關於 word開發人員控制項 ，我們在網路上蒐集到這些相關的討論、資訊與評價

徵才機關：國立屏東科技大學
人員區分：其他人員
官職等：無
職系：無
名額：3
性別：不拘
工作地點：90-屏東縣
有效期間：109/07/29~109/08/11
資格條件：
國立屏東科技大學109學年度第1學期徵聘「研究人員」公告(家畜禽領域、無人載具領域及動物疫苗領域)

聘期自本校通知報到日起聘，以一年一聘為原則，但計畫期限在一年以內者，應依實際所需時間聘用，任期最長以三年為限。惟如因計畫持續需要，得聘期得至計畫執行期限結束時止。
（自本校通知報到日起聘） 公告日期：109年7月29日

■徵聘單位：研究總中心(家畜禽領域)
■徵聘職稱：講師級研究員
■名額：1名
■一般資格條件：具教育部認可之國內、外，動物科學、獸醫、環境工程或生物機電等相關系所碩士(含)以上學位。
■專長領域或特殊資格條件(含研究著作要求)：
家畜禽飼養管理及廢水循環經濟利用整合，如同時具有以下能力者，尤佳：
1.家畜禽飼養管理：動物繁殖育種、性能檢定與評估、各階段動物生產飼養管理、飼料配方技術與品管、飼料營養、飼料添加劑技術。
2.家畜禽健康管理：疾病監控、疾病防疫、預防醫學、動物防疫保健。
3.家畜禽智慧化飼養管理：畜舍規劃與設計、動物福址飼養管理、飼養設施智慧化應用、智慧化資訊傳遞路徑技術。
4.畜牧廢水處理與循環利用：有機化學、廢水處理技術與原理、廢棄物循環利用技術。
5.英文能力：需具備中等之英文溝通能力。

============================================================

■徵聘單位：研究總中心(無人載具領域)
■徵聘職稱：講師級研究員等級以上
■名額：1名
■一般資格條件：具教育部認可之國內、外相關系所碩士以上學位者。
■專長領域或特殊資格條件(含研究著作要求)：
如同時具有以下能力者，尤佳：
1.具使用於溫室及田間的智慧農業載具之機構及電控軟硬體開發經驗。
2.具馬達控制以及周遭電路設計經驗。
3.具機電系統整合、電子電路與印刷電路板設計、製作及測試經驗。
4.具GPIO、CAN、SPI, I2C, RS232/485等通訊介面及微處理器及嵌入式系統程式撰寫的經驗。
5.具應用於自駕車之影像處理及感測器應用的經驗。

