Staff Machine Learning Engineer (Radar & AI) in München

Schließen Sie sich dem weltklasse Entwicklungszentrum von General Motors in München an, wo wir fortschrittliche hochauflösende Radar-Sensoren entwerfen, die Personal Autonomous Vehicles (PAVs) antreiben. Unser einzigartiger Ansatz kombiniert Sensorinnovation mit direkter Fahrzeugintegration und ermöglicht eine enge Zusammenarbeit mit globalen Teams wie Perception. Dieses integrierte Modell bietet ein nahtloses Benutzererlebnis und hält gleