PhD Data Analyst Research Intern (Fall 24)

Розпочніть свій шлях з Dolby Laboratories та допоможіть нам формувати майбутнє розваг та комунікацій. Програма стажування Dolby U забезпечує значущий, проектно орієнтований досвід роботи в спільному, творчому середовищі поруч з лідерами галузі. Розпаліть свою цікавість, розробляючи реальні рішення, які революціонізують спосіб, яким люди спілкуються та насолоджуються розвагами по всьому світу.

Ми пропонуємо інклюзивну культуру, складні проекти, відмінну компенсацію та пільги. Наш дійсно гнучкий підхід Flex Work підтримує місце, час та спосіб, яким ви виконуєте свою найкращу роботу. Для студентів, які прагнуть отримати неоціненний досвід завдяки значущому внеску, приєднуйтесь до нас у формуванні майбутнього, де технології зустрічаються з розвагами!

Група Advanced Technology Group (ATG) є дослідницьким підрозділом Dolby. Місія ATG - прогнозувати, надавати уявлення та розробляти технологічні рішення, які сприяють зростанню Dolby. Наші дослідники володіють великим досвідом у галузі комп’ютерних наук та електротехніки, включаючи AI/ML, алгоритми, цифрову обробку сигналів, аудіоінженерію, обробку зображень, комп’ютерний зір, науку і аналітику даних, розподілені системи, хмарні, периферійні та мобільні обчислення, комп’ютерні мережі та IoT.

Станьте важливим гравцем у формуванні майбутнього автомобільних вражень, використовуючи передові технології та різноманітні джерела даних! Як Стажер аналітики даних, ви будете аналізувати мультимодальні дані з автомобілів для покращення користувацьких вражень, використовуючи різні джерела даних, такі як аудіо, відео, датчики та природні мови. Ваші інсайти допоможуть революціонізувати автомобільні аудіовраження.

1. Збір та аналіз мультимодальних даних:

• Співпраця з системою збору даних автомобілів для вилучення та інтеграції даних з різних модальностей (аудіо, відео, лідаp, радар, GPS).
• Розробка попередніх обробних конвеєрів для обробки синхронізованих мультимодальних даних.

2. Розробка моделей машинного навчання:

• Використання технік машинного навчання для створення моделей для різних завдань.
• Моделі обробки аудіо: Вилучення релевантних особливостей з аудіоданих. Навчання моделей регресії та класифікації для обробки аудіо, виявлення шуму.
• Моделі комп’ютерного зору: Впровадження моделей комп’ютерного зору для аналізу кабіни, заповненості пасажирів, уваги водія. Виконання семантичного сегментування кадрів відео.
• Злиття даних з сенсорів та відстеження: Поєднання даних лідара, радара та GPS. Відстеження об'єктів у реальному часі.
• Обробка природних мов (NLP): Обробка мови (текст та/або звукові хвилі) для взаємодії у автомобілі.

3. Оцінка та оптимізація моделей:

• Оцінка продуктивності мультимодальних моделей