Thermo Fisher Scientific מפתחת ומספקת מכשירים מדעיים, ריאגנטים, חומרים מתכלים ושירותי תוכנה לארגונים הפועלים בתחומי מדעי החיים, שירותי הבריאות והכימיה האנליטית. מגוון המוצרים שלה תומך במחקר מעבדתי ובייצור, וכולל יישומים בתחומי האבחון, אוטומציית תהליכי העבודה במעבדה וגילוי תרופות. מוצרי החברה ושירותיה מסייעים לצוותי מחקר ובריאות לנהל תהליכים מעבדתיים מורכבים ולקדם את הפיתוח המדעי.
מתמחה במחקר בינה מלאכותית פיזית (מרחוק, ארצות הברית)
מחקר ופיתוח של מערכות בינה מלאכותית פיזית בתחומי ראייה ממוחשבת, מודלי ראייה-שפה, תפיסה תלת-ממדית ורובוטיקה. הפיכת עבודה ניסיונית לקוד בר-שחזור, שירותים הניתנים לפריסה, דוחות הערכה והדגמות.
תיאור
- פיתוח וכוונון עדין של מודלים לזיהוי, מעקב, סגמנטציה, זיהוי תנוחות ופעילות והבנת סצנות
- אימון והערכת מודלי ראייה-שפה לעיגון, תיאור צפוף, מענה על שאלות בזמן ושימוש בכלים
- יצירת תהליכי עבודה מועשרי-אחזור ומבוססי סוכנים לתפיסה ולפעולה
- יצירת אבות-טיפוס למדיניות בקרה מונעת-תפיסה באמצעות נתוני סימולציה ונתונים מהעולם האמיתי
- חיבור מערכות תפיסה למתכננים ולגרפי משימות עבור יישומי מניפולציה, ניווט ובטיחות
- הכנת מערכי נתונים, הגדרת שיטות הערכה ומדדי ביצוע מרכזיים וביצוע מחקרי אבלציה
- פריסת מערכות מחקר כשירותים אמינים באמצעות Kubernetes, Docker, Ray ו-FastAPI
- הטמעת פרופיילינג, טלמטריה ואינטגרציה רציפה לתמיכה במחקר בר-שחזור
- תיאום תהליכי עבודה מרובי-סוכנים בתחומי תפיסה, הסקה, סימולציה ויצירת קוד
- חקירת הבנת וידאו, עיגון סצנות תלת-ממדיות, הסקה בקצה, הערכה מולטי-מודלית וביצועי מדיניות במעבר מסימולציה למציאות
- הפקת מחקר הניתן לפרסום או בקוד פתוח, רכיבים מוכנים לייצור, מימושים ברי-שחזור, דוחות הערכה והדגמות
דרישות
- לימודי תואר שני או דוקטורט במדעי המחשב, הנדסת חשמל, רובוטיקה או תחום קשור, עם פרסומים פעילים בראייה ממוחשבת, למידת מכונה או רובוטיקה
- שליטה מתקדמת ב-Python וב-PyTorch או JAX, כולל היכרות עם פרופיילינג של CUDA ואימון בדיוק מעורב
- ניסיון מחקרי בראייה ממוחשבת ובתחום אחד לפחות כגון מודלי ראייה-שפה, בינה מלאכותית מגולמת או פיזית, או תפיסה תלת-ממדית
- יכולת להתקדם ממחקר שפורסם למימוש, מחקרי אבלציה ותוצאות המתועדות בקפדנות
- ניסיון במודלי וידאו, מודלי דיפוזיה, 3D Gaussian Splatting או NeRF, SLAM, או שחזור סצנות
- ניסיון קודם בעיגון מולטי-מודלי או בהסקה זמנית
- היכרות עם ROS2, DeepStream או TAO, או עם אופטימיזציה של הסקה בקצה באמצעות TensorRT או ONNX
- ניסיון באימון בר-קנה-מידה באמצעות Ray, טועני נתונים מבוזרים או נקודות ביקורת מחולקות
- נהלי הנדסת תוכנה חזקים, כולל בדיקות, linting, פרופיילינג, קונטיינריזציה ויכולת שחזור
- עבודה טכנית פומבית כגון פרויקטים ב-GitHub, פרסומים כמחבר ראשון או תרומות משמעותיות לקוד פתוח