-
博士後研究 二名 (研發替代役可)-電腦系統實驗室 Machine Learning Systems 研究團隊
面試心得
-
企業名
中央研究院(中研院)
-
工作地點
台北市南港區
-
薪資
月薪64711~99317元
-
工作內容
深度學習模型推論和訓練優化研究 (Optimization of Deep Learning Model Inference and Training)
Machine Learning Systems團隊的研究方向包括:平行與分散式計算、編譯器、以及計算機架構。我們利用電腦系統的技術加速深度學習模型推論和訓練,並研究下一世代機器學習模型的系統開發和優化。
我們的研究方向著重於:
1. 模型壓縮與計算優化研究。
模型壓縮技術 (pruning and quantization) 透過減少AI模型容量與運算量,實現模型執行加速,對於嵌入式系統等資源受限的計算平台以及記憶體有限的AI加速器至關重要。為了有效執行壓縮後的模型,許多次世代處理器設計了新的運算功能,例如向量運算 (Intel AVX512, ARM SVE, RISC-V RVV) 和矩陣加速器 (matrix-multiplication unit on GPUs and NPUs) 等強化功能。我們將研究 (1) 如何利用這些強化運算功能加速壓縮模型的執行,(2) 各種計算平台,例如伺服器、邊緣裝置、異質系統等的壓縮模型的佈署方法。
2. AI加速器設計。
針對深度學習模型的推理加速,在FPGA板上實現AI加速器硬體設計,並進行軟硬體協同設計與優化研究。
3. 異質環境下深度學習模型推論優化研究。
智慧系統如自駕車與語音助理,通常需執行複雜的深度學習模型 (complex deep learning models: hybrid models, multi-models, and multi-task models)。與此同時,電腦架構正朝向異質多處理器設計發展 (heterogeneous architecture: CPUs+GPUs+AI accelerators)。如何整合異質處理器來執行複雜模型並達到高效能的運算,成為一項關鍵且具挑戰性的研究。針對此問題,我們將探討以下方向:(1) 模型運算與異質處理器的分配策略,(2) 排程演算法設計,(3) 模型執行平行化方法,包括資料平行(data parallelism)、模型平行(model parallelism)與張量平行(tensor parallelism)。
上述研究議題為國內外深度學習系統領域之重要發展方向,產業界及學術界均需此方面人才。適合擬專心研究,未來從事學術工作者或研發工作者,對於未來規劃進修博士學位者, 本實驗室之研究計畫提供優良之訓練環境與研究經歷。
薪資:博士64711元起聘,該職缺係「適用勞動基準法」
中央研究院(中研院)-使用1111轉職專區
https://central1111.com.tw/turn/