Adaptación de Dominio de Doctorado y Modelos Fundamentales para la Percepción de Conducción Automatizada

Descripción de la empresa

¿Quieres que las tecnologías beneficiosas sean moldeadas por tus ideas? Ya sea en las áreas de soluciones de movilidad, bienes de consumo, tecnología industrial o energía y tecnología de construcción, con nosotros tendrás la oportunidad de mejorar la calidad de vida en todo el mundo. Bienvenido a Bosch.

¡Robert Bosch GmbH espera tu solicitud!

Descripción del trabajo

Las técnicas de Adaptación de Dominio No Supervisada se han vuelto cada vez más importantes en el contexto de la conducción automatizada, ya que abordan el desafío de adaptar modelos de percepción a nuevos y diversos entornos de conducción. Su objetivo es aprender un espacio de representación compartido que minimiza la discrepancia entre el dominio fuente y el dominio objetivo. Al hacerlo, estas técnicas permiten la implementación de sistemas de conducción automatizada en varios escenarios del mundo real, incluyendo diferentes condiciones climáticas y tipos de carreteras. Desarrollar y mejorar estas técnicas es crítico para realizar todo el potencial de la conducción autónoma y avanzar en el campo de la percepción de la conducción automatizada, especialmente cuando los datos etiquetados en el dominio objetivo no están disponibles o son difíciles de obtener.

Además, los modelos fundacionales tienen el potencial de servir como la base sobre la cual se construye la adaptabilidad y efectividad de los sistemas de aprendizaje automático. Estos modelos están diseñados para aprender una representación robusta de los datos que trasciende las idiosincrasias específicas del dominio, permitiendo una transferencia fluida de conocimientos e ideas a través de diversos dominios. Al capturar los patrones y características fundamentales subyacentes comunes a diferentes conjuntos de datos, los modelos fundacionales permiten la adaptación de los algoritmos de aprendizaje automático a nuevos entornos, convirtiéndoles en un componente esencial para afrontar desafíos como el cambio de dominio y la escasez de datos. En esencia, los modelos fundacionales allanan el camino para sistemas de inteligencia artificial más versátiles y adaptativos capaces de rendir de manera segura en un amplio espectro de escenarios del mundo real.

Tus tareas:

• Investigar y desarrollar marcos de Modelo Fundacional y Adaptación de Dominio No Supervisada de última generación, con enfoque en sensores basados en nubes de puntos, como Radar y LiDAR.
• Evaluación de las metodologías desarrolladas en conjuntos de datos de código abierto, así como en conjuntos de datos propietarios internos, de forma offline y online.
• Trabajar junto a investigadores y desarrolladores experimentados para contribuir y apoyar proyectos de código abierto a gran escala en el campo de la conducción automatizada.
• Publicación de los resultados de la investigación en conferencias y revistas de primer nivel (CVPR, ICML, NIPS, ICLR o IV).
• Supervisión de estudiantes de máster y grado.
• Asumir la propiedad y responsabilidad de las tareas del proyecto, trabajando en un equipo ágil y diverso con intercambio a través de varios proyectos y grupos.

Calificaciones

• Educación: Grado (Máster/Diploma) en Informática, Ingeniería Eléctrica, Matemáticas o campo relacionado con excelentes logros académicos.
• Experiencia y Conocimiento: Sólidos conocimientos de los algoritmos y principios de aprendizaje automático, preferiblemente de aprendizaje profundo. La experiencia previa en adaptación de dominio es un plus.
• Experiencia en Programación: Buena competencia en Python con familiaridad con los marcos de aprendizaje profundo como Tensorflow o PyTorch
• Personalidad y Práctica de Trabajo: Jugador de equipo de mente abierta que es orientado a objetivos con excelentes habilidades de resolución de problemas y analíticas.
• Idioma: fluido en inglés (escrito y hablado), el alemán es un plus.

Información Adicional

El tema final del doctorado está sujeto a tu universidad. Inicio: de acuerdo a un previo acuerdo.

La diversidad y la inclusión no son solo tendencias para nosotros sino que están firmemente ancladas en nuestra cultura corporativa. Por lo tanto, damos la bienvenida a todas las solicitudes, independientemente del género, la edad, la discapacidad, la religión, el origen étnico o la identidad sexual.

¿Necesitas más información sobre el trabajo?
Karim Armanious (Departamento Funcional) email: [email protected]