General Motors ist ein global tätiges Automobil- und Fertigungsunternehmen, das in den Bereichen Fahrzeugtechnik, Produktion, Transport und Informationstechnologie tätig ist. GM wurde 1908 gegründet und entwickelt Technologien zur Weiterentwicklung der Mobilität. Dabei verfolgt das Unternehmen seine Vision von null Unfällen, null Emissionen und null Verkehrsstaus. Die internationalen Aktivitäten vereinen große, interdisziplinäre Teams, die sich auf Innovation, nachhaltigen Verkehr und die Zukunft der Automobilindustrie konzentrieren.
PhD-Praktikum als KI- und Machine-Learning-Ingenieur – Simulation autonomer Fahrzeuge bei General Motors
PhD-Praktikum bei General Motors mit Schwerpunkt auf der Erforschung und Validierung von Machine-Learning-Modellen für autonome Fahrzeuge. Die Arbeit umfasst Simulation, Datensysteme und Evaluierungstools zur Unterstützung produktionsnaher Fähigkeiten für autonome Fahrzeuge.
Beschreibung
- Entwickeln und prototypisieren Sie fortschrittliche Machine-Learning-Ansätze für Wahrnehmung, Vorhersage, Planung und Entscheidungsfindung
- Erstellen, trainieren, bewerten und verfeinern Sie Modelle mit groß angelegten multimodalen Fahr- und Sensordatensätzen
- Entwickeln Sie Datenpipelines, Experiment-Workflows und Evaluierungstools zur schnellen Modelliteration
- Testen Sie Modelle durch Simulation und andere Validierungsmethoden, einschließlich Leistungsanalysen und Untersuchungen von Fehlersituationen
- Verbessern Sie Modelle und Systeme im Hinblick auf Skalierbarkeit, Latenz, Zuverlässigkeit und Anforderungen an die Bereitstellung
- Arbeiten Sie mit Forschungs- und Entwicklungsteams zusammen, um Prototypen in Systeme für autonome Fahrzeuge zu integrieren
- Dokumentieren Sie Forschungsergebnisse, kommunizieren Sie technische Schlussfolgerungen und unterstützen Sie Publikationen oder andere Forschungsergebnisse
Anforderungen
- Sie sind Vollzeit in einem Promotionsprogramm in Informatik, Machine Learning, künstlicher Intelligenz, Robotik, Ingenieurwissenschaften oder einem verwandten MINT-Fach eingeschrieben
- Nach Ende des Praktikums verbleibt mindestens ein akademisches Quartal oder Semester in Ihrem Studium
- Sie verfügen über umfangreiche Forschungserfahrung in KI und Machine Learning, nachgewiesen durch Publikationen, Forschungsprojekte, weiterführende Lehrveranstaltungen oder vergleichbare technische Arbeiten
- Sie beherrschen aktuelle Verfahren des Machine Learning und Deep Learning sicher
- Sie programmieren sicher in Python und verfügen über praktische Erfahrung mit PyTorch, TensorFlow, JAX oder einem vergleichbaren Machine-Learning-Framework
- Sie wissen, wie man Experimente konzipiert, Ergebnisse interpretiert und quantitative Problemlösungsmethoden anwendet
- Sie verfügen über solide Grundlagen in Programmierung, Debugging und Softwareentwicklung
- Sie kommunizieren effektiv und arbeiten mit Forschungs- und Entwicklungsteams zusammen
- Sie können während des gesamten Praktikums 40 Stunden pro Woche arbeiten
- Von Vorteil: Forschungserfahrung mit autonomen Fahrzeugen, ADAS, Robotik, Computer Vision oder Embodied AI
- Von Vorteil: Kenntnisse in Foundation-Modellen, Transformern, generativen oder Diffusionsmodellen oder Vision-Language-Architekturen
- Von Vorteil: Erfahrung mit multimodalen Kamera-, Lidar-, Radar- oder anderen Sensordaten
- Von Vorteil: Erfahrung mit selbstüberwachtem Lernen, Imitationslernen, Reinforcement Learning oder Deep Reinforcement Learning
- Von Vorteil: Erfahrung in verteilten, parallelen oder High-Performance-Computing-Umgebungen
- Von Vorteil: Hintergrund in ML-Systemen, Datenpipelines, Experimentier-Frameworks oder produktionsorientierter Modellinfrastruktur
- Von Vorteil: Erfahrung mit Simulation, Closed-Loop-Umgebungen oder der Validierung anhand realer Fahrszenarien
- Von Vorteil: Kenntnisse in Trajektorienvorhersage, Verhaltensplanung, Bewegungsplanung, Wahrnehmung, Kartierung oder strukturierter Szeneninterpretation
- Von Vorteil: Kenntnisse in C++ oder einer anderen Systemprogrammiersprache
- Von Vorteil: Erfahrung mit GPU-Programmierung, CUDA, Beschleuniger-Frameworks oder Performance-Profiling
- Von Vorteil: Kenntnisse in numerischer Optimierung, statistischer Schätzung, probabilistischer Modellierung und systemischen Trade-off-Analysen
- Von Vorteil: Erstautorenschaften bei Publikationen, Förderungen, Stipendien, Patente oder Beiträge zu Open-Source-Projekten
Zusatzleistungen
- Bezahlte Feiertage, die GM in den Vereinigten Staaten anerkennt
- Zugang zu GMs Family First Vehicle Discount Program
- Mögliche Weiterentwicklung innerhalb von GM auf Grundlage der Ergebnisse
- Praktikumsveranstaltungen mit Networking-Möglichkeiten mit Führungskräften des Unternehmens und anderen Praktikantinnen und Praktikanten
- Ein einmaliger steuerpflichtiger Pauschalbetrag für berechtigte Studierende zur Unterstützung eines Umzugs