Master Thesis - Optimizing Sparse 3D Occupancy Prediction for Embedded Devices - REF5666W

Master Thesis - Optimizing Sparse 3D Occupancy Prediction for Embedded Devices - REF5666W

Potsdam Vollzeit 1000 - 1500 € / Monat (geschätzt) Kein Homeoffice möglich
A

Auf einen Blick

  • Aufgaben: Arbeite an der Optimierung von 3D-Semantischen Belegungsprognosen für eingebettete Geräte.
  • Unternehmen: Innovatives AI-Labor in Berlin mit flexibler Arbeitskultur.
  • Vorteile: Flexible Arbeitszeiten, Möglichkeit für Remote-Arbeit und wertvolle Forschungserfahrung.
  • Weitere Informationen: Ideal für Studierende, die eine Karriere in der Forschung oder einen PhD anstreben.
  • Warum dieser Job: Erhalte Einblicke in cutting-edge Technologien und trage zur Zukunft des autonomen Fahrens bei.
  • Qualifikationen: Studium in KI, Maschinenlernen oder verwandten Bereichen; starke Programmierkenntnisse in Python erforderlich.

Das prognostizierte Gehalt liegt zwischen 1000 - 1500 € pro Monat.

Sie suchen nach einer spannenden Thesis und möchten wertvolle Einblicke in das Gebiet der 3D Semantic Occupancy Prediction für Embedded Devices gewinnen? Dann haben wir genau das Richtige für Sie!

Die folgenden Aufgaben sind in dieser Masterarbeit zu bearbeiten:

  • Aktive Arbeit an der Sparsifizierung, dem Pruning und der Quantisierung von CNN- und transformerbasierten Architekturen für autonomes Fahren.
  • Entwurf, Implementierung und Evaluierung von Modellen und Trainingsalgorithmen für runtime-optimierte 3D-semantische Belegungsprognosen.
  • Zusammenfassung der Forschungsergebnisse in einer Arbeit/Masterarbeit und/oder Patentanmeldung.

Wir suchen Sie ab Februar für einen Zeitraum von 6 Monaten, um uns in unserem KI-Labor in Berlin zu unterstützen. Wir benötigen Sie hauptsächlich vor Ort in Berlin, verstehen jedoch auch, dass es Tage gibt, an denen Sie lieber von zu Hause aus arbeiten möchten. Daher finden wir gemeinsam eine Lösung, die uns allen passt - Homeoffice ist in Absprache mit Ihrem Betreuer möglich.

Diese Position ist besonders gut geeignet für Studierende, die eine Zukunft in der Forschung in Betracht ziehen oder eine Promotion anstreben.

Hier sind die wichtigsten Qualifikationen, die wir suchen:

  • Sie studieren im Bereich Künstliche Intelligenz, Maschinelles Lernen, Computer Vision, Informatik, Robotik, Mathematik oder vergleichbaren Studiengängen, sodass Sie grundlegende Aspekte unseres Verantwortungsbereichs haben.
  • Starke Programmierkenntnisse in Python sind für diese Position unbedingt erforderlich.
  • Sie sollten ein starkes Interesse an der Optimierung von Laufzeiten haben.
  • Es wäre großartig, wenn Sie Erfahrung in der 3D-Wahrnehmung, vorherige Kenntnisse in Multihead Attention, Erfahrung mit Deep Learning, Training und Optimierung großer Architekturen sowie bereits mit Docker, PyTorch, OOP und Git gearbeitet haben.
  • Nachgewiesene Forschungs-/Software-Engineering-Erfahrung durch frühere Praktika, Berufserfahrung, Programmierwettbewerbe und/oder Forschungsprojekte und -arbeiten sind von Vorteil.
  • Fließende Englischkenntnisse in Wort und Schrift sind für uns unbedingt erforderlich.

Master Thesis - Optimizing Sparse 3D Occupancy Prediction for Embedded Devices - REF5666W Arbeitgeber: AUMOVIO Germany GmbH

Unser Unternehmen bietet Ihnen die Möglichkeit, in einem innovativen und dynamischen Umfeld zu arbeiten, das sich auf die neuesten Technologien im Bereich der 3D Semantic Occupancy Prediction konzentriert. In unserem AI-Labor in Berlin fördern wir eine offene und kollaborative Arbeitskultur, die Raum für kreative Ideen und persönliche Entwicklung lässt. Darüber hinaus bieten wir flexible Arbeitszeiten und die Option auf Homeoffice, um eine ausgewogene Work-Life-Balance zu unterstützen, während Sie wertvolle Erfahrungen für Ihre zukünftige Karriere sammeln.

A

Kontaktdaten:

AUMOVIO Germany GmbH Recruiting-Team

Wir glauben, dass du diese Fähigkeiten brauchst, um Master Thesis - Optimizing Sparse 3D Occupancy Prediction for Embedded Devices - REF5666W mit Bravour zu bestehen

Sparsifying
Pruning
Quantizing
CNN-Architekturen
Transformer-Architekturen
3D Semantic Occupancy Prediction
Modellierung