→ MasterChang : 腳踏車的預算上太空.... 02/16 16:06
噓 pttnowash : 殺豬公的薪水 上太空的要求 02/16 16:55
【公司名稱】
國立陽明交通大學（NYCU）AI 學院 Advanced Computer Vision Lab（ACVLab）
【工作職缺】
專任研究助理（全職）
【工作內容】
做研究或是落地導向任務（見備註）
1. 資料理解與任務定義：理解資料生成機制、感測器特性、雜訊型態、標註規則與偏差，建
立可解釋的前處理與品質檢查流程。
2. 任務導向流程設計：因為對資料夠了解，才能設計出「專屬資料或任務導向」的流程（資
料流、模型、後處理、評估），而不是把方法硬套上去。
3. 方法與實驗：建立強基準模型，設計對照實驗/消融實驗，做錯誤分析與強健性檢驗，確
保結論站得住腳。
4. 產出：例如可以是國際競賽成績、頂尖研討會/期刊投稿、技術報告與簡報（含可重現實
驗紀錄 等其中之一
5. 協作與檢視方式：以「專題檢視／進度檢視（Project Review）」為主軸，聚焦問題、方
法、結果與下一步；必要時才進行 Code review（搭配 AI 工具）。
【徵求條件】
（優先即戰力；但動機強者可走 Side Project 路線，見附錄）
1. 具影像分析/電腦視覺/遙測/機器學習任一方向的研究或專案經驗（能用論文、作品、開
源程式、競賽成績、專案成果佐證）。
2. 熟悉 Python、PyTorch（或等價框架；對 ROCm 熟也歡迎），能獨立完成資料處理、訓練
、評估、除錯與實驗紀錄。
3. 具備研究基本功：能讀論文、設計實驗、重視可重現性，能把結果寫清楚、說清楚。
4. 對國際競賽/公開評測有興趣，願意把方法做成可重現、可比較的成果（不只是跑出一次
結果）。
加分條件：
- 3D 視覺/幾何（SfM/MVS、NeRF/3DGS、SLAM、點雲/深度）或機器人視覺經驗。
- 高光譜/多光譜、遙測影像處理經驗（光譜特徵、校正、融合、解混等）。
- 具國際競賽參與或得獎紀錄（CVPR/ICCV/WACV/IGARSS/ACMMM 等相關）。
- 具大型訓練/加速與工程化經驗（多 GPU、分散式訓練、資料版本管理、實驗追蹤）。
- 英文閱讀與寫作能力佳（論文與技術文件）。
【工作地點】
以 NYCU AI 學院為主：
711 台南市歸仁區高發三路二段 301 號（台南沙崙｜高鐵台南站 1 號出口東向）
（部分遠端可議，依計畫需求與團隊協作模式調整）
【工作時間】
※沒有填寫工作時間將會被刪文。
原則週一至週五 09:00–17:00（含午休；依專題檢視/會議安排可彈性調整），
【月休】
※一定要有數字。沒有填寫月休及排班制度 或月休過低將會被刪文。
週休二日；依勞基法與校方規定
【公司福利】
1.5個月年終 Lab不定期聚餐之類的
（此欄請寫額外的福利）
因為錢比業界少太多了，如果你是有考慮升學或出國，這下列可能是額外福利
1. 以「論文＋國際競賽」雙軌推進（短週期、高頻率）：同一份成果可同時對準投稿與挑戰
題目驗證，作品累積頻率高。
2. 作品導向、重視可重現：重視可重現實驗、清楚的資料流程與評估流程，把成果變成可延
伸的研究資產。
3. 升學作品集導向：協助把成果整理成申請國內外博士班／第二個碩士（研究型）需要的代
表作、推薦素材與研究敘事。
4. 共贏合作文化：鼓勵提出假設與新題目；只要能用資料與實驗說服，題目可成為你的代表
作。
5. 依規定可核列年終工作獎金準備金（至多 1.5 個月；依校內規定與在職月數計算）。
【薪資範圍】
※無薪資、比照國科會、比照本校規定、面議、電議，薪資不清等水桶一週
月薪：
- 學士級 36,300 元以上
- 碩士級（含）以上 41,500 元以上
（另：可依規定核列年終工作獎金準備金至多 1.5 個月；實際依校內規定與在職月數計算）
會協助申請加薪
【需求人數】
1～2 名（視計畫進度與人選而定）
【聯絡人/連絡方式】
實驗室主持人：許志仲（Chih-Chung Hsu）
Email：chihchung@nycu.edu.tw
行政窗口：林君柔小姐
