General Motors es una empresa global del sector automotriz y manufacturero que trabaja en ingeniería de vehículos, producción, transporte y tecnología de la información. Fundada en 1908, GM desarrolla tecnologías destinadas a impulsar la movilidad mientras persigue su visión de cero accidentes, cero emisiones y cero congestión. Sus operaciones internacionales reúnen a grandes equipos multidisciplinarios centrados en la innovación, el transporte sostenible y el futuro de la industria automotriz.
Becario de Doctorado en IA y Aprendizaje Automático – Simulación de Vehículos Autónomos en General Motors
Puesto de doctorado en General Motors centrado en investigar y validar modelos de aprendizaje automático para vehículos autónomos. El trabajo abarca simulación, sistemas de datos y herramientas de evaluación para respaldar capacidades de conducción autónoma orientadas a la producción.
Descripción
- Desarrollar y crear prototipos de enfoques avanzados de aprendizaje automático para percepción, predicción, planificación y toma de decisiones
- Crear, entrenar, evaluar y perfeccionar modelos con conjuntos de datos multimodales de conducción y sensores a gran escala
- Desarrollar canalizaciones de datos, flujos de trabajo experimentales y herramientas de evaluación que permitan iterar rápidamente los modelos
- Probar modelos mediante simulación y otros métodos de validación, incluido el análisis del rendimiento y la investigación de fallos
- Mejorar modelos y sistemas para cumplir requisitos de escalabilidad, latencia, fiabilidad y despliegue
- Trabajar con equipos de investigación e ingeniería para incorporar prototipos a sistemas de vehículos autónomos
- Registrar los resultados de investigación, comunicar conclusiones técnicas y contribuir a publicaciones u otros entregables de investigación
Requisitos
- Estar matriculado a tiempo completo en un programa de doctorado en informática, aprendizaje automático, inteligencia artificial, robótica, ingeniería u otra disciplina STEM relacionada
- Tener al menos un trimestre o semestre académico restante después de finalizar las prácticas
- Demostrar una experiencia sustancial en investigación de IA y aprendizaje automático mediante publicaciones, proyectos de investigación, cursos avanzados u otra experiencia técnica comparable
- Demostrar un sólido dominio de las técnicas actuales de aprendizaje automático y aprendizaje profundo
- Programar con soltura en Python y tener experiencia práctica con PyTorch, TensorFlow, JAX u otro marco de aprendizaje automático comparable
- Saber diseñar experimentos, interpretar resultados y aplicar técnicas cuantitativas de resolución de problemas
- Contar con sólidos fundamentos de programación, depuración y desarrollo de software
- Comunicarse eficazmente y colaborar con equipos de investigación e ingeniería
- Estar disponible para trabajar 40 horas semanales durante todo el periodo de prácticas
- Preferible: experiencia de investigación en vehículos autónomos, ADAS, robótica, visión artificial o IA incorporada
- Preferible: familiaridad con modelos fundacionales, transformers, modelos generativos o de difusión, o arquitecturas de visión y lenguaje
- Preferible: experiencia con datos multimodales de cámaras, lidar, radar u otros sensores
- Preferible: experiencia en aprendizaje autosupervisado, por imitación, por refuerzo o aprendizaje profundo por refuerzo
- Preferible: experiencia en entornos de computación distribuida, paralela o de alto rendimiento
- Preferible: conocimientos de sistemas de aprendizaje automático, canalizaciones de datos, marcos de experimentación o infraestructura de modelos orientada a producción
- Preferible: experiencia con simulación, entornos de bucle cerrado o validación frente a escenarios de conducción del mundo real
- Preferible: conocimientos de predicción de trayectorias, planificación de comportamiento, planificación de movimiento, percepción, cartografía o comprensión estructurada de escenas
- Preferible: dominio de C++ u otro lenguaje de programación de sistemas
- Preferible: experiencia con programación para GPU, CUDA, marcos de aceleración o análisis de rendimiento
- Preferible: conocimientos de optimización numérica, estimación estadística, modelado probabilístico y análisis de compromisos a nivel de sistema
- Preferible: publicaciones como primer autor, subvenciones, becas, patentes o contribuciones de código abierto
Beneficios
- Días festivos remunerados observados por GM en Estados Unidos
- Acceso al Programa de Descuento para Vehículos Family First de GM
- Posibilidad de crecimiento dentro de GM en función de los resultados
- Eventos para becarios con oportunidades de establecer contactos con líderes de la empresa y otros becarios
- Un estipendio único imponible de suma fija para estudiantes elegibles, destinado a ayudar con la reubicación