Mobileye entwickelt fortschrittliche Fahrerassistenzsysteme und Technologien für autonomes Fahren für die Automobilindustrie. Das Unternehmen kombiniert Computer Vision, künstliche Intelligenz, eigene Hardware und Software, um die Fahrzeugsicherheit in verschiedenen Anwendungsbereichen zu unterstützen – von der Fahrerassistenz bis zum autonomen Betrieb. Die Systeme von Mobileye sind in mehr als 190 Millionen Fahrzeugen eingesetzt und unterstreichen damit die Rolle des Unternehmens bei der Einführung bildbasierter Automobiltechnologien in der Serienproduktion.
Senior Deep-Learning-Forscher für autonome Fahrzeuge
Erforsche und entwickle Deep-Learning-Systeme für autonome Fahrzeuge von Mobileye, darunter umfangreiche neuronale Netze für den EyeQ-Chip. Verbessere die Modellleistung und überführe Forschungsergebnisse in den produktiven Einsatz.
Beschreibung
- Entwickle und trainiere Deep-Learning-Modelle, die für Mobileyes maßgeschneiderten EyeQ-Chip optimiert sind.
- Erstelle umfangreiche neuronale Netze für mehrere Aufgaben im autonomen Fahrsystem von Mobileye.
- Löse Deep-Learning-Probleme von Anfang bis Ende und setze Lösungen in realen Systemen ein.
- Entwirf neue Modellarchitekturen und nutze fortschrittliche Trainingsmethoden.
- Optimiere die Modellleistung unter strengen Rahmenbedingungen.
- Arbeite mit Software- und Hardwareteams zusammen, um Forschung in produktive Systeme zu überführen.
- Gestalte die zentrale neuronale Netzarchitektur der führenden Produkte von Mobileye für autonome Fahrzeuge mit.
Anforderungen
- Promotion in Informatik oder einem verwandten Fachgebiet; herausragende Kandidatinnen und Kandidaten mit Masterabschluss können ebenfalls berücksichtigt werden.
- Mindestens vier Jahre praktische Erfahrung in der Entwicklung von Deep-Learning-Algorithmen mit Python.
- Erfahrung mit der Entwicklung durchgängiger Deep-Learning-Pipelines für Datenaufbereitung, Training, Evaluation und Bereitstellung.
- Sicherer Umgang mit mindestens einem Deep-Learning-Framework, etwa TensorFlow oder PyTorch.
- Ausgeprägte Problemlösungsfähigkeiten und eine forschungsorientierte Arbeitsweise.
- Berufserfahrung in Deep Learning oder Softwareentwicklung ist von Vorteil.
- Kenntnisse in der hardwarebewussten Modelloptimierung sind von Vorteil.
- Erfahrung mit Cloud-Plattformen wie AWS, Docker und Linux-Umgebungen ist von Vorteil.
- Veröffentlichungen oder Beiträge zu Deep Learning, Neural Architecture Search, Wissensdestillation oder Multi-Task-Learning sind von Vorteil.