【公司名稱】 中央研究院資訊科學研究所 吳真貞老師實驗室
【工作職缺】 博士後研究 一名
【工作內容】
1. [大規模機器/深度學習之分散式計算平台及應用]
在巨量資料的時代，機器學習與資料探勘在計算上已經遭遇到
擴展性(scalability)的問題。首先，為了模型的準確性，
我們必須採用大量的訓練資料，這些訓練的資料量可以達到Petabyte以上的等級，
如此大量的資料無法在單一機器上處理。其次，許多複雜的預測模型，
其參數數量可能高達數個billion以上，如此巨大的計算量也很難在單一機器上實行。
為了解決這些問題，我們將設計一個專門針對大規模機器學習演算法的分散式平台。
我們將針對機器學習演算法可容錯的特性，設計可以動態調整的處理器同步機制。
另外我們也將針對模型參數做關聯性與收斂速度的分析，
來平衡處理器間的工作量與最大化平行度。
同時，我們也研究不同的壓縮技巧，來降低分散式訓練所需要的網路傳輸。
2. [主從式架構的分散式深度學習]
手機與穿戴式裝置已成為人們日常生活中不可或缺的一部分。
為了在這些裝置上獲得更好的使用者體驗，發開者會利用使用者的資料，
在這些裝置上訓練深度學習模型或預測使用者的行為。
然而，因為裝置上的資源限制(記憶體，電源)，使得這種訓練/預測變得十分困難。
本計畫的目的，在設計一個主從式的架構(master-client)，
在保護使用者資料的前提之下，將需要大量計算且耗能的深度學習/預測，
從行動端(client)搬移至雲端(master)來進行訓練/預測。
本計畫將從三個方向去探討如何設計一個有效率的主從式分散式學習架構。
第一，如何減少行動端與雲端之間的因為訓練/預測所造成網路流量。
第二，如何在不犧牲預測準確度的前提下，有效地減少深度學習網路的參數數量。
第三，如何最佳化行動裝置上模型訓練/預測的計算效能。
3. [針對嵌入式系統的深度學習]
由於深度學習應用已廣泛地佈署到各式的嵌入式裝置中，
如何最佳化這些應用在裝置上的效能，變成一個十分重要而且迫切的問題。
本計畫將從三個方面探討如何設計一個高效能、且低能耗的嵌入式深度學習系統。
首先，由於深度學習需要頻繁且大量地存取記憶體，因此，
如何設計一個有效率的記憶體管理方法將決定訓練的效能。
第二，如何利用嵌入式裝置上的加速器，如GPU、FPGA等，來提升計算效能。
主要議題包含了資料如何有效率地在不同裝置間移動，以及計算的分配和排程等。
第三，如何有效地減少模型的參數數量，
使得模型在嵌入式系統上訓練以及預測所需記憶體及能源可以降低。
以上計畫將以Tensorflow、Caffe
以及本實驗室開發之分散式深度學習平台及嵌入式系統為主要研究及開發環境。
適合擬專心研究，未來從事學術工作者
或是想提升研發經驗和能力以便未來應徵優質工作職位者。
【徵求條件】
- 具備資訊、資工科系之博士學位
優先考慮：
- 具備程式設計 (C/C++/Java) 與問題解決能力
- 擅長演算法設計或數理統計方法, 或具有良好系統、軟體開發經驗
- 具平行或分散式系統開發經驗
- 具Tensorflow/Caffe/OpenCL 系統或應用開發經驗
- 具資料分析經驗
【工作地點】
台北市南港區中央研究院資訊科學研究所
【工作時間】
周一至周五, 一天八小時(彈性上下班時間)
【月休】
周休二日
【公司福利】
中研院設施使用, 院內消費折扣, 年終獎金, 年休假, 員工旅遊
【薪資範圍】
六萬起，工作年資另計
【需求人數】
一名
【聯絡人/連絡方式】
1. 請以email方式寄送個人詳細履歷(相關研究、計劃及工作經驗)、
成績單(大學及以上)。
2. 發表過之論文影本、簡傳、學歷證書影本，及任何有助審查資料
3. 所有檔案請以pdf檔案格式寄送。
4. 通過初審者會另行通知，於中研院資訊科學研究所進行面試。
吳真貞老師 [email protected] 02-27883799 ext. 1610