Mobileye kehittää edistyneitä kuljettajaa avustavia järjestelmiä ja autonomisen ajamisen teknologiaa autoteollisuudelle. Yhtiö yhdistää tietokonenäön, tekoälyn sekä itse kehittämänsä laitteistot ja ohjelmistot tukeakseen ajoneuvojen turvallisuutta sovelluksissa, jotka ulottuvat kuljettajaa avustavista järjestelmistä autonomiseen ajamiseen. Sen järjestelmiä on otettu käyttöön yli 190 miljoonassa ajoneuvossa, mikä kuvastaa Mobilen roolia näköön perustuvien autoteknologioiden tuomisessa laajamittaiseen tuotantoon.
Vanhempi syväoppimisen tutkija, autonomiset ajoneuvot
Tutki ja kehitä syväoppimisjärjestelmiä Mobileyen autonomisiin ajoneuvoihin, mukaan lukien EyeQ-sirulle suunnitellut laajat neuroverkot. Paranna mallien suorituskykyä ja vie tutkimustulokset tuotantoon.
Kuvaus
- Kehitä ja kouluta Mobileyen mukautetulle EyeQ-sirulle optimoituja syväoppimismalleja.
- Luo laajoja, useita tehtäviä käsitteleviä neuroverkkoja Mobileyen autonomisen ajamisen järjestelmään.
- Ratkaise syväoppimisen kokonaisvaltaisia ongelmia ja ota ratkaisuja käyttöön todellisissa järjestelmissä.
- Suunnittele uusia mallirakenteita ja hyödynnä edistyneitä koulutusmenetelmiä.
- Optimoi mallien suorituskyky tiukkojen rajoitteiden puitteissa.
- Tee yhteistyötä ohjelmisto- ja laitteistotiimien kanssa tutkimuksen muuttamiseksi tuotantoratkaisuiksi.
- Osallistu Mobileyen johtavien autonomisten ajoneuvojen tuotteiden ydinneuroverkkoarkkitehtuurin kehittämiseen.
Vaatimukset
- Tietojenkäsittelytieteen tai vastaavan alan tohtorintutkinto; poikkeuksellisen päteviä maisterintutkinnon suorittaneita voidaan harkita.
- Vähintään neljän vuoden käytännön kokemus syväoppimisalgoritmien kehittämisestä Pythonilla.
- Kokemus kokonaisvaltaisten syväoppimisputkien rakentamisesta datan valmisteluun, koulutukseen, arviointiin ja käyttöönottoon.
- Vähintään yhden syväoppimiskehyksen, kuten TensorFlow’n tai PyTorchin, hallinta.
- Hyvät ongelmanratkaisutaidot ja tutkimuslähtöinen työote.
- Kokemus syväoppimisesta tai ohjelmistokehityksestä teollisuudessa katsotaan eduksi.
- Laitteiston huomioivan mallien optimoinnin tuntemus katsotaan eduksi.
- Kokemus pilvialustoista, kuten AWS:stä, Dockerista ja Linux-ympäristöistä, katsotaan eduksi.
- Syväoppimiseen, neuroverkkoarkkitehtuurien hakuun, tiedon tiivistämiseen tai monitehtäväoppimiseen liittyvät julkaisut tai muut kontribuutiot katsotaan eduksi.