之前还是学生的时候在版上发文询问过方向，到现在已经工作约半年了，
分享一下我后来学习的方向和目前的工作内容，当作回馈。
简单描述当初发文询问的原因，想知道详细内容可以a我的id:
硕班读AI，毕业后想去日本工作，如果想进外商该如何准备。
============================================================
说来惭愧，但我现在在新竹IC design 公司当软件工程师，
只能跟大家分享读 AI 的出来工作可能接触到的内容。
以下内容分为两大部分: 在学期间进修方向和目前工作内容。
在学期间:
升硕二暑假的时候去了一间日本新创的 AI summer bootcamp(台湾办公室举办的)，
分组做project，主要是带大家走过产品开发的流程，会学到 scrum、git、docker等等，
但能学到多少很看组别。
寒假的时候去了一趟CES，教授以前的同学在搞新创，帮他开发VR相关算法，
还有产品demo需要的东西，负责站台讲解公司的产品等等，换来免费去CES的机会。
学到蛮多东西的，多数大公司的新科技都让人惊艳，还有印度腔的英文完全听不懂:(
硕二除了做CES需要的东西，时间都拿去研究了，没什么时间去读 OS，计组，打kaggle
或是养github。原本硕论在做特征解耦(feature disentangled)的东西，但发现数学算
不太出来，google 又发那种训练了超过1万个模型的论文(ICML 2019 best paper)，
评估后觉得无法准时做出符合教授标准的东西，决定换题目，改做物件侦测这种偏应用
的。勉强投了 NeurIPs 拿到 2 accept/ 2 reject 的分数，努力 rebuttal 后最后
被reject。虽然最后有准时毕业，但也没么动力把论文修修改改转投其他地方了。
毕业的时候因为疫情的关系，决定先在台湾工作。
工作内容:
1. Converter: 将不同深度学习框架的模型做转换，会碰到 tenserflow、
tenserflow lite、pytorch、onnx 等等，主要就是要看的懂官方文件和
理解不同框架实作上的差异。
2. 写一些 test case，公司有QA但是他们不懂AI的东西，所以要先自己写。
3. AI compiler: 如何针对公司的不同硬件，对模型做优化，需要一些 embedding
system的知识，觉得没读OS和计组的债可能准备要还了:(
除了上述的这些，模型量化(quantization)和剪枝(pruning)的东西也会碰到，有时候要
看看那些大公司的research lab 又发了什么新论文，这些新东西能不能用在公司产品上。
工作环境很不错，准时上下班，但薪水没有一线IC design厂多就是了。
大概这样，谢谢收看:)