Adaptation de domaine de doctorat et modèles fondamentaux pour la perception de conduite automatisée

Description de l'entreprise

Voulez-vous que les technologies bénéfiques soient façonnées par vos idées ? Que ce soit dans les domaines des solutions de mobilité, des biens de consommation, de la technologie industrielle ou de l'énergie et de la technologie du bâtiment - avec nous, vous aurez la chance d'améliorer la qualité de vie partout dans le monde. Bienvenue chez Bosch.

La Robert Bosch GmbH attend votre candidature avec impatience !

Description de l'emploi

Les techniques d'Adaptation de Domaine Non Supervisée sont de plus en plus importantes dans le contexte de la conduite automatisée, car elles répondent au défi d'adapter les modèles de perception à de nouveaux environnements de conduite diversifiés. Elles visent à apprendre un espace de représentation partagé qui minimise la différence entre les domaines source et cible. En faisant cela, ces techniques permettent le déploiement de systèmes de conduite automatisée dans divers scénarios réels, incluant différentes conditions météorologiques et types de routes. Développer et améliorer ces techniques est crucial pour réaliser le plein potentiel de la conduite autonome et faire progresser le champ de la perception de la conduite automatisée, surtout quand les données étiquetées dans le domaine cible ne sont pas disponibles ou difficile à obtenir.

En outre, les modèles fondamentaux ont le potentiel de servir de socle sur lequel l'adaptabilité et l'efficacité des systèmes d'apprentissage machine sont construites. Ces modèles sont conçus pour apprendre une représentation robuste des données qui transcende les idiosyncrasies spécifiques aux domaines, permettant un transfert de connaissance et d'insights sans faille à travers des domaines divers. En capturant les schémas sous-jacents et les caractéristiques communes à différentes bases de données, les modèles fondamentaux permettent l'adaptation des algorithmes d'apprentissage machine à de nouveaux environnements, les rendant un composant essentiel pour relever des défis tels que le décalage de domaine et la rareté des données. En essence, les modèles fondamentaux ouvrent la voie à des systèmes d'intelligence artificielle plus polyvalents et adaptatifs, capables de fonctionner de manière fiable à travers un large spectre de scénarios réels.

Vos tâches :

• Investiguer et développer des cadres de Modèles Fondamentaux et d'Adaptation de Domaine Non Supervisée de pointe, en se concentrant sur des capteurs basés sur des nuages de points, par exemple, Radar & LiDAR.
• Évaluation des méthodologies développées sur des jeux de données open-source ainsi que propriétaires internes, offline et online.
• Travailler aux côtés de chercheurs et de développeurs expérimentés pour contribuer à et soutenir des projets open-source à grande échelle dans le domaine de la conduite automatisée.
• Publication des résultats de recherche dans des conférences et des périodiques de premier plan (CVPR, ICML, NIPS, ICLR ou IV).
• Supervision des étudiants de Master et de Bachelor
• Prendre en charge et la responsabilité des tâches du projet et travailler dans une équipe agile et diversifiée avec des échanges à travers plusieurs projets et groupes

Qualifications

• Éducation : diplôme (Master/Diplôme) en Informatique, Ingénierie Électrique, Mathématiques ou dans un domaine connexe avec d'excellentes réalisations académiques
• Expérience et Connaissance : connaissance approfondie des algorithmes et principes de l'apprentissage machine, de préférence de l'apprentissage profond. Une expérience préalable en adaptation de domaine est un plus.
• Expérience en programmation : bonne maîtrise du Python avec une familiarité avec des frameworks d'apprentissage profond tels que Tensorflow ou PyTorch
• Personnalité et Méthode de Travail : joueur d'équipe ouvert d'esprit qui est orienté vers l'objectif avec d'excellentes compétences en résolution de problèmes et en analyse
• Langue : couramment en anglais (écrit et parlé), l'allemand est un plus

Informations supplémentaires

Le sujet final de doctorat est soumis à votre université. Début : selon accord préalable

La diversité et l'inclusion ne sont pas seulement des tendances pour nous, mais sont fermement ancrées dans notre culture d'entreprise. C'est pourquoi nous accueillons toutes les candidatures, quel que soit le sexe, l'âge, le handicap, la religion, l'origine ethnique ou l'identité sexuelle.

                                    
Besoin d'aide pour votre candidature ?
Claudia Schillerwein (Ressources humaines)
[email protected]

Besoin de plus d'informations sur le travail ?
Karim Armanious (Département fonctionnel)                                             [email protected]