============================================================
■徵聘單位：研究總中心(動物疫苗相關領域)
■徵聘職稱：助理教授級研究員
■名額：1名
■一般資格條件：具教育部認可之國內、外動物疫苗或生物科技相關領域之博士學位，研究經歷1年以上。
■專長領域或特殊資格條件(含研究著作要求)：
如同時具有以下能力者，尤佳：
1.具備實驗動物、細胞培養、蛋白質工程、轉錄體分析與次世代定序處理等技術能力。
2.具撰寫英文期刊論文與研究計畫之能力。
3.具英語溝通協調能力且能跨領域工作，積極主動且能參與團隊合作者。
工作項目：
■備註︰
※依本校「校務基金進用研究人員聘任辦法」第六條規定，校務基金進用研究人員聘期，以一年一聘為原則，但計畫期限在一年以內者，應依實際所需時間聘用，任期最長以三年為限。惟如因計畫持續需要，得聘期得至計畫執行期限結束時止。校務基金進用研究人員辦理續聘時，應提出聘任期間執行研究成果績效報告，並載明要求事項及檢據證明文件資料。
一、以上應徵之「一般資格條件」，須於公告截止日前（109年8月11日）已具有碩士/博士學位。
二、以上應徵之「專長領域獲特殊資格條件」中有關「實務工作經驗」之審核，本校將依教育部訂定公布「技專校院專業科目或技術科目之教師業界實務工作經驗認定標準」規定辦理。
三、報名期間︰自公告日起至109年8月11日止截止收件。
四、報名方式︰報名方式︰一律採書面方式報名，收件至報名截止日止。
(一) 郵寄方式報名：以郵戳為憑，請寄送至91201屏東縣內埔鄉老埤村學府路1號，國立屏東科技大學人事室收。
(二) 親送方式報名：以本校人事室「職缺收件章」收件日期為憑，請於報名截止日前之本校工作日期間親送至本校行政中心二樓人事室，交由人事人員收執，並加蓋「職缺收件章」。
※ 應檢附之證件不齊或逾期者，均不予受理。
工作地址：
聯絡E-Mail：
聯絡方式(含檢具文件)：
五、聯絡電話︰08-7703202轉分機6112 本校人事室朱專員。
六、應徵信封右上角請務必註明「應徵者姓名」及「應徵單位（領域）」；資格符合者由徵聘單位辦理後續審查事宜，不合者恕不退件及函復。如未獲錄取時需返還書面應徵資料，請附足額回郵信封以利郵寄。
七、報名需繳交表件︰(徵聘單位另有資料需求者，請依其需求辦理)
(一)現職工作佐證文件(國外任職證明文件須附中文譯本並經我國駐外單位驗證)。
(二)個人基本資料表（請詳細註明通訊地址、聯絡電話、行動電話及電子郵件信箱）。
(三)最近五年內著作一覽表。
(四)最高學歷畢業證書影本，畢業學校如係國外學歷須為教育部所認可且經我國駐外單位驗證有案者，須於公告截止日前取得之學歷始予採認。
(五)檢附相關實務工作經驗之證明文件影本。（須於公告截止日前之實務工作經驗始予採認）
(六)最高學歷歷年成績單影本，畢業學校如係國外學歷須為教育部所認可且經我國駐外單位驗證有案者。
(七)其他有利於聘審之資格證明文件。
(八)國立屏東科技大學個人資料蒐集聲明暨同意書。
※※（一 ~ 八）項資料請勿膠封，使用長尾夾固定成冊即可※※
八、請應徵者詳閱「本校個人資料蒐集聲明暨同意書」，確認同意相關事項後簽名，並隨同履歷資料繳件。
九、前述第七項（1款）所需之「個人基本資料表(word檔案)」、「個人資料簡表(校務基金進用研究人員)(Excel檔案)」表格，刊登於本校首頁（網址：http://www.npust.edu.tw/）點選「徵才資訊」及人事室網站首頁（網址http://personnel.npust.edu.tw/bin/home.php）最新消息、徵才求職，請自行下載相關表格使用；其中有關「個人資料簡表.xlsx(Excel檔案)」，請另行以E-mail方式逕傳送以下相關系、所承辦人：
項目 單位 郵件信箱
(一) 研究總中心 grsc@g4e.npust.edu.tw
十、應徵者之個人資料將用於本校此次徵聘研究人員之各項相關業務；且錄取後，將其個人資料供校務行政之用。
十一、本校聘任前依性侵害犯罪加害人登記報到查訪及查閱辦法第14條之規定，應申請查閱有無性侵害犯罪紀錄。
十二、本公告同時刊登於下列網站：
(一)行政院人事行政總處網址http://www.dgpa.gov.tw/點選「事求人」。
(二)本校首頁網址http://mportal.npust.edu.tw/bin/home.php 點選「求才資訊」。
(三)本校人事室網址http://personnel.npust.edu.tw/bin/home.php點選「最新消息」及「徵才求職區」。
(四)「全國就業通」網址https://www.taiwanjobs.gov.tw/Internet/index/index.aspx 點選「找工作」。
(五)「104人力銀行」網址https://www.104.com.tw/index.cfm。
(六)「教育部全國大專教育人才網」網址https://tjn.moe.edu.tw/index.php/點選「職缺訊息」。
(七)「科技部網站」網址https://www.most.gov.tw/?l=ch/點選「動態資訊/求才訊息」。

創新工場“AI蒙汗藥”入選NeurIPS 2019，3年VC+AI佈局進入科研收穫季

本文來自量子位微信公眾號
……………………………………………………………………

NeurIPS 2019放榜，創新工場AI工程院論文在列。

名為“Learning to Confuse: Generating Training Time Adversarial Data with Auto-Encoder”。

一作是創新工場南京國際AI研究院執行院長馮霽，二作是創新工場南京國際人工智慧研究院研究員蔡其志，南京大學AI大牛周志華教授也在作者列。

論文提出了一種高效生成對抗訓練樣本的方法DeepConfuse，通過微弱擾動資料庫的方式，徹底破壞對應的學習系統的性能，達到“資料下毒”的目的。

創新工場介紹稱，這一研究就並不單單是為了揭示類似的AI入侵或攻擊技術對系統安全的威脅，還能協助針對性地制定防範“AI駭客”的完善方案，推動AI安全攻防領域的發展。