Email：jeanlin@nycu.edu.tw
（投遞請兩個 Email 都要寄）
【其他備註】
【先說清楚：這份職缺更像「學術作品加速器」，不是業界高薪職】
- 業界對影像/AI 人才的薪資通常更高；如果你現在最在意的是市場薪資或職等，直接走業
界可能更適合。
- 但如果你的目標是：在 6–18 個月內把學術作品做起來（論文／國際競賽／公開作品），
並以此申請國內外博士班、第二個碩士（研究型）、或累積攻讀博班的代表作，ACVLab 會是
很有效率的路徑。
- 我們把國際競賽視為加速器：題目週期多為「數週到數月」，強度高、回饋快，因此作品
累積頻率也會更高——很適合想把研究成果快速變成履歷上可驗證證據的人。
研究方向（不限於此）：
- 影像/視訊分析與電腦視覺
- 高光譜/多光譜影像
- 3D 視覺與重建
- 機器人視覺/感知
- EfficientAI：模型壓縮、量化、量子退火於模型壓縮應用、網路架構加速等
- 國際競賽導向：以公開題目/評測把方法做出可比較、可驗證的成績
最新研究題目與正在進行的 project：請見 ACVLab 網站或直接聯絡我們討論。
【但書：如果你不是即戰力，Side Project 要怎麼做？】
我們非常重視 Side Project，因為它能直接驗證你在 AI 大時代的研究能力：
你是否能把問題定義清楚、方法做扎實、驗證做完整，而不是「隨便做個小作品」。
你可以大量使用 Cloud / ChatGPT / Gemini 等工具協作；但我們看的不是你用不用 AI，
而是你能不能做出嚴謹的方法論與系統化驗證，怎麼跟 AI 互相成長。
最低門檻（至少做到）：
- 作品連結（GitHub/Notion 等）＋README：環境、資料取得方式、可執行指令
- 至少 1 個強基準模型，公平比較（相同資料切分與指標）
- 至少 1 個對照實驗或消融實驗（清楚說明改了什麼、為什麼有效/無效）
- 結果摘要（圖/表）＋簡短錯誤分析
- 1–2 頁技術短報告：動機、方法、實驗設計、結果、下一步（含你如何與 AI 工具協作）
（面談通常會用「專題檢視」方式，請你用 8–10 分鐘說清楚：問題、方法、驗證、結果與
下一步；
也可能請你示範如何重跑一次關鍵實驗。）
Side Project 題目範例（擇一做、或自提題目）：
A｜3D 重建：複現 NeRF 或 3D Gaussian Splatting，再針對速度或品質提出改良，並用指
標與資源消耗做系統化比較。
B｜EfficientAI：在現有 Attention 模組上，從數學/演算法角度提出可能加速的解法，並
做 smoke test 驗證。
C｜高光譜去雜訊/去條帶：建立可量化評估（含影像品質與光譜一致性），與 2–3 個方法
比較，分析失敗案例並提出改良。
D｜機器人視覺：選一個任務（如深度估測、視覺里程計、場景理解），做出從資料到評估的
完整流程，並針對資料偏移/不同場景做穩健性驗證。
E｜競賽導向：挑一個公開 challenge/評測題目，做出可上傳結果的完整流程，用官方指標
或排行榜成績驗證，並寫清楚你負責的模組與提升幅度。
【合作方式：共贏、夥伴關係】
我們把專任助理視為研究合作夥伴，而不只是「被指派工作的人」。
你會得到方向、資源與回饋；同時也期待你主動提出假設與實驗設計，並用資料說服團隊。
在既有計畫內做出可投稿/可參賽成果，也鼓勵你提出新題目；只要你能說服我們，
實驗室會全力協作讓它成為你的代表作。
（研究助理通常不是長期的，但若因任何原因想長期加入，也非常歡迎；
未來若以合作夥伴形式合作研究而非純專任，我們也非常歡迎。）
其他資訊：
- ACVLab 網站：https://sites.google.com/view/acvlab
----
Sent from BePTT
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 223.138.17.218 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/job/M.1771043201.A.7AA.html