General Motors er et globalt bil- og produksjonsselskap som arbeider med kjøretøyutvikling, produksjon, transport og informasjonsteknologi. GM ble grunnlagt i 1908 og utvikler teknologi med mål om å fremme mobilitet, samtidig som selskapet arbeider mot sin visjon om null ulykker, null utslipp og null kø. Den internasjonale virksomheten samler store, tverrfaglige team med fokus på innovasjon, bærekraftig transport og fremtidens bilindustri.
Ph.d.-intern innen KI og maskinlæring – simulering av autonome kjøretøy hos General Motors
Ph.d.-internstilling hos General Motors med fokus på forskning på og validering av maskinlæringsmodeller for autonome kjøretøy. Arbeidet omfatter simulering, datasystemer og evalueringsverktøy som støtter produksjonsrettede funksjoner for autonome kjøretøy.
USA
California12 300 $ – 14 600 $ / måned
HybridPraksisInngangsnivåPåkrevd Språk: engelskMaskinlæringsingeniørBeskrivelse
- Utvikle og lage prototyper av avanserte maskinlæringsmetoder for persepsjon, prediksjon, planlegging og beslutningstaking
- Opprette, trene, evaluere og forbedre modeller med storskala multimodale kjøre- og sensordatasett
- Utvikle datapipelines, arbeidsflyter for eksperimenter og evalueringsverktøy som støtter rask modelliterasjon
- Teste modeller gjennom simulering og andre valideringsmetoder, inkludert ytelsesanalyse og undersøkelse av feil
- Forbedre modeller og systemer med hensyn til skalerbarhet, latenstid, pålitelighet og krav til utrulling
- Samarbeide med forsknings- og ingeniørteam for å integrere prototyper i systemer for autonome kjøretøy
- Dokumentere forskningsresultater, kommunisere tekniske konklusjoner og bidra til publikasjoner eller andre forskningsleveranser
Krav
- Være fulltidsstudent på et ph.d.-program innen datavitenskap, maskinlæring, kunstig intelligens, robotikk, ingeniørfag eller et nærliggende STEM-fagområde
- Ha minst ett akademisk kvartal eller semester igjen etter at praksisperioden er avsluttet
- Ha betydelig forskningserfaring innen KI og maskinlæring gjennom publikasjoner, forskningsprosjekter, avanserte emner eller tilsvarende teknisk arbeid
- Beherske moderne teknikker innen maskinlæring og dyp læring godt
- Programmere godt i Python og ha praktisk erfaring med PyTorch, TensorFlow, JAX eller et tilsvarende rammeverk for maskinlæring
- Kunne utforme eksperimenter, tolke resultater og bruke kvantitative problemløsningsteknikker
- Ha et solid grunnlag innen programmering, feilsøking og programvareutvikling
- Kommunisere effektivt og samarbeide på tvers av forsknings- og ingeniørteam
- Være tilgjengelig for å arbeide 40 timer per uke gjennom hele praksisperioden
- Foretrukket: forskningserfaring innen autonome kjøretøy, ADAS, robotikk, datamaskinsyn eller embodied AI
- Foretrukket: kjennskap til grunnmodeller, transformere, generative modeller eller diffusjonsmodeller samt vision-language-arkitekturer
- Foretrukket: erfaring med multimodale kamera-, lidar-, radar- eller andre sensordata
- Foretrukket: erfaring med selvveiledet læring, imitasjonslæring, forsterkningslæring eller dyp forsterkningslæring
- Foretrukket: erfaring med distribuerte, parallelle eller høyytelses databehandlingsmiljøer
- Foretrukket: bakgrunn innen ML-systemer, datapipelines, rammeverk for eksperimenter eller produksjonsrettet modellinfrastruktur
- Foretrukket: erfaring med simulering, closed-loop-miljøer eller validering mot virkelige kjørescenarier
- Foretrukket: kunnskap om baneprediksjon, atferdsplanlegging, bevegelsesplanlegging, persepsjon, kartlegging eller strukturert sceneforståelse
- Foretrukket: gode ferdigheter i C++ eller et annet systemprogrammeringsspråk
- Foretrukket: erfaring med GPU-programmering, CUDA, akseleratorrammeverk eller ytelsesprofilering
- Foretrukket: kunnskap om numerisk optimalisering, statistisk estimering, probabilistisk modellering og avveininger på systemnivå
- Foretrukket: førsteforfatterpublikasjoner, tilskudd, stipend, patenter eller bidrag til åpen kildekode
Fordeler
- Betalte helligdager som GM følger i USA
- Tilgang til GMs Family First-program for kjøretøyrabatter
- Mulighet for utvikling i GM basert på resultater
- Praksisarrangementer med nettverksmuligheter med selskapets ledere og andre praktikanter
- Et skattepliktig engangsbeløp for kvalifiserte studenter som kan bidra til flyttekostnader