Ang General Motors ay isang pandaigdigang kompanya sa automotive at pagmamanupaktura na nagtatrabaho sa engineering ng sasakyan, produksyon, transportasyon, at teknolohiya ng impormasyon. Itinatag noong 1908, bumubuo ang GM ng mga teknolohiyang naglalayong isulong ang mobility habang itinataguyod ang bisyon nitong zero crashes, zero emissions, at zero congestion. Pinagbubuklod ng mga pandaigdigang operasyon nito ang malalaki at multidisciplinary na team na nakatuon sa inobasyon, napapanatiling transportasyon, at kinabukasan ng industriya ng automotive.
Tagapamahalang Teknikal, Mga Sistema ng Sensing para sa Autonomous Driving
Pangunahing mamuno sa mga sistema ng pagsusuri at pagpapatunay ng sensing para sa autonomous driving ng General Motors. Gabayan ang simulation, datos ng sensor, arkitektura ng software, at mga pangkat ng engineering.
Paglalarawan
- Itakda ang teknikal na estratehiya para sa mga framework ng pagsusuri ng sensing system
- Isama ang mga modelo ng camera, LiDAR, RADAR, at iba pang sensor sa mga kapaligiran ng simulation at pagsusuri
- Bumuo ng mga estadistikal at empirikal na pamamaraan para suriin ang performance ng sensor at perception
- Lumikha at mangasiwa ng synthetic data mula sa replay ng datos sa kalsada, simulation, at mga pipeline ng pagbuo ng senaryo
- Tukuyin ang data augmentation at saklaw ng senaryo para sa gabi, ulan, niyebe, hamog, kontaminasyon, paglilinis, occlusion, glare, at iba pang degraded na kondisyon
- Ihanda ang synthetic at naitalang datos para sa pagsasanay ng modelo, pagsusuri, regression testing, at failure analysis
- Pangunahan ang retraining ng modelo o mga demonstrasyon ng pipeline kung kinakailangan
- Isama ang mga bagong bahagi ng sensor at sensing architecture sa software stack ng autonomous driving
- Tukuyin ang mga developer tool tulad ng API, command-line utility, notebook, automated workflow, at dashboard
- Lumikha ng mga metric at ulat sa pagsusuri na nag-uugnay sa performance ng sensor sa mga kinakailangan ng system at layunin sa kaligtasan
- Pangunahan ang mga teknikal na review at cross-functional na inisyatiba mula sa pagtukoy ng kinakailangan hanggang sa paggamit
- Paunlarin ang software architecture, test coverage, kalidad ng datos, automation, at productivity sa engineering
- Mentoran ang mga engineer at palakasin ang mga pamantayan para sa kalidad ng software at higpit ng eksperimento
- Mag-hire, mag-coach, magpaunlad, at magpanatili ng mahusay na engineering team habang patuloy na nagbibigay ng hands-on na teknikal na pamumuno
Mga Kinakailangan
- Bachelor’s degree sa computer science, computer engineering, electrical engineering, systems engineering, robotics, mathematics, o kaugnay na teknikal na disiplina
- Hindi bababa sa 10 taon ng progresibong karanasan sa software engineering, systems engineering, machine learning, perception, robotics, autonomous vehicles, o kaugnay na larangan
- Hindi bababa sa isang taon ng karanasan sa pamumuno ng maliit na engineering team
- Karanasan sa pagdidirekta ng mga kumplikadong teknikal na inisyatiba sa maraming disiplina ng engineering
- Karanasan sa pagdidisenyo, pagbuo, o pagsasama ng simulation, evaluation, validation, o data-processing system sa autonomy, robotics, automotive, aerospace, o ibang larangang kritikal sa kaligtasan
- Mahusay na kasanayan sa programming gamit ang C++ at Python
- Karanasan sa machine-learning workflow at kahit isang modernong framework, kabilang ang PyTorch o TensorFlow
- Kaalaman sa camera, LiDAR, RADAR, o multimodal sensing system
- Karanasan sa paggamit ng datos, estadistika, at structured experimentation para suriin ang gawi ng system at tukuyin ang mga failure mode
- Kakayahang malinaw na ipaliwanag ang kumplikadong teknikal na konsepto
- Kakayahang magtrabaho nang nakapag-iisa sa mga problemang hindi malinaw at maghatid ng nasusukat na resulta
- Karanasan sa iterative development, code review, testing, version control, at agile planning
- Napatunayang karanasan sa pamumuno, pagco-coach, o pamamahala ng mga engineer
- Mas gusto: Master’s degree o Ph.D. sa computer science, engineering, robotics, mathematics, o kaugnay na teknikal na larangan
- Mas gusto ang karanasan sa autonomous-vehicle perception at machine-learning model, sensor degradation sa mahihirap na kondisyon, sensing architecture, synthetic data, scenario-based testing, sensor calibration, computer vision, multimodal fusion, safety-critical verification at validation, ROS, Linux, container, continuous integration, distributed computing, cloud data platform, metric, dashboard, SQL/BigQuery, data visualization, statistical analysis, scalable sensor-data processing, at pakikipagtulungan sa supplier o research partner
Mga Benepisyo
- Insentibong kompensasyon na ang payout ay tinutukoy ng performance ng kumpanya, antas ng trabaho, at indibidwal na performance
- Programa ng pagsusuri ng sasakyan ng kumpanya, na nakabatay sa matagumpay na pagsusuri ng motor vehicle report
- Posibleng tulong sa relokasyon
- Access sa mga resource para sa benepisyo at Total Rewards ng General Motors
- Makatuwirang accommodation sa lugar ng trabaho