PhD Адаптація домену та базові моделі для автоматизованого сприйняття водіння

Опис компанії

Хочете, щоб корисні технології формувалися за вашими ідеями? Чи то в галузі мобільних рішень, побутової техніки, промислової технології, або енергетики та будівельної техніки - з нами у вас буде можливість поліпшити якість життя по всьому світу. Запрошуємо вас до Bosch.

Robert Bosch GmbH з нетерпінням чекає на ваше заявку!

Опис роботи

Техніки неспостережного доменного адаптованого навчання стають все більш важливими в контексті автоматизованого водіння, оскільки вони вирішують проблему адаптації моделей сприйняття до нових та різноманітних дорожніх умов. Вони мають на меті вивчити спільне представлення простору, що мінімізує розбіжності між джерелом і цільовими областями. Роблячи це, ці техніки дозволяють впровадження систем автоматизованого водіння в різних реальних сценаріях, включаючи різні погодні умови та типи доріг. Розробка та поліпшення цих технік є критично важливими для реалізації повного потенціалу автономного водіння та розвитку області автоматизованого сприйняття водіння, особливо коли мітки даних в цільовій області недоступні або їх важко отримати.

Крім того, базові моделі можуть служити основою, на якій побудована адаптованість та ефективність систем машинного навчання. Ці моделі розроблені для вивчення стійкого представлення даних, що перевершує специфіку домену, дозволяючи безшовну передачу знань і уявлень між різними доменами. Захоплюючи фундаментальні базові шаблони та особливості, спільні для різних наборів даних, базові моделі дозволяють адаптувати алгоритми машинного навчання до нових середовищ, роблячи їх незмінним компонентом у вирішенні проблем, таких як зміна домену та дефіцит даних. По суті, базові моделі прокладають шлях до більш універсальних та адаптивних систем штучного інтелекту, здатних надійно працювати в широкому спектрі реальних сценаріїв.

Ваші завдання:

• Досліджуйте та розробляйте новітні ненавчанні доменні адаптації та базові моделі з орієнтацією на датчики, основані на обліку точок, наприклад, радари та лідари.
• Оцінка розроблених методів на відкритих і внутрішніх пропрієтарних наборах даних, як офлайн, так і онлайн.
• Працювати разом із досвідченими дослідниками та розробниками, щоб сприяти і підтримувати масштабні проекти з відкритим вихідним кодом в області автоматизованого водіння.
• Публікація результатів досліджень на кращих конференціях та в журналах (CVPR, ICML, NIPS, ICLR або IV)
• Нагляд за студентами магістратури та бакалаврату
• Взяти на себе відповідальність за завдання проекту та працювати в гнучкій та різноманітній команді з обміном досвіду між кількома проектами та групами.

Кваліфікація

• Освіта: ступінь (магістр/диплом) в галузі комп'ютерних наук, електротехніки, математики або суміжної галузі з відмінними академічними досягненнями
• Досвід та знання: солідні знання в галузі алгоритмів та принципів машинного навчання, краще глибокого навчання. Попередній досвід в адаптації домену буде плюсом.
• Досвід програмування: Хороше володіння Python та знайомство з фреймворками глибокого навчання, такими як Tensorflow або PyTorch
• Особистість та методика роботи: Відкритий до команди гравець, який є цілеспрямованим з відмінними навичками розв’язання проблем та аналітичними здібностями
• Мова: вільне володіння англійською мовою (письмово та усно), німецька буде плюсом

Додаткова інформація

Остаточна тема докторської дисертації визначається вашим університетом. Початок: за попередньою домовленістю

Різноманітність та інклюзивність для нас не просто тренди; вони глибоко вкорінені у нашій корпоративній культурі. Тому ми привітно відносимося до всіх заявок, незалежно від статі, віку, інвалідності, релігії, етнічного походження або сексуальної ідентичності.

                                    Потрібна допомога з поданням заявки?
Клаудія Шиллервайн (Відділ кадрів)
[email protected]

Потрібна додаткова інформація про роботу?
Карім Арманіус (функціональний відділ) [email protected]