---
title: 資訊科技產業專案設計課程作業 4
tags: 資產hw4
description: 資產hw4
---
## 職缺(一) Mediatek: [AI researcher for computer vision and multimedia](https://careers.mediatek.com/eREC/JobSearch/JobDetail/MTK120210813002?langKey=en-US)
:::info

Job Description
* Deep learning/AI algorithm development
* Computer vision algorithm development
* Image/Video processing algorithm development

Requirement
* Programming language: C/C++ or Python
* Deep learning tools: tensorflow or pytorch
:::
### Self-assessment
* Programming language: C/C++ or Python
* 熟悉此兩種語言
* 能力評比:
* C/C++: 3.5/5
* Python: 3.5/5
* Deep learning tools: tensorflow or pytorch
* 經常使用pytorch，可修改API的source code並套用至自己的任務上。幾乎未使用tensorflow。
* 能力評比
* pytorch: 3.5/5
* tensorflow: 1/5
* 除Requirement要求外，工作內容還包含了影像處理、電腦視覺。
* 曾在課堂上實作過Sobel filter、Median filter、threshold等影像處理相關算法
* 也使用opencv操作過Camera Calibration、Stereo Disparity、SIFT等電腦視覺相關問題。

## 職缺(二) Mediatek: [AI Algorithm Engineering-ChuPei](https://careers.mediatek.com/eREC/JobSearch/JobDetail/MTK120190523006?langKey=en-US)
:::info

Job Description
* AI deep learning and machine learning algorithm development.
* Training/fine tuning deep learning NN model parameters for image/video quality enhancement.
* Deploy and optimize NN model on edge devices.

Requirement
* Familiar with deep learning and machine learning algorithm and model training process
* Familiar with deep learning framework, like TensorFlow, PyTorch and programming language, like Python or C/C++
* It is nice to have experience in model optimization and deployment on edge devices.
:::
### Self-assessment
* Familiar with deep learning and machine learning algorithm and model training process
* 目前實驗室就是在做深度學習相關的題目，每周皆會聽兩次AI相關paper報告，常與同儕討論深度學習相關的問題。碩班幾乎都在train模型，對使用pytorch訓練模型的流程還算了解。
* Familiar with deep learning framework, like TensorFlow, PyTorch and programming language, like Python or C/C++
* 能力評比:
* C/C++: 3.5/5
* Python: 3.5/5
* pytorch: 3.5/5
* tensorflow: 1/5
* It is nice to have experience in model optimization and deployment on edge devices.
* 模型的優化應該可分成空間/時間的優化以及performance的優化，前者我未曾做過，但若要優化的話應可尋找合適的模型，或自行刪減一些層進行實驗;後者不外乎調整參數，察看結果後發現問題，搜尋相關文獻以解決問題，我已有類似經驗。
* 過去未曾部屬在邊緣裝置上，這部分可能需要自行購買開發板操作一次，積累經驗。

### 面試題目
:::info
**Quesion:** [CNN跟Fully connected誰能夠取到比較多特徵](https://www.ptt.cc/bbs/Soft_Job/M.1535716676.A.12B.html)
* (個人理解)CNN應該是FC的一種特例，在CNN中特徵數量的計算應是使用filter的數量，但在FC中無法確定取到了多少特徵，因為我們不知道FC是以幾個參數決定一個特徵。
* 其他關於CNN vs FC的資料
* [Why are convolutional layers better than fully connected layers for images?](https://www.quora.com/Why-are-convolutional-layers-better-than-fully-connected-layers-for-images)
* [Fully Connected vs Convolutional Neural Networks](https://medium.com/swlh/fully-connected-vs-convolutional-neural-networks-813ca7bc6ee5)
:::
:::info
**Quesion:** [業界賺錢需要壓成本，但同時performance不能降時，該怎麼辦？](https://www.ptt.cc/bbs/Soft_Job/M.1535716676.A.12B.html)
* AI的成本大多集中在收集資料、標註資料上，收集資料的部分只能找找看有沒有開源的資料集，又或著評估是否有自動產生資料的方法，標註資料的部分可以使用Active Learning的方法降低需要標註的資料量，但會犧牲一點performance。(總不能又要馬兒好，又要馬兒不吃草)
:::
:::info
[AI面試題目彙整](https://github.com/DarLiner/Algorithm_Interview_Notes-Chinese)
:::