Zoox
Zoox
Zoox فناوری جابه‌جایی خودران و ناوگانی را توسعه می‌دهد که به‌طور ویژه برای جابه‌جایی به‌عنوان خدمت طراحی شده است. فعالیت این شرکت رباتیک، هوش مصنوعی، مهندسی خودرو، خودروهای برقی و فناوری‌های پیشرفته حسگری را با هم ترکیب می‌کند تا حمل‌ونقلی ایمن‌تر، پاک‌تر و لذت‌بخش‌تر ایجاد کند. این شرکت بر بازتعریف تجربه جابه‌جایی شخصی از طریق خودروهای کاملاً خودرانی تمرکز دارد که بر اساس نیازهای سرنشینان ساخته شده‌اند.

مهندس قراردادی دانشجویی اعتبارسنجی و بنچمارک‌گیری هوش مصنوعی

دقت عامل‌های هوش مصنوعی را ارزیابی کنید و برای بنچمارک‌گیری مجموعه‌داده بسازید. با ابزارهای پایتون و تحلیل، از فناوری روبوتاکسی خودران Zoox پشتیبانی کنید.

توضیحات

  • در فرایند سرتاسری اعتبارسنجی ابزارهای هوش مصنوعی مشارکت کنید.
  • مجموعه‌داده‌های آزمون را نگهداری کنید.
  • خطوط لوله بنچمارک را اجرا کنید و نتایج را برای شناسایی خطاهای مسیریابی و پسرفت در گونه‌های مختلف عامل تحلیل کنید.
  • مجموعه‌داده‌های حقیقت مبنا را ایجاد و گسترش دهید تا خروجی عامل‌ها با پاسخ‌های تأییدشده مقایسه شود.
  • خلأهای اعتبارسنجی بنچمارک را پیدا کنید و به تقویت زیرساخت ارزیابی کمک کنید.
  • معیارهای ارزیابی، از جمله دقت برچسب‌ها و صحت خروجی ساختاریافته، را تعریف کنید.
  • شکست‌های خروجی عامل را بررسی کنید و برای شناسایی بهبودهای عملی با مهندسان همکاری کنید.
  • برای خودکارسازی گردآوری داده، پردازش نتایج و گزارش‌دهی معیارها، اسکریپت و ابزار بسازید.
  • یافته‌ها را ثبت کنید، روندهای بنچمارک را پایش کنید و نتایج را با تیم به اشتراک بگذارید.
  • با مهندسان و پژوهشگرانی که فناوری خودران توسعه می‌دهند همکاری کنید.

شرایط لازم

  • در حال حاضر در مقطع کارشناسی یا کارشناسی ارشدِ علوم کامپیوتر، علم داده، مهندسی یا رشته‌ای مرتبط مشغول تحصیل باشید.
  • برای انجام مأموریتی دست‌کم سه‌ماهه در دسترس باشید.
  • بتوانید دست‌کم ۲۰ ساعت در هفته کار کنید.
  • بتوانید به‌صورت حضوری در یکی از دفاتر شرکت کار کنید.
  • از قواعد محرمانگی Zoox پیروی کنید؛ اطلاعات اختصاصی شرکت را برای پژوهش دانشگاهی، پایان‌نامه، انتشار یا ارائه در خارج از Zoox استفاده یا به اشتراک نگذارید.
  • با Cursor یا Claude آشنایی داشته باشید.
  • با Python آشنایی داشته باشید.
  • معیارهای ارزیابی مانند دقت، بازخوانی، امتیاز F1 و ماتریس درهم‌ریختگی را درک کنید.
  • برای کار با قالب‌های داده ساختاریافته مانند CSV و JSON راحت باشید.
  • در نوشتن یا تغییر اسکریپت‌های تحلیلِ بازتولیدپذیر تجربه داشته باشید.
  • پیش‌تر با سامانه‌های مبتنی بر LLM، مهندسی پرامپت یا ارزیابی عامل‌های هوش مصنوعی سروکار داشته باشید.
  • در استفاده از ابزارهای مدیریت تیکت یا پیام‌رسانی مانند Jira یا Slack تجربه داشته باشید.

مزایا

  • کار مستمر و معناداری که می‌توان در کنار تحصیل انجام داد.
  • فرصت‌هایی برای یادگیری و پرورش مهارت‌های تازه.
  • تجربه عملی در محیطی حرفه‌ای.
  • تعیین واجد شرایط بودن برای مزایا بر عهده فروشنده است.