Mobileye opracowuje zaawansowane systemy wspomagania kierowcy oraz technologie autonomicznej jazdy dla przemysłu motoryzacyjnego. Firma łączy widzenie komputerowe, sztuczną inteligencję, autorski sprzęt i oprogramowanie, aby wspierać bezpieczeństwo pojazdów w zastosowaniach obejmujących zarówno wspomaganie kierowcy, jak i autonomiczną jazdę. Jej systemy zostały wdrożone w ponad 190 milionach pojazdów, co odzwierciedla rolę Mobileye we wprowadzaniu opartych na widzeniu technologii motoryzacyjnych do produkcji masowej.
Badacz stosowanej sztucznej inteligencji w obszarze wizualnego GenAI w Mobileye (praca hybrydowa, Izrael)
Rozwijaj wizualny GenAI, modele dyfuzyjne i widzenie komputerowe na potrzeby technologii autonomicznej jazdy Mobileye. Twórz rozwiązania wykorzystujące dane syntetyczne, własne zbiory danych i wysokowydajną infrastrukturę obliczeniową.
Opis
- Prowadź pełny cykl rozwoju — od trenowania modeli generatywnych po dostosowywanie najnowocześniejszych architektur do rzeczywistych zastosowań autonomicznej jazdy.
- Badaj, oceniaj i ulepszaj modele GenAI oraz widzenia komputerowego za pomocą skalowalnych, przejrzystych implementacji w Pythonie.
- Współpracuj z badaczami AI i zespołami percepcji, aby stosować dane syntetyczne w rzeczywistych systemach AI.
- Śledź najnowsze osiągnięcia w dziedzinie sztucznej inteligencji, modelowania generatywnego i widzenia komputerowego.
- Twórz rozwiązania GenAI z wykorzystaniem dużych własnych zbiorów danych i wysokowydajnej infrastruktury obliczeniowej na potrzeby zastosowań w pojazdach autonomicznych.
Wymagania
- Stopień magistra lub doktora w dziedzinie informatyki, elektrotechniki lub pokrewnej dyscyplinie.
- Co najmniej trzy lata doświadczenia zawodowego w branży w obszarze głębokiego uczenia i widzenia komputerowego.
- Zaawansowana znajomość Pythona i PyTorch.
- Bardzo dobre umiejętności rozwiązywania problemów, prowadzenia badań i rozumowania analitycznego.
- Praktyczne doświadczenie w technikach generatywnej AI, takich jak modele dyfuzyjne i GAN.
- Doświadczenie z modelami wizualno-językowymi i uczeniem multimodalnym.
- Publikacje na wiodących konferencjach, takich jak CVPR, NeurIPS lub ECCV.
- Praktyczne doświadczenie z systemami Linux, AWS, Dockerem i środowiskami wirtualnymi.
- Znajomość tradycyjnych metod widzenia komputerowego.