Á¶Á÷¼Ò°³

  • ¿ì¸® Á¶Á÷Àº º¸ÆíÀû ¾ÈÀü°ú ¼±ÅÃÀû ÆíÀǶó´Â °³¹ß öÇÐÀ» ¹ÙÅÁÀ¸·Î, ºÎºÐ ÀÚÀ²ÁÖÇà ½Ã½ºÅÛ ¹× ¿ÏÀü ÀÚÀ²ÁÖÇà ½Ã½ºÅÛÀ» °³¹ßÇÏ°í ÀÖ½À´Ï´Ù. ÀÎÁö/ÆÇ´Ü/Á¦¾î SW¸¦ ÀÚüÀûÀ¸·Î °³¹ßÇÏ°í ÀÖÀ¸¸ç, ÅëÇÕÁ¦¾î±â¸¦ Áß½ÉÀ¸·Î ÇÏ´Â È®ÀåÇü ¾ÆÅ°ÅØó¸¦ ¹ÙÅÁÀ¸·Î ºÎºÐ ÀÚÀ²ÁÖÇà ±â¼úÀÇ ¾ç»ê Â÷Á¾ Àû¿ë ¹× ¿ÏÀü ÀÚÀ²ÁÖÇà ½Ã¹ü¿îÇàÀ» ÇÏ°í ÀÖ½À´Ï´Ù.

Á÷¹«»ó¼¼

  • ¡á µö·¯´× ³×Æ®¿öÅ© model optimization ¼öÇà
    ¡¡¡¤ Target µö·¯´× ³×Æ®¿öÅ© ¾Ë°í¸®Áò¿¡ Neural Architecture Search(NAS), effcient architecture design, adaptive/dynamic inference, resource-efficient training and finetuning µîÀÇ ±â¹ý ¿¬±¸/°³¹ß ¹× Àû¿ë

    ¡á µö·¯´× ³×Æ®¿öÅ© model compression ¼öÇà
    ¡¡¡¤ Target µö·¯´× ³×Æ®¿öÅ© ¾Ë°í¸®Áò¿¡ Quantization(post-training quantization, quantization-aware training), pruning, knowledge distillation µîÀÇ ±â¹ý ¿¬±¸/°³¹ß ¹× Àû¿ë

    ¡á Onnx ±â¹Ý µö·¯´× ³×Æ®¿öÅ© embedding ¼öÇà
    ¡¡¡¤ Embedded ȯ°æ¿¡¼­ profiling, ÃÖÀûÈ­/°æ·®È­ ¼öÇà(layer surgery µî)
    ¡¡¡¤ ¾çÀÚÈ­ ¸ðµ¨(quantized model) ÃÖÀûÈ­/°æ·®È­ ¼öÇà ¼¼ºÎ ¾÷¹«

Áö¿øÀÚ°Ý

  • ¡¤ Çʼö¿ä°Ç (2°¡Áö ±âÁØ ¸ðµÎ ÃæÁ·):
    ¨ç ÇØ¿Ü´ë ÀÌ°ø°è ¹Ú»ç ÇÐÀ§ ¼ÒÁö ¹× Ãëµæ ¿¹Á¤ÀÚ (ÇØ¿Ü post-docÆ÷ÇÔ)
    ¨è '25³â 8¿ù ³» ÀÔ»ç °¡´ÉÀÚ
    ¡¤ ±Û·Î¹ú ¿ì¼ö ¿ª·®À» º¸À¯Çϸç, ¶Ù¾î³­ Àü¹®¼º°ú Ä¿¹Â´ÏÄÉÀÌ¼Ç ¿ª·®À¸·Î Çö´ëÀÚµ¿Â÷ÀÇ ¹Ì·¡ »ê¾÷ ¿¬±¸¿¡ ±â¿©ÇÒ ¼ö ÀÖÀ¸½Å ºÐ
    ¡¤ Àü±âÀüÀÚ/CS/SW/AI ºÐ¾ß Àü°øÀ¸·Î ¹Ú»ç ÇÐÀ§¸¦ º¸À¯ÇϽŠºÐ
    ¡¤ µö·¯´× ³×Æ®¿öÅ© ÃÖÀûÈ­/°æ·®È­ ¼öÇà, µö·¯´× ³×Æ®¿öÅ© embedding ¼öÇà, onnx±â¹Ý target HW embedding ¼öÇà °æÇè º¸À¯ÀÚ, ADAS/ÀÚÀ²ÁÖÇà ¾ç»ê ÇÁ·ÎÁ§Æ® ¼öÇà °æÇèÀÌ ÀÖÀ¸½Å ºÐ
    ¡¤ Python, PyTorch ¹× ÇÁ·Î±×·¡¹Ö ¾ð¾î(C, C++µî) ¿ª·®À» º¸À¯ÇϽŠºÐ
    ¡¤ SW, Ç÷§Æû µî ¹Ì·¡ ±â¼ú ºÐ¾ß¿¡¼­ Engineering Background¸¦º¸À¯ÇϽŠºÐ

