General Motors è un’azienda globale dei settori automobilistico e manifatturiero, attiva nell’ingegneria dei veicoli, nella produzione, nei trasporti e nelle tecnologie dell’informazione. Fondata nel 1908, GM sviluppa tecnologie per promuovere la mobilità perseguendo al contempo la propria visione di zero incidenti, zero emissioni e zero congestione. Le sue attività internazionali riuniscono grandi team multidisciplinari concentrati sull’innovazione, sulla mobilità sostenibile e sul futuro dell’industria automobilistica.
Tirocinante PhD in IA e apprendimento automatico – Simulazione di veicoli autonomi presso General Motors
Tirocinio PhD presso General Motors incentrato sulla ricerca e sulla validazione di modelli di apprendimento automatico per veicoli autonomi. Il lavoro comprende simulazione, sistemi di dati e strumenti di valutazione a supporto di funzionalità per la guida autonoma orientate alla produzione.
Descrizione
- Sviluppare e prototipare approcci avanzati di apprendimento automatico per percezione, previsione, pianificazione e processo decisionale
- Creare, addestrare, valutare e perfezionare modelli con grandi set di dati multimodali di guida e sensori
- Sviluppare pipeline di dati, flussi di lavoro sperimentali e strumenti di valutazione a supporto della rapida iterazione dei modelli
- Testare i modelli tramite simulazione e altri metodi di validazione, inclusi l’analisi delle prestazioni e lo studio dei malfunzionamenti
- Migliorare modelli e sistemi per la scalabilità, la latenza, l’affidabilità e i requisiti di distribuzione
- Collaborare con i team di ricerca e ingegneria per integrare i prototipi nei sistemi di veicoli autonomi
- Documentare i risultati della ricerca, comunicare le conclusioni tecniche e contribuire a pubblicazioni o ad altri deliverable di ricerca
Requisiti
- Essere iscritti a tempo pieno a un programma di dottorato in informatica, apprendimento automatico, intelligenza artificiale, robotica, ingegneria o una disciplina STEM correlata
- Avere almeno un trimestre o semestre accademico rimanente dopo la conclusione del tirocinio
- Dimostrare una significativa esperienza di ricerca nell’IA e nell’apprendimento automatico attraverso pubblicazioni, progetti di ricerca, corsi avanzati o attività tecniche comparabili
- Dimostrare una solida padronanza delle tecniche attuali di apprendimento automatico e apprendimento profondo
- Avere una buona padronanza della programmazione Python e un’esperienza pratica con PyTorch, TensorFlow, JAX o un framework di apprendimento automatico comparabile
- Saper progettare esperimenti, interpretare i risultati e applicare tecniche quantitative di risoluzione dei problemi
- Possedere solide basi di programmazione, debugging e sviluppo software
- Comunicare efficacemente e collaborare con team di ricerca e ingegneria
- Essere disponibili a lavorare 40 ore alla settimana per tutta la durata del tirocinio
- Preferibile: esperienza di ricerca nei veicoli autonomi, ADAS, robotica, visione artificiale o IA incorporata
- Preferibile: familiarità con modelli fondazionali, transformer, modelli generativi o di diffusione, oppure architetture visione-linguaggio
- Preferibile: esperienza con dati multimodali provenienti da telecamere, lidar, radar o altri sensori
- Preferibile: esperienza nell’apprendimento autosupervisionato, per imitazione, per rinforzo o nell’apprendimento profondo per rinforzo
- Preferibile: esperienza in ambienti di calcolo distribuito, parallelo o ad alte prestazioni
- Preferibile: esperienza con sistemi di apprendimento automatico, pipeline di dati, framework di sperimentazione o infrastrutture per modelli orientate alla produzione
- Preferibile: esperienza con simulazione, ambienti a ciclo chiuso o validazione rispetto a scenari di guida reali
- Preferibile: conoscenza della previsione delle traiettorie, della pianificazione comportamentale, della pianificazione del movimento, della percezione, della mappatura o della comprensione strutturata delle scene
- Preferibile: padronanza del C++ o di un altro linguaggio di programmazione per sistemi
- Preferibile: esperienza con programmazione GPU, CUDA, framework per acceleratori o profilazione delle prestazioni
- Preferibile: conoscenza dell’ottimizzazione numerica, della stima statistica, della modellazione probabilistica e dell’analisi dei compromessi a livello di sistema
- Preferibile: pubblicazioni come primo autore, sovvenzioni, borse di studio, brevetti o contributi open source
Benefit
- Giorni festivi retribuiti osservati da GM negli Stati Uniti
- Accesso al Programma di sconti sui veicoli Family First di GM
- Possibilità di crescita all’interno di GM in base ai risultati
- Eventi per tirocinanti con opportunità di networking con i leader dell’azienda e gli altri tirocinanti
- Un’indennità forfettaria imponibile una tantum per gli studenti idonei, destinata a contribuire alle spese di trasferimento