Mobileye разрабатывает передовые системы помощи водителю и технологии автономного вождения для автомобильной промышленности. Компания объединяет компьютерное зрение, искусственный интеллект, собственные аппаратные решения и программное обеспечение для повышения безопасности автомобилей — от помощи водителю до автономной эксплуатации. Ее системы установлены более чем в 190 миллионах автомобилей, что отражает роль Mobileye во внедрении автомобильных технологий на основе машинного зрения в массовое производство.
Исследователь прикладного ИИ в области визуального GenAI в Mobileye (гибридный формат, Израиль)
Развивайте визуальный GenAI, диффузионные модели и компьютерное зрение для технологий автономного вождения Mobileye. Создавайте решения на основе синтетических данных, используя собственные наборы данных и высокопроизводительную вычислительную инфраструктуру.
Описание
- Руководите полным циклом разработки: от обучения генеративных моделей до адаптации передовых архитектур для реальных задач автономного вождения.
- Исследуйте, оценивайте и совершенствуйте модели GenAI и компьютерного зрения с помощью масштабируемых и качественных реализаций на Python.
- Сотрудничайте с исследователями ИИ и командами восприятия для применения синтетических данных в реальных системах ИИ.
- Следите за новыми разработками в области искусственного интеллекта, генеративного моделирования и компьютерного зрения.
- Создавайте решения GenAI с использованием крупных собственных наборов данных и высокопроизводительной вычислительной инфраструктуры для приложений автономных транспортных средств.
Требования
- Степень магистра или доктора в области компьютерных наук, электротехники или смежной дисциплине.
- Не менее трёх лет опыта работы в индустрии в области глубокого обучения и компьютерного зрения.
- Продвинутое владение Python и PyTorch.
- Сильные навыки решения задач, проведения исследований и аналитического мышления.
- Практический опыт применения методов генеративного ИИ, таких как диффузионные модели и GAN.
- Опыт работы с визуально-языковыми моделями и мультимодальным обучением.
- Публикации на ведущих конференциях, таких как CVPR, NeurIPS или ECCV.
- Практический опыт работы с Linux, AWS, Docker и виртуальными окружениями.
- Знание традиционных методов компьютерного зрения.