Thermo Fisher Scientific vyvíjí a dodává vědecké přístroje, reagencie, spotřební materiál a softwarové služby organizacím působícím v oblasti věd o živé přírodě, zdravotnictví a analytické chemie. Portfolio společnosti podporuje laboratorní výzkum i výrobu a zahrnuje využití v diagnostice, automatizaci laboratorních procesů a vývoji léčiv. Produkty a služby společnosti pomáhají výzkumným a zdravotnickým týmům řídit složité laboratorní procesy a rozvíjet vědecký výzkum.
Výzkumný stážista v oblasti fyzické umělé inteligence (práce na dálku, Spojené státy)
Zkoumejte a vyvíjejte systémy fyzické umělé inteligence zahrnující počítačové vidění, viděně-jazykové modely, 3D vnímání a robotiku. Převádějte experimentální práci do reprodukovatelného kódu, služeb připravených k nasazení, hodnoticích zpráv a demonstrací.
Popis
- Vyvíjet a dolaďovat modely pro detekci, sledování, segmentaci, rozpoznávání póz a aktivit a porozumění scénám
- Trénovat a vyhodnocovat viděně-jazykové modely pro grounding, podrobné popisování, odpovídání na časové otázky a používání nástrojů
- Vytvářet pracovní postupy rozšířené o vyhledávání a založené na agentech pro vnímání a jednání
- Prototypovat řídicí politiky založené na vnímání s využitím simulovaných dat i dat z reálného světa
- Propojovat systémy vnímání s plánovači a grafy úloh pro aplikace v oblasti manipulace, navigace a bezpečnosti
- Připravovat datové sady, definovat metody vyhodnocování a klíčové ukazatele výkonnosti a provádět ablační studie
- Nasazovat výzkumné systémy jako spolehlivé služby pomocí Kubernetes, Dockeru, Ray a FastAPI
- Implementovat profilování, telemetrii a kontinuální integraci na podporu reprodukovatelného výzkumu
- Koordinovat víceagentní pipeline pro vnímání, usuzování, simulaci a generování kódu
- Zkoumat porozumění videu, grounding 3D scén, inferenci na okraji sítě, multimodální hodnocení a výkonnost politik sim-to-real
- Vytvářet výzkum vhodný k publikaci nebo zveřejnění jako open source, komponenty připravené pro produkční použití, reprodukovatelné implementace, hodnoticí zprávy a demonstrace
Požadavky
- Studovat magisterský nebo doktorský program v oboru počítačových věd, elektrotechniky, robotiky nebo příbuzném oboru a mít aktuální publikace z oblasti počítačového vidění, strojového učení nebo robotiky
- Mít pokročilé znalosti Pythonu a PyTorch nebo JAX včetně zkušeností s profilováním CUDA a trénováním se smíšenou přesností
- Mít výzkumné zkušenosti s počítačovým viděním a alespoň jednou z oblastí, jako jsou viděně-jazykové modely, ztělesněná nebo fyzická umělá inteligence či 3D vnímání
- Umět přejít od publikovaného výzkumu k implementaci, ablačním studiím a důslednému sledování výsledků
- Mít zkušenosti s video modely, difuzními modely, 3D Gaussian Splatting nebo NeRF, SLAM či rekonstrukcí scén
- Mít předchozí zkušenosti s multimodálním groundingem nebo časovým usuzováním
- Znát ROS2, DeepStream nebo TAO případně optimalizaci inference na okraji sítě pomocí TensorRT nebo ONNX
- Mít zkušenosti se škálovatelným trénováním pomocí Ray, distribuovaných načítačů dat nebo shardovaných kontrolních bodů
- Dodržovat kvalitní postupy softwarového inženýrství včetně testování, lintingu, profilování, kontejnerizace a reprodukovatelnosti
- Mít veřejnou technickou práci, například projekty na GitHubu, publikace s prvním autorstvím nebo významné příspěvky do open-source projektů