Thermo Fisher Scientific opracowuje i dostarcza aparaturę naukową, odczynniki, materiały eksploatacyjne oraz usługi programowe dla organizacji działających w obszarze nauk przyrodniczych, ochrony zdrowia i chemii analitycznej. Portfolio firmy wspiera badania laboratoryjne i produkcję, obejmując zastosowania w diagnostyce, automatyzacji procesów laboratoryjnych oraz odkrywaniu leków. Produkty i usługi firmy pomagają zespołom badawczym i medycznym zarządzać złożonymi procesami laboratoryjnymi oraz rozwijać osiągnięcia naukowe.
Stażysta badawczy ds. fizycznej sztucznej inteligencji (zdalnie, Stany Zjednoczone)
Badaj i twórz systemy fizycznej sztucznej inteligencji obejmujące widzenie komputerowe, modele wizyjno-językowe, percepcję 3D i robotykę. Przekształcaj prace eksperymentalne w odtwarzalny kod, usługi gotowe do wdrożenia, raporty ewaluacyjne i demonstracje.
Opis
- Tworzyć i dostrajać modele do wykrywania, śledzenia, segmentacji, rozpoznawania pozy i aktywności oraz rozumienia scen
- Trenować i oceniać modele wizyjno-językowe pod kątem ugruntowania, szczegółowego opisywania, odpowiadania na pytania czasowe i korzystania z narzędzi
- Tworzyć przepływy pracy wspomagane wyszukiwaniem oraz oparte na agentach na potrzeby percepcji i działania
- Prototypować polityki sterowania oparte na percepcji z wykorzystaniem danych symulowanych i rzeczywistych
- Łączyć systemy percepcji z planistami i grafami zadań na potrzeby manipulacji, nawigacji i zastosowań związanych z bezpieczeństwem
- Przygotowywać zbiory danych, definiować metody ewaluacji i kluczowe wskaźniki efektywności oraz przeprowadzać badania ablacyjne
- Wdrażać systemy badawcze jako niezawodne usługi z użyciem Kubernetes, Docker, Ray i FastAPI
- Implementować profilowanie, telemetrię i ciągłą integrację w celu zapewnienia odtwarzalności badań
- Koordynować potoki wieloagentowe obejmujące percepcję, wnioskowanie, symulację i generowanie kodu
- Badać rozumienie wideo, ugruntowanie scen 3D, wnioskowanie brzegowe, ocenę multimodalną oraz skuteczność polityk sim-to-real
- Tworzyć badania nadające się do publikacji lub udostępnienia jako open source, komponenty gotowe do użycia produkcyjnego, odtwarzalne implementacje, raporty ewaluacyjne i demonstracje
Wymagania
- Być na studiach magisterskich lub doktoranckich z informatyki, elektrotechniki, robotyki albo pokrewnej dziedziny oraz mieć aktualne publikacje z zakresu widzenia komputerowego, uczenia maszynowego lub robotyki
- Posiadać zaawansowane umiejętności w Pythonie oraz PyTorch lub JAX, w tym znajomość profilowania CUDA i trenowania z mieszaną precyzją
- Mieć doświadczenie badawcze w dziedzinie widzenia komputerowego oraz co najmniej w jednym z obszarów: modele wizyjno-językowe, ucieleśniona lub fizyczna sztuczna inteligencja albo percepcja 3D
- Potrafić przechodzić od opublikowanych badań do implementacji, badań ablacyjnych i rygorystycznego śledzenia wyników
- Mieć doświadczenie z modelami wideo, modelami dyfuzyjnymi, 3D Gaussian Splatting lub NeRF, SLAM albo rekonstrukcją scen
- Mieć wcześniejsze doświadczenie z multimodalnym ugruntowaniem lub wnioskowaniem czasowym
- Znać ROS2, DeepStream lub TAO albo optymalizację wnioskowania brzegowego z użyciem TensorRT lub ONNX
- Mieć doświadczenie w skalowalnym trenowaniu z użyciem Ray, rozproszonych modułów ładowania danych lub shardowanych punktów kontrolnych
- Stosować dobre praktyki inżynierii oprogramowania, w tym testowanie, linting, profilowanie, konteneryzację i odtwarzalność
- Posiadać publiczny dorobek techniczny, taki jak projekty na GitHubie, publikacje z pierwszym autorstwem lub znaczący wkład w projekty open source