Mobileye desarrolla sistemas avanzados de asistencia al conductor y tecnología de conducción autónoma para la industria automotriz. La empresa combina visión artificial, inteligencia artificial, hardware propio y software para contribuir a la seguridad de los vehículos en aplicaciones que van desde la asistencia al conductor hasta la conducción autónoma. Sus sistemas se han implementado en más de 190 millones de vehículos, lo que refleja el papel de Mobileye en la producción a gran escala de tecnologías automotrices basadas en la visión.
Investigador de IA aplicada, GenAI visual en Mobileye (híbrido, Israel)
Impulsa la GenAI visual, los modelos de difusión y la visión por computadora para la tecnología de conducción autónoma de Mobileye. Desarrolla soluciones de datos sintéticos utilizando conjuntos de datos propios e infraestructura informática a gran escala.
Descripción
- Liderarás todo el ciclo de desarrollo, desde el entrenamiento de modelos generativos hasta la adaptación de arquitecturas de vanguardia para aplicaciones reales de conducción autónoma.
- Investigarás, evaluarás y mejorarás modelos de GenAI y visión por computadora mediante implementaciones escalables y claras en Python.
- Colaborarás con investigadores de IA y equipos de percepción para aplicar datos sintéticos en sistemas de IA del mundo real.
- Seguirás los avances emergentes en inteligencia artificial, modelado generativo y visión por computadora.
- Crearás soluciones de GenAI con grandes conjuntos de datos propios e infraestructura informática de alta escala para aplicaciones de vehículos autónomos.
Requisitos
- Título de maestría o doctorado en Ciencias de la Computación, Ingeniería Eléctrica o una disciplina relacionada.
- Al menos tres años de experiencia profesional en aprendizaje profundo y visión por computadora.
- Dominio avanzado de Python y PyTorch.
- Sólidas capacidades de resolución de problemas, investigación y razonamiento analítico.
- Experiencia práctica con técnicas de IA generativa, como modelos de difusión y GAN.
- Experiencia con modelos de visión y lenguaje y aprendizaje multimodal.
- Publicaciones en conferencias destacadas como CVPR, NeurIPS o ECCV.
- Experiencia práctica con Linux, AWS, Docker y entornos virtuales.
- Conocimientos de métodos tradicionales de visión por computadora.