¿ì´ë»çÇ×

  • ¡¤ ÀüÀÚ °øÇÐ, ÄÄÇ»ÅÍ °øÇÐ, ÄÄÇ»ÅÍ °úÇÐ °è¿­ÀÇ Çаú¸¦ Àü°øÇϽŠºÐ
    ¡¤ µö·¯´× ³×Æ®¿öÅ© ÃÖÀûÈ­/°æ·®È­ ¾÷¹« °æ·ÂÀ» 6³â ÀÌ»ó º¸À¯ÇϽŠºÐ
    ¡¤ ¾Æ·¡ ¾÷¹« ñé 1°³ ÀÌ»ó °æÇèÀÌ ÀÖÀ¸½Å ºÐ
    ¡¡- Embedded ȯ°æ¿¡¼­ kernel level °³¹ß °æÇè
    ¡¡- Embedded ȯ°æ¿¡¼­ cuda programming °³¹ß °æÇè
    ¡¡- Embedded ȯ°æ¿¡¼­ ARM±â¹Ý ÄÚµå ÃÖÀûÈ­ °æÇè
    ¡¡- ´ë±Ô¸ð ¾ð¾î¸ðµ¨ (LLM) ¹× ´ë±Ô¸ð ºñÀü ¾ð¾î ¸ðµ¨¿¡ ´ëÇÑ ÇнÀ/Ãß·Ð ½Ç¹« °æÇè
    ¡¡- µ¥ÀÌÅÍ Áغñ ¹× ¸ðµ¨ º´·ÄÈ­(tensor and pipline) ¸¦ Æ÷ÇÔÇÑ large-scale¿¡ ´ëÇÑ ½Ç¹« °æÇè
    ¡¡- ¸ÖƼ ¼¾¼­ µ¥ÀÌÅÍ(Radar, multi-camera µî) ±â¹Ý µö·¯´× ³×Æ®¿öÅ© ÃÖÀûÈ­/°æ·®È­ ½Ç¹« °æÇè
    ¡¤ ÇØ¿Ü Àη ¹× Çù·Â»ç¿ÍÀÇ ¿øÈ°ÇÑ Ä¿¹Â´ÏÄÉÀ̼ÇÀ» À§ÇØ ºñÁî´Ï½º ¿µ¾î/Áß±¹¾î ±¸»ç ´É·ÂÀ» º¸À¯ÇϽŠºÐ

ÀüÇü´Ü°è

  • 1. Áö¿ø¼­ Á¢¼ö/ Application Submission
    2. ¼­·ùÀüÇü/ Screening
    3. ¿Â¶óÀÎ ¸éÁ¢/ Online Interview
    4. ´ë¸é ¸éÁ¢/ On-site Interview : (±¹³» ÃÊû ¸éÁ¢À¸·Î ÁøÇàµÉ ¼ö ÀÖ½À´Ï´Ù)
    5. ÃÖÁ¾ÇÕ°Ý/ Acceptance Offer

