之前還是學生的時候在版上發文詢問過方向，到現在已經工作約半年了，
分享一下我後來學習的方向和目前的工作內容，當作回饋。
簡單描述當初發文詢問的原因，想知道詳細內容可以a我的id:
碩班讀AI，畢業後想去日本工作，如果想進外商該如何準備。
============================================================
說來慚愧，但我現在在新竹IC design 公司當軟體工程師，
只能跟大家分享讀 AI 的出來工作可能接觸到的內容。
以下內容分為兩大部分: 在學期間進修方向和目前工作內容。
在學期間:
升碩二暑假的時候去了一間日本新創的 AI summer bootcamp(台灣辦公室舉辦的)，
分組做project，主要是帶大家走過產品開發的流程，會學到 scrum、git、docker等等，
但能學到多少很看組別。
寒假的時候去了一趟CES，教授以前的同學在搞新創，幫他開發VR相關演算法，
還有產品demo需要的東西，負責站台講解公司的產品等等，換來免費去CES的機會。
學到蠻多東西的，多數大公司的新科技都讓人驚艷，還有印度腔的英文完全聽不懂:(
碩二除了做CES需要的東西，時間都拿去研究了，沒什麼時間去讀 OS，計組，打kaggle
或是養github。原本碩論在做特徵解耦(feature disentangled)的東西，但發現數學算
不太出來，google 又發那種訓練了超過1萬個模型的論文(ICML 2019 best paper)，
評估後覺得無法準時做出符合教授標準的東西，決定換題目，改做物件偵測這種偏應用
的。勉強投了 NeurIPs 拿到 2 accept/ 2 reject 的分數，努力 rebuttal 後最後
被reject。雖然最後有準時畢業，但也沒麼動力把論文修修改改轉投其他地方了。
畢業的時候因為疫情的關係，決定先在台灣工作。
工作內容:
1. Converter: 將不同深度學習框架的模型做轉換，會碰到 tenserflow、
tenserflow lite、pytorch、onnx 等等，主要就是要看的懂官方文件和
理解不同框架實作上的差異。
2. 寫一些 test case，公司有QA但是他們不懂AI的東西，所以要先自己寫。
3. AI compiler: 如何針對公司的不同硬體，對模型做優化，需要一些 embedding
system的知識，覺得沒讀OS和計組的債可能準備要還了:(
除了上述的這些，模型量化(quantization)和剪枝(pruning)的東西也會碰到，有時候要
看看那些大公司的research lab 又發了什麼新論文，這些新東西能不能用在公司產品上。
工作環境很不錯，準時上下班，但薪水沒有一線IC design廠多就是了。
大概這樣，謝謝收看:)