General Motors to globalna firma motoryzacyjna i przemysłowa działająca w obszarach projektowania pojazdów, produkcji, transportu oraz technologii informacyjnych. Założona w 1908 roku firma GM opracowuje technologie mające na celu rozwój mobilności i dąży do realizacji wizji świata bez wypadków, emisji i korków. Jej międzynarodowa działalność łączy duże, interdyscyplinarne zespoły skupione na innowacjach, zrównoważonym transporcie i przyszłości branży motoryzacyjnej.
Stażysta inżynierii AI i uczenia maszynowego dla doktorantów — symulacja pojazdów autonomicznych w General Motors
Staż dla doktorantów w General Motors, skoncentrowany na badaniu i walidacji modeli uczenia maszynowego dla pojazdów autonomicznych. Praca obejmuje symulację, systemy danych i narzędzia ewaluacyjne wspierające produkcyjne rozwiązania dla pojazdów autonomicznych.
Stany Zjednoczone
Kalifornia12 300 $ – 14 600 $ / miesiąc
HybrydowoStażPoziom początkującyWymagany Język: angielskiInżynier uczenia maszynowegoOpis
- Opracowywać i prototypować zaawansowane metody uczenia maszynowego do percepcji, predykcji, planowania i podejmowania decyzji
- Tworzyć, trenować, oceniać i udoskonalać modele z wykorzystaniem wielkoskalowych multimodalnych zbiorów danych dotyczących jazdy i sensorów
- Opracowywać potoki danych, procesy eksperymentalne i narzędzia ewaluacyjne wspierające szybkie iteracje modeli
- Testować modele za pomocą symulacji i innych metod walidacji, w tym analizować wydajność i badać przypadki niepowodzeń
- Ulepszać modele i systemy pod kątem skalowalności, opóźnień, niezawodności i wymagań wdrożeniowych
- Współpracować z zespołami badawczymi i inżynieryjnymi przy wdrażaniu prototypów do systemów pojazdów autonomicznych
- Dokumentować wyniki badań, przedstawiać wnioski techniczne oraz wspierać publikacje i inne materiały badawcze
Wymagania
- Studiować w pełnym wymiarze godzin na studiach doktoranckich z informatyki, uczenia maszynowego, sztucznej inteligencji, robotyki, inżynierii lub pokrewnej dziedziny STEM
- Mieć co najmniej jeden kwartał akademicki lub semestr pozostały po zakończeniu stażu
- Mieć znaczące doświadczenie badawcze w zakresie AI i uczenia maszynowego, potwierdzone publikacjami, projektami badawczymi, zaawansowanymi kursami lub porównywalną pracą techniczną
- Wykazywać się bardzo dobrą znajomością współczesnych technik uczenia maszynowego i głębokiego uczenia
- Biegle programować w Pythonie i mieć praktyczne doświadczenie z PyTorch, TensorFlow, JAX lub porównywalnym frameworkiem uczenia maszynowego
- Umieć projektować eksperymenty, interpretować wyniki i stosować ilościowe metody rozwiązywania problemów
- Mieć solidne podstawy programowania, debugowania i tworzenia oprogramowania
- Skutecznie komunikować się i współpracować z zespołami badawczymi i inżynieryjnymi
- Być dostępny do pracy przez 40 godzin tygodniowo przez cały okres stażu
- Mile widziane: doświadczenie badawcze w zakresie pojazdów autonomicznych, ADAS, robotyki, widzenia komputerowego lub ucieleśnionej AI
- Mile widziane: znajomość modeli bazowych, transformerów, modeli generatywnych lub dyfuzyjnych albo architektur wizyjno-językowych
- Mile widziane: doświadczenie z multimodalnymi danymi z kamer, lidarów, radarów lub innych sensorów
- Mile widziane: doświadczenie w uczeniu samonadzorowanym, przez naśladowanie, ze wzmocnieniem lub głębokim uczeniu ze wzmocnieniem
- Mile widziane: doświadczenie w rozproszonych, równoległych lub wysokowydajnych środowiskach obliczeniowych
- Mile widziane: znajomość systemów ML, potoków danych, frameworków eksperymentalnych lub infrastruktury modeli ukierunkowanej na produkcję
- Mile widziane: doświadczenie z symulacją, środowiskami ze sprzężeniem zwrotnym lub walidacją na rzeczywistych scenariuszach jazdy
- Mile widziane: znajomość predykcji trajektorii, planowania zachowania, planowania ruchu, percepcji, mapowania lub ustrukturyzowanego rozumienia scen
- Mile widziane: biegłość w C++ lub innym języku programowania systemowego
- Mile widziane: doświadczenie w programowaniu GPU, pracy z CUDA, frameworkami akceleratorów lub profilowaniu wydajności
- Mile widziane: znajomość optymalizacji numerycznej, estymacji statystycznej, modelowania probabilistycznego i analizy kompromisów na poziomie systemu
- Mile widziane: publikacje, w których kandydat był pierwszym autorem, granty, stypendia, patenty lub wkład w projekty open source
Benefity
- Płatne dni świąteczne obchodzone przez GM w Stanach Zjednoczonych
- Dostęp do programu zniżek na pojazdy GM Family First
- Możliwość rozwoju w GM w zależności od wyników pracy
- Wydarzenia dla stażystów oferujące możliwości nawiązywania kontaktów z liderami firmy i innymi stażystami
- Jednorazowe opodatkowane świadczenie wypłacane ryczałtowo dla uprawnionych studentów w celu wsparcia relokacji