NeurIPS，全稱神經資訊處理系統大會(Conference and Workshop on Neural Information Processing Systems)，自1987年誕生至今已有32年的歷史，一直以來備受學術界和產業界的高度關注，是AI學術領域的“華山論劍”。

作為AI領域頂會，NeurIPS也是最火爆的那個，去年會議門票在數分鐘內被搶光，而且在論文的投稿錄取上，競爭同樣激烈。

今年，NeurIPS會議的論文投稿量再創新高，共收到6743篇投稿，最終錄取1428篇論文,錄取率為21.2%。

▌“資料下毒”論文入選頂會NeurIPS

那這次創新工場AI工程院這篇入選論文，核心議題是什麼？

我們先拆解說說。

近年來，機器學習熱度不斷攀升，並逐漸在不同應用領域解決各式各樣的問題。不過，卻很少有人意識到，其實機器學習本身也很容易受到攻擊，模型並非想像中堅不可摧。

例如，在訓練(學習階段)或是預測(推理階段)這兩個過程中，機器學習模型就都有可能被對手攻擊，而攻擊的手段也是多種多樣。

創新工場AI工程院為此專門成立了AI安全實驗室，針對人工智慧系統的安全性進行了深入對評估和研究。

在被NeurIPS收錄的論文中，核心貢獻就是提出了高效生成對抗訓練資料的最先進方法之一——DeepConfuse。

▌給數據下毒

通過劫持神經網路的訓練過程，教會雜訊生成器為訓練樣本添加一個有界的擾動，使得該訓練樣本訓練得到的機器學習模型在面對測試樣本時的泛化能力盡可能地差，非常巧妙地實現了“資料下毒”。

顧名思義，“資料下毒”即讓訓練資料“中毒”，具體的攻擊策略是通過干擾模型的訓練過程，對其完整性造成影響，進而讓模型的後續預測過程出現偏差。

“資料下毒”與常見的“對抗樣本攻擊”是不同的攻擊手段，存在於不同的威脅場景：前者通過修改訓練資料讓模型“中毒”，後者通過修改待測試的樣本讓模型“受騙”。

舉例來說，假如一家從事機器人視覺技術開發的公司希望訓練機器人識別現實場景中的器物、人員、車輛等，卻不慎被入侵者利用論文中提及的方法篡改了訓練資料。

研發人員在目視檢查訓練資料時，通常不會感知到異常（因為使資料“中毒”的噪音資料在圖像層面很難被肉眼識別），訓練過程也一如既往地順利。

但這時訓練出來的深度學習模型在泛化能力上會大幅退化，用這樣的模型驅動的機器人在真實場景中會徹底“懵圈”，陷入什麼也認不出的尷尬境地。

更有甚者，攻擊者還可以精心調整“下毒”時所用的噪音資料，使得訓練出來的機器人視覺模型“故意認錯”某些東西，比如將障礙認成是通路，或將危險場景標記成安全場景等。

為了達成這一目的，這篇論文設計了一種可以生成對抗雜訊的自編碼器神經網路DeepConfuse。

通過觀察一個假想分類器的訓練過程更新自己的權重，產生“有毒性”的雜訊，從而為“受害的”分類器帶來最低下的泛化效率，而這個過程可以被歸結為一個具有非線性等式約束的非凸優化問題。

▌下毒無痕，毒性不小

從實驗資料可以發現，在MNIST、CIFAR-10以及縮減版的IMAGENET這些不同資料集上，使用“未被下毒”的訓練資料集和“中毒”的訓練資料集所訓練的系統模型在分類精度上存在較大的差異，效果非常可觀。

與此同時，從實驗結果來看，該方法生成的對抗雜訊具有通用性，即便是在隨機森林和支援向量機這些非神經網路上也有較好表現。

其中，藍色為使用“未被下毒”的訓練資料訓練出的模型在泛化能力上的測試表現，橙色為使用“中毒”訓練資料訓練出的模型的在泛化能力上的測試表現。

在CIFAR和IMAGENET資料集上的表現也具有相似效果，證明該方法所產生的對抗訓練樣本在不同的網路結構上具有很高的遷移能力。

此外，論文中提出的方法還能有效擴展至針對特定標籤的情形下，即攻擊者希望通過一些預先指定的規則使模型分類錯誤，例如將“貓”錯誤分類成“狗”，讓模型按照攻擊者計畫，定向發生錯誤。

