Thermo Fisher Scientific membangunkan dan membekalkan instrumen saintifik, reagen, bahan guna habis serta perkhidmatan perisian untuk organisasi yang beroperasi dalam bidang sains hayat, penjagaan kesihatan dan kimia analisis. Portfolionya menyokong penyelidikan dan pengeluaran makmal, dengan aplikasi yang merangkumi diagnostik, automasi aliran kerja makmal dan penemuan ubat. Produk dan perkhidmatannya digunakan untuk membantu pasukan penyelidikan dan penjagaan kesihatan mengurus proses makmal yang kompleks serta memajukan pembangunan saintifik.
Pelatih Penyelidikan AI Fizikal (Jarak Jauh, Amerika Syarikat)
Menyelidik dan membangunkan sistem AI fizikal merangkumi penglihatan komputer, model penglihatan-bahasa, persepsi 3D, dan robotik. Menukarkan kerja eksperimen kepada kod boleh dihasilkan semula, perkhidmatan boleh digunakan, laporan penilaian, dan demonstrasi.
Penerangan
- Membangunkan dan memperhalus model untuk pengesanan, penjejakan, pembahagian, pengecaman pose dan aktiviti, serta pemahaman adegan
- Melatih dan menilai model penglihatan-bahasa untuk pembumian, kapsyen padat, menjawab soalan temporal, dan penggunaan alat
- Mencipta aliran kerja berasaskan penambahan dapatan dan agen untuk persepsi serta tindakan
- Membina prototaip dasar kawalan dipacu persepsi menggunakan data simulasi dan dunia sebenar
- Menghubungkan sistem persepsi dengan perancang dan graf tugas untuk aplikasi manipulasi, navigasi, dan keselamatan
- Menyediakan set data, mentakrifkan kaedah penilaian dan KPI, serta menjalankan kajian ablasi
- Menggunakan sistem penyelidikan sebagai perkhidmatan yang boleh dipercayai dengan Kubernetes, Docker, Ray, dan FastAPI
- Melaksanakan pemprofilan, telemetri, dan integrasi berterusan untuk menyokong penyelidikan yang boleh dihasilkan semula
- Menyelaraskan saluran paip berbilang agen merentas persepsi, penaakulan, simulasi, dan penjanaan kod
- Mengkaji pemahaman video, pembumian adegan 3D, inferens edge, penilaian multimodal, dan prestasi dasar sim-to-real
- Menghasilkan penyelidikan yang boleh diterbitkan atau bersumber terbuka, komponen sedia produksi, pelaksanaan boleh dihasilkan semula, laporan penilaian, dan demo
Keperluan
- Sedang mengikuti pengajian sarjana atau Ph.D. dalam sains komputer, kejuruteraan elektrik, robotik, atau bidang berkaitan, dengan penerbitan aktif dalam penglihatan komputer, pembelajaran mesin, atau robotik
- Mahir dalam Python dan PyTorch atau JAX, termasuk kefahaman tentang pemprofilan CUDA dan latihan berketepatan campuran
- Mempunyai pengalaman penyelidikan dalam penglihatan komputer serta sekurang-kurangnya satu bidang seperti model penglihatan-bahasa, AI berjasad atau fizikal, atau persepsi 3D
- Mampu mengubah penyelidikan yang diterbitkan kepada pelaksanaan, kajian ablasi, dan hasil yang dijejaki dengan teliti
- Berpengalaman dengan model video, difusi, 3D Gaussian Splatting atau NeRF, SLAM, atau pembinaan semula adegan
- Mempunyai pengalaman terdahulu melibatkan pembumian multimodal atau penaakulan temporal
- Biasa dengan ROS2, DeepStream atau TAO, atau pengoptimuman inferens edge menggunakan TensorRT atau ONNX
- Berpengalaman dengan latihan berskala menggunakan Ray, pemuat data teragih, atau checkpoint berpecah
- Mengamalkan kejuruteraan perisian yang kukuh, termasuk pengujian, linting, pemprofilan, kontena, dan kebolehulangan
- Mempunyai hasil kerja teknikal awam seperti projek GitHub, penerbitan penulis pertama, atau sumbangan sumber terbuka yang besar