±âŸ

  • [±âŸ À¯ÀÇ»çÇ×]
    ¡¤ Áö¿ø¼­¸¦ Æ÷ÇÔÇÏ¿© ä¿ë ÀüÇü ÁøÇà Áß ¸ðµç °úÁ¤¿¡¼­ Á¦ÃâÇÑ ³»¿ëÀÌ »ç½Ç°ú ´Ù¸£°Å³ª ¹®¼­·Î ÁõºùÀÌ ºÒ°¡ÇÒ °æ¿ì ÇÕ°ÝÀÌ Ãë¼ÒµÇ°Å³ª ÀüÇü»óÀÇ ºÒÀÌÀÍÀ» ¹ÞÀ» ¼ö ÀÖ½À´Ï´Ù.
    ¡¤ ÃÖÁ¾ ÇÕ°Ý ÈÄ, ȸ»ç°¡ ÁöÁ¤ÇÏ´Â ÀÔ»çÀÏ¿¡ ÀÔ»ç ºÒ°¡ÇÒ °æ¿ì ÇÕ°ÝÀÌ Ãë¼ÒµÇ°Å³ª ÀüÇü»óÀÇ ºÒÀÌÀÍÀ» ¹ÞÀ» ¼ö ÀÖ½À´Ï´Ù.
    ¡¤ ÇØ¿Ü¿©Çà¿¡ °á°Ý »çÀ¯°¡ ÀÖ´Â ºÐ(³²¼ºÀÇ °æ¿ì, ȸ»ç°¡ ÁöÁ¤ÇÑ ÀÔ»çÀϱîÁö º´¿ª ¹ÌÇÊ ¶Ç´Â º´¿ª ¸éÁ¦µÇÁö ¾ÊÀº ºÐ Æ÷ÇÔ)Àº ÇÕ°ÝÀÌ Ãë¼ÒµÇ°Å³ª ÀüÇü»ó ºÒÀÌÀÍÀ» ¹ÞÀ» ¼ö ÀÖ½À´Ï´Ù.
    ¡¤ ȸ»ç ³»±Ô»ó Á¤»ó±Ù¹«°¡ ºÒ°¡´ÉÇÒ °æ¿ì ÇÕ°ÝÀÌ Ãë¼ÒµÇ°Å³ª ÀüÇü»óÀÇ ºÒÀÌÀÍÀ» ¹ÞÀ» ¼ö ÀÖ½À´Ï´Ù.
    ¡¤ ä¿ë ÀüÇü ÁøÇà¿¡ µû¶ó ÀÏÁ¤ÀÌ Á¶Á¤µÉ ¼ö ÀÖ´Â Á¡ À¯ÀÇ ¹Ù¶ø´Ï´Ù.

    [Áö¿øÀÚ Âü°í»çÇ×]
    ¡¤ Ãë¾÷º¸È£´ë»óÀÚ(Àå¾Ö,º¸ÈÆ µî)´Â °ü°è ¹ý·É¿¡ ÀÇ°ÅÇÏ¿© ¿ì´ëÇÕ´Ï´Ù.
    ¡¤ Áö¿ø¼­ Á¢¼ö ¸¶°¨ÀÏ¿¡´Â Áö¿øÀÚ°¡ ´ë°Å ¸ô·Á ÀÔ»çÁö¿øÀÌ ¾î·Á¿ï ¼ö ÀÖÀ¸´Ï, ¿©À¯ÀÖ°Ô ¹Ì¸® Á¦ÃâÇϽñ⸦ ±ÇÀåÇÕ´Ï´Ù.
    ¡¤ Áö¿ø¼­ Á¢¼ö´Â Çö´ëÀÚµ¿Â÷ ä¿ë ȨÆäÀÌÁö¸¦ ÅëÇØ Á¢¼öÇϸç, ±× ¿ÜÀÇ °³º° Á¢¼ö´Â ¹ÞÁö ¾Ê½À´Ï´Ù.
    ¡¤ °ø°í ³» Á÷±Þ ¼öÁØÀº ¿¹»ó Á÷±ÞÀ¸·Î º¯µ¿ °¡´É¼ºÀÌ ÀÖÀ¸¸ç, °³Àκ° °æ·Â ¹× Æò°¡¸¦ °í·ÁÇÏ¿© ó¿ìÇùÀÇ °úÁ¤À» ÅëÇÏ¿© ÃÖÁ¾ È®Á¤µË´Ï´Ù.
    ¡¤ ä¿ë °ü·Ã ¹®ÀǴ ä¿ë ȨÆäÀÌÁö Ò® [FAQs] ¸Þ´º¸¦ È®ÀÎÇϽðųª '1:1 ¹®ÀÇÇϱâ'¸¦ ÀÌ¿ë¹Ù¶ø´Ï´Ù.
    ¡¤ ÇÊ¿ä ½Ã ÀüÇü´Ü°è¿¡¼­ °úÁ¦°¡ ÁøÇà µÉ ¼ö ÀÖ½À´Ï´Ù.