General Motors یک شرکت جهانی در حوزه خودرو و تولید است که در زمینه‌های مهندسی خودرو، تولید، حمل‌ونقل و فناوری اطلاعات فعالیت می‌کند. شرکت GM که در سال ۱۹۰۸ تأسیس شد، فناوری‌هایی را برای پیشبرد جابه‌جایی توسعه می‌دهد و در عین حال چشم‌انداز خود را بر پایه صفر تصادف، صفر آلایندگی و صفر ازدحام ترافیکی دنبال می‌کند. فعالیت‌های بین‌المللی این شرکت، تیم‌های بزرگ و چندرشته‌ای را گرد هم می‌آورد که بر نوآوری، حمل‌ونقل پایدار و آینده صنعت خودرو تمرکز دارند.
کارآموز مهندسی هوش مصنوعی و یادگیری ماشین در مقطع دکتری برای شبیه‌سازی خودروهای خودران در جنرال موتورز
این کارآموزی دکتری در جنرال موتورز بر پژوهش و اعتبارسنجی مدل‌های یادگیری ماشین برای خودروهای خودران تمرکز دارد. این کار شامل شبیه‌سازی، سامانه‌های داده و ابزارهای ارزیابی برای پشتیبانی از قابلیت‌های خودرانِ آماده تولید است.
ایالات متحده
کالیفرنیا$۱۲٬۳۰۰ – $۱۴٬۶۰۰ / ماه
ترکیبیکارآموزیسطح مقدماتیزبان مورد نیاز: انگلیسیمهندس یادگیری ماشینتوضیحات
- توسعه و نمونه‌سازی روش‌های پیشرفته یادگیری ماشین برای ادراک، پیش‌بینی، برنامه‌ریزی و تصمیم‌گیری
- ایجاد، آموزش، ارزیابی و بهبود مدل‌ها با استفاده از مجموعه‌داده‌های بزرگ چندوجهی رانندگی و حسگرها
- توسعه خطوط انتقال داده، گردش‌کارهای آزمایشی و ابزارهای ارزیابی برای تکرار سریع مدل‌ها
- آزمایش مدل‌ها از طریق شبیه‌سازی و روش‌های اعتبارسنجی دیگر، شامل تحلیل عملکرد و بررسی خطاها
- بهبود مدل‌ها و سامانه‌ها برای مقیاس‌پذیری، تأخیر، قابلیت اطمینان و الزامات استقرار
- همکاری با تیم‌های پژوهشی و مهندسی برای ادغام نمونه‌های اولیه در سامانه‌های خودروهای خودران
- ثبت یافته‌های پژوهشی، انتقال نتایج فنی و پشتیبانی از مقاله‌ها یا سایر دستاوردهای پژوهشی
شرایط لازم
- اشتغال به تحصیل تمام‌وقت در مقطع دکتری علوم کامپیوتر، یادگیری ماشین، هوش مصنوعی، رباتیک، مهندسی یا رشته مرتبط STEM
- داشتن دست‌کم یک سه‌ماهه یا نیم‌سال تحصیلی پس از پایان کارآموزی
- داشتن تجربه قابل‌توجه در پژوهش هوش مصنوعی و یادگیری ماشین از طریق مقاله‌ها، پروژه‌های پژوهشی، دروس پیشرفته یا کار فنی مشابه
- تسلط قوی بر روش‌های روز یادگیری ماشین و یادگیری عمیق
- توانایی برنامه‌نویسی حرفه‌ای با Python و تجربه عملی با PyTorch، TensorFlow، JAX یا چارچوب مشابه یادگیری ماشین
- آشنایی با طراحی آزمایش، تفسیر نتایج و به‌کارگیری روش‌های حل مسئله کمی
- داشتن پایه قوی در برنامه‌نویسی، اشکال‌زدایی و مبانی توسعه نرم‌افزار
- توانایی برقراری ارتباط مؤثر و همکاری میان تیم‌های پژوهشی و مهندسی
- آمادگی برای کار ۴۰ ساعت در هفته در سراسر دوره کارآموزی
- ترجیحی: تجربه پژوهشی در خودروهای خودران، ADAS، رباتیک، بینایی ماشین یا هوش مصنوعی تجسم‌یافته
- ترجیحی: آشنایی با مدل‌های بنیادی، ترنسفورمرها، مدل‌های مولد یا انتشار، یا معماری‌های بینایی-زبان
- ترجیحی: تجربه کار با داده‌های چندوجهی دوربین، لیدار، رادار یا حسگرهای دیگر
- ترجیحی: تجربه یادگیری خودنظارتی، تقلیدی، تقویتی یا تقویتی عمیق
- ترجیحی: تجربه در محیط‌های محاسباتی توزیع‌شده، موازی یا با کارایی بالا
- ترجیحی: سابقه در سامانه‌های ML، خطوط انتقال داده، چارچوب‌های آزمایش یا زیرساخت مدل با تمرکز تولید
- ترجیحی: تجربه شبیه‌سازی، محیط‌های حلقه‌بسته یا اعتبارسنجی در برابر سناریوهای رانندگی واقعی
- ترجیحی: دانش پیش‌بینی مسیر، برنامه‌ریزی رفتار، برنامه‌ریزی حرکت، ادراک، نقشه‌سازی یا درک ساختاریافته صحنه
- ترجیحی: تسلط بر C++ یا زبان برنامه‌نویسی سیستمی دیگر
- ترجیحی: تجربه برنامه‌نویسی GPU، CUDA، چارچوب‌های شتاب‌دهنده یا پروفایل‌سازی عملکرد
- ترجیحی: دانش بهینه‌سازی عددی، برآورد آماری، مدل‌سازی احتمالاتی و تحلیل موازنه‌های سطح سیستم
- ترجیحی: مقاله‌های نویسنده اول، گرنت‌ها، فلوشیپ‌ها، اختراع‌ها یا مشارکت‌های متن‌باز
مزایا
- تعطیلات با حقوقی که GM در ایالات متحده رعایت می‌کند
- دسترسی به برنامه تخفیف خودروی Family First شرکت GM
- امکان رشد در GM بر اساس نتایج عملکرد
- رویدادهای کارآموزی با فرصت‌های شبکه‌سازی با رهبران شرکت و کارآموزان دیگر
- کمک‌هزینه یک‌باره و مشمول مالیات برای دانشجویان واجد شرایط، به‌منظور کمک به جابه‌جایی