工智能引擎、以及收集與分析人工智能引擎所產生的資料。 3. 圖像辨識人工智能輔助工具 開發人工智能引擎所需要的輔助工具，包括前期的標記工具以及鏡頭校正工具。 4. Data Exploration 以Python的Scipy為基礎，對於收集的資料進行Data Exploration，找出實際有用的資料。 5. Machine Learning 除了影像辨識之外使用深度學習之外，資料分析也需要不同機器學習演算法，在不同的情況下，使用不同的機器學習算法，可以達到最適合的效果。另外，有些情況需要unsupervised learning，例如cluster與outlier detection。 6. 豬隻辨識、盤點與體重估計 透過人工智能系統與引擎的整合，建立豬隻辨識、盤點與體重估計的應用系統。其中包括攝影機與錄影機安裝與整合，人工智能引擎的豬隻辨識，最後由人工智能系統收集、計算與展示，是一個完整人工智能應用的體現。 7. 母豬生理監測 收集母豬的體溫與活動力，對於母豬進行實時的監測，透過人工智能與機器學習了解母豬生理狀況，進而偵測母豬發情與空懷。 8. 軌道機器人 軌道機器人研發。 9. Intel RealSense開發，3D影像方案整合，3D影像辨識與物體大小估計。 10. AIoT雲平台 管理人数：5-10人

1. Machine Learning/Deep Learning (CNN, RNN) 2. Bayesian Statistics 3. Caffe, TensorFlow, Keras 4. Computer Vision, Word To Vector, Auto Encoder, Algorithm Trading 5. IoT Cloud Platform (Node.js, MongoDB, AngularJS) 6. IoT Device Platform(Raspberry Pi, Arduino, Cotrex M0/M4) 7. Lora (node, gateway, network server, application server) 管理人数：5-10人

1. 行車安全軟體開發­­，包括LDWS(車道線偏移警示)、FCWS (前車防撞警示)、AVM(360度車用環景輔助駕駛)、BSD(盲點偵測)、單鏡頭影像測距、鏡頭手自動校正 2. 從無到有建立影像研發團隊，帶領5位影像演算法工程師，1位系統工程師，直屬於執行副總 3. 整合鏡頭、Sensor與選擇自有平台，使用過Aptina、OV、PixelPlus的Camera Sensor，40度到180度鏡頭，自有平台為Freescale imx6 4. 根據客戶需求Porting到不同作業系統，包括Linux、Android、WinCE、RTOS。 5. 根據客戶需求Porting到不同硬體，包括CSR A6、Freescale imx6、TI DM6437、TI811x、Ambarella、Sunplus 6. LDWS/FCWS於2014年11月開始出貨、AVM預計2015下半年 7. 開發Android與iPhone手機導航軟體 8. 從無到有建立手機研發團隊，帶領4位工程師 9. Polnav Mobile Android於2014年1月上架，40萬人次下載，iPhone預計2015年3月上架

1.網管系統(EMS & TR069 ACS Server) 2.PSTN & ISDN VoIP Gateway 3.IPDSLAM 4.IVD (Integrate VoIP and Data) 5.ATA24 VoIP Gateway 6.專案管理 7.SCM管理 8.人員管理與訓練 管理人数：10-15人

1.MES【Manufacture Executing System】(IBM SiView) 2.Equipment Automation 3.Production Report、EDA、CIP【Customer Information Portal】 4.CIM與Oracle ERP的整合 管理人数：1-5人

1.使用AutoSched AP，模擬晶圓廠的運轉與生產，用於預測每月晶片的產出，準確率達到99% 2.生產資訊的整合，使用VB、Delphi、ASP與SQL Server，整理每日、週與月的生產報告，使得產線可以精確掌握生產線狀況。

蝕刻設備維護