Thermo Fisher Scientific razvija i isporučuje znanstvene instrumente, reagense, potrošni materijal i softverske usluge organizacijama koje djeluju u području prirodnih znanosti, zdravstva i analitičke kemije. Njegov portfelj podržava laboratorijska istraživanja i proizvodnju, s primjenama koje obuhvaćaju dijagnostiku, automatizaciju laboratorijskih radnih procesa i otkrivanje lijekova. Proizvodi i usluge tvrtke pomažu istraživačkim i zdravstvenim timovima u upravljanju složenim laboratorijskim procesima i napretku znanstvenog razvoja.
Pripravnik za istraživanje fizičke umjetne inteligencije (rad na daljinu, Sjedinjene Američke Države)
Istražujte i razvijajte sustave fizičke umjetne inteligencije koji obuhvaćaju računalni vid, modele vida i jezika, 3D percepciju i robotiku. Pretvarajte eksperimentalni rad u reproducibilan kod, usluge spremne za uvođenje, izvješća o evaluaciji i demonstracije.
Opis
- Razvijati i fino podešavati modele za detekciju, praćenje, segmentaciju, prepoznavanje poza i aktivnosti te razumijevanje scena
- Trenirati i procjenjivati modele vida i jezika za utemeljivanje, gusto opisivanje, vremensko odgovaranje na pitanja i korištenje alata
- Izrađivati tijekove rada obogaćene dohvatom i temeljene na agentima za percepciju i djelovanje
- Izrađivati prototipove upravljačkih politika vođenih percepcijom uz simulirane podatke i podatke iz stvarnog svijeta
- Povezivati sustave percepcije s planerima i grafovima zadataka za manipulaciju, navigaciju i sigurnosne primjene
- Pripremati skupove podataka, definirati metode evaluacije i ključne pokazatelje uspješnosti te provoditi ablacije
- Uvoditi istraživačke sustave kao pouzdane usluge koristeći Kubernetes, Docker, Ray i FastAPI
- Implementirati profiliranje, telemetriju i kontinuiranu integraciju radi podrške reproducibilnom istraživanju
- Koordinirati višestruke agentske tijekove rada kroz percepciju, zaključivanje, simulaciju i generiranje koda
- Istraživati razumijevanje videozapisa, 3D utemeljivanje scena, rubno izvođenje, multimodalnu procjenu i uspješnost politika sim-to-real
- Izrađivati istraživanja pogodna za objavu ili otvoreni kod, komponente spremne za produkciju, reproducibilne implementacije, izvješća o evaluaciji i demonstracije
Zahtjevi
- Pohađati diplomski ili doktorski studij računalnih znanosti, elektrotehnike, robotike ili srodnog područja, uz aktivne publikacije iz računalnog vida, strojnog učenja ili robotike
- Napredno znanje Pythona i PyTorcha ili JAX-a, uključujući poznavanje CUDA profiliranja i treniranja mješovitom preciznošću
- Istraživačko iskustvo u računalnom vidu te barem jednom području kao što su modeli vida i jezika, utjelovljena ili fizička umjetna inteligencija ili 3D percepcija
- Sposobnost napredovanja od objavljenog istraživanja do implementacije, ablacijskih studija i rigorozno praćenih rezultata
- Iskustvo s video modelima, difuzijom, 3D Gaussian Splattingom ili NeRF-om, SLAM-om ili rekonstrukcijom scena
- Prethodni rad koji uključuje multimodalno utemeljivanje ili vremensko zaključivanje
- Poznavanje ROS2, DeepStreama ili TAO-a ili optimizacije rubnog izvođenja uz TensorRT ili ONNX
- Iskustvo sa skalabilnim treniranjem uz Ray, distribuirane učitavače podataka ili shardane kontrolne točke
- Dobre prakse softverskog inženjerstva, uključujući testiranje, linting, profiliranje, kontejnerizaciju i reproducibilnost
- Javno dostupan tehnički rad, poput GitHub projekata, publikacija s prvim autorstvom ili značajnih doprinosa otvorenom kodu