例如，下圖為MINIST資料集上，不同場景下測試集上混淆矩陣的表現，分別為乾淨訓練資料集、無特定標籤的訓練資料集、以及有特定標籤的訓練資料集。

實驗結果有力證明，為有特定標籤的訓練資料集做相應設置的有效性，未來有機會通過修改設置以實現更多特定的任務。

對資料“下毒”技術的研究並不單單是為了揭示類似的AI入侵或攻擊技術對系統安全的威脅，更重要的是，只有深入研究相關的入侵或攻擊技術，才能有針對性地制定防範“AI駭客”的完善方案。

隨著AI演算法、AI系統在國計民生相關的領域逐漸得到普及與推廣，科研人員必須透徹地掌握AI安全攻防的前沿技術，並有針對性地為自動駕駛、AI輔助醫療、AI輔助投資等涉及生命安全、財富安全的領域研發最有效的防護手段。

▌還關注聯邦學習

除了安全問題之外，人工智慧應用的資料隱私問題，也是創新工場AI安全實驗室重點關注的議題之一。

近年來，隨著人工智慧技術的高速發展，社會各界對隱私保護及資料安全的需求加強，聯邦學習技術應運而生，並開始越來越多地受到學術界和工業界的關注。

具體而言，聯邦學習系統是一個分散式的具有多個參與者的機器學習框架，每一個聯邦學習的參與者不需要與其餘幾方共用自己的訓練資料，但仍然能利用其餘幾方參與者提供的資訊更好的訓練聯合模型。

換言之，各方可以在在不共用資料的情況下，共用資料產生的知識，達到共贏。

創新工場AI工程院也十分看好聯邦學習技術的巨大應用潛力。

今年3月，“Learning to Confuse: Generating Training Time Adversarial Data with Auto-Encoder”論文的作者、創新工場南京國際人工智慧研究院執行院長馮霽代表創新工場當選為IEEE聯邦學習標準制定委員會副主席，著手推進制定AI協同及大資料安全領域首個國際標準。

創新工場也將成為聯邦學習這一技術“立法”的直接參與者。

▌創新工場AI工程院科研成績單

創新工場憑藉獨特的VC+AI（風險投資與AI研發相結合）的架構，致力於扮演前沿科研與AI商業化之間的橋樑角色。

創新工場2019年廣泛開展科研合作，與其他國際科研機構合作的論文，入選多項國際頂級會議，除上述介紹的“資料下毒”論文入選NeurlPS之外，還有8篇收錄至五大學術頂會，涉及影像處理、自動駕駛、自然語言處理、金融AI和區塊鏈等方向。

┃兩篇論文入選ICCV

Disentangling Propagation and Generation for Video Prediction
https://arxiv.org/abs/1812.00452

這篇論文的主要工作圍繞一個視頻預測的任務展開，即在一個視頻中，給定前幾幀的圖片預測接下來的一幀或多幀的圖片。

Joint Monocular 3D Vehicle Detection and Tracking
https://arxiv.org/abs/1811.10742

這篇論文提出了一種全新的線上三維車輛檢測與跟蹤的聯合框架，不僅能隨著時間關聯車輛的檢測結果，同時可以利用單目攝像機獲取的二維移動資訊估計三維的車輛資訊。

┃一篇論文入選IROS

Monocular Plan View Networks for Autonomous Driving
http://arxiv.org/abs/1905.06937

針對端到端的控制學習問題提出了一個對當前觀察的視角轉換，將其稱之為規劃視角，它把將當前的觀察視角轉化至一個鳥瞰視角。具體的，在自動駕駛的問題下，在第一人稱視角中檢測行人和車輛並將其投影至一個俯瞰視角。

┃三篇論文入選EMNLP

Multiplex Word Embeddings for Selectional Preference Acquisition

提出了一種multiplex詞向量模型。在該模型中，對於每個詞而言，其向量包含兩部分，主向量和關係向量，其中主向量代表總體語義，關係向量用於表達這個詞在不同關係上的特徵，每個詞的最終向量由這兩種向量融合得到。

What You See is What You Get: Visual Pronoun Coreference Resolution in Dialogues
https://assert.pub/papers/1909.00421

提出了一個新模型（VisCoref）及一個配套資料集（VisPro），用以研究如何將代詞指代與視覺資訊進行整合。

Reading Like HER: Human Reading Inspired Extractive Summarization

人類通過閱讀進行文本語義的摘要總結大體上可以分為兩個階段：1）通過粗略地閱讀獲取文本的概要資訊，2）進而進行細緻的閱讀選取關鍵句子形成摘要。

本文提出一種新的抽取式摘要方法來模擬以上兩個階段，該方法將文檔抽取式摘要形式化為一個帶有上下文的多臂老虎機問題，並採用策略梯度方法來求解。

┃一篇論文入選IEEE TVCG

sPortfolio: Stratified Visual Analysis of Stock Portfolios
https://www.ncbi.nlm.nih.gov/pubmed/31443006

主要是對於金融市場中的投資組合和多因數模型進行可視分析的研究。通過三個方面的分析任務來幫助投資者進行日常分析並升決策準確性。

並提出了一個全新的視覺化分析系統sPortfolio，它允許使用者根據持倉，因數和歷史策略來觀察投資組合的市場。sPortfolio提供了四個良好協調的視圖。

┃一篇論文入選NSDI

Monoxide: Scale Out Blockchain with Asynchronized Consensus Zones
https://www.usenix.org/system/files/nsdi19-wang-jiaping.pdf

提出了一種名為非同步共識組 Monoxide 的區塊鏈擴容方案，可以在由 4.8 萬個全球節點組成的測試環境中，實現比比特幣網路高出 1000 倍的每秒交易處理量，以及 2000 倍的狀態記憶體容量，有望打破“不可能三角”這個長期困擾區塊鏈性能的瓶頸。

▌獨特的“科研助推商業”思路

國內VC，發表論文都很少見，為什麼創新工場如此做？

這背後在於其“VC+AI”模式。

最獨特之處在于，創新工場的AI工程院可以通過廣泛的科研合作以及自身的科研團隊，密切跟蹤前沿科研領域裡最有可能轉變為未來商業價值的科研方向。

這種“科研助推商業”的思路力圖儘早發現有未來商業價值的學術研究，然後在保護各方智慧財產權和商業利益的前提下積極與相關科研方開展合作。

同時，由AI工程院的產品研發團隊嘗試該項技術在不同商業場景裡可能的產品方向、研發產品原型，並由商務拓展團隊推動產品在真實商業領域的落地測試，繼而可以為創新工場的風險投資團隊帶來早期識別、投資高價值賽道的寶貴機會。

“科研助推商業”並不是簡單地尋找有前景的科研專案，而是將技術跟蹤、人才跟蹤、實驗室合作、智慧財產權合作、技術轉化、原型產品快速反覆運算、商務拓展、財務投資等多維度的工作整合在一個統一的資源體系內，用市場價值為導向，有計劃地銜接學術科研與商業實踐。

以AI為代表的高新技術目前正進入商業落地優先的深入發展期，產業大環境亟需前沿科研技術與實際商業場景的有機結合。

創新工場憑藉在風險投資領域積累的豐富經驗，以及在創辦AI工程院的過程中積累的技術人才優勢，特別適合扮演科研與商業化之間的橋樑角色。

於是，創新工場AI工程院也就順勢而生。

創新工場人工智慧工程院成立於2016年9月，以“科研+工程實驗室”模式，規劃研發方向，組建研發團隊。

目前已經設有醫療AI、機器人、機器學習理論、計算金融、電腦感知等面向前沿科技與應用方向的研發實驗室，還先後設立了創新工場南京國際人工智慧研究院、創新工場大灣區人工智慧研究院。

目標是培養人工智慧高端科研與工程人才，研發以機器學習為核心的前沿人工智慧技術，並同各行業領域相結合，為行業場景提供一流的產品和解決方案。

而且， 創新工場還與國內外著名的科研機構廣泛開展科研合作。

例如，今年3月20日，香港科技大學和創新工場宣佈成立電腦感知與智慧控制聯合實驗室（Computer Perception and Intelligent Control Lab）。

此外，創新工場也積極參與了國際相關的技術標準制定工作。例如，今年8月，第28屆國際人工智慧聯合會議（IJCAI）在中國澳門隆重舉辦，期間召開了IEEE P3652.1（聯邦學習基礎架構與應用）標準工作組第三次會議。

IEEE聯邦學習標準由微眾銀行發起，創新工場等數十家國際和國內科技公司參與，是國際上首個針對人工智慧協同技術框架訂立標準的專案。

創新工場表示，自身的科研團隊將深度參與到聯邦學習標準的制定過程中，希望為AI技術在真實場景下的安全性、可用性以及保護資料安全、保護使用者隱私貢獻自己的力量。