A Mobileye fejlett vezetéstámogató rendszereket és autonóm vezetési technológiákat fejleszt az autóipar számára. A vállalat a számítógépes látást, a mesterséges intelligenciát, a saját fejlesztésű hardvert és a szoftvert ötvözi annak érdekében, hogy a járműbiztonságot a vezetéstámogatástól az autonóm működésig terjedő alkalmazásokban támogassa. Rendszereit több mint 190 millió járműben vezették be, ami jól mutatja a Mobileye szerepét a kamerás és látásalapú autóipari technológiák nagyüzemi gyártásba való átültetésében.
Alkalmazott MI-kutató, vizuális generatív MI a Mobileye-nál (hibrid, Izrael)
Fejleszd a vizuális generatív MI-t, a diffúziós modelleket és a számítógépes látást a Mobileye autonóm vezetési technológiájához. Hozz létre szintetikusadat-megoldásokat saját adatállományok és nagy léptékű számítási infrastruktúra felhasználásával.
Leírás
- Vezesd a teljes fejlesztési életciklust a generatív modellek betanításától a korszerű architektúrák valós autonómvezetési alkalmazásokhoz való adaptálásáig.
- Kutatással, értékeléssel és skálázható, tiszta Python-megvalósításokkal fejleszd a generatív MI- és számítógépeslátás-modelleket.
- Működj együtt MI-kutatókkal és észlelési csapatokkal a szintetikus adatok valós MI-rendszerekben való alkalmazásán.
- Kövesd a mesterséges intelligencia, a generatív modellezés és a számítógépes látás új fejleményeit.
- Hozz létre generatív MI-megoldásokat autonóm járműalkalmazásokhoz nagy saját adatállományok és nagy léptékű számítási infrastruktúra segítségével.
Követelmények
- Számítástechnikai, villamosmérnöki vagy kapcsolódó területen szerzett mesterfokozat vagy doktori fokozat.
- Legalább három év iparági tapasztalat mélytanulás és számítógépes látás területén.
- Haladó szintű Python- és PyTorch-ismeret.
- Kiemelkedő problémamegoldó, kutatási és analitikai készségek.
- Gyakorlati tapasztalat generatív MI-technológiákkal, például diffúziós modellekkel és GAN-ekkel.
- Tapasztalat látás-nyelvi modellekkel és multimodális tanulással.
- Publikációk olyan vezető konferenciákon, mint a CVPR, a NeurIPS vagy az ECCV.
- Gyakorlati tapasztalat Linuxszal, AWS-sel, Dockerrel és virtuális környezetekkel.
- A hagyományos számítógépes látási módszerek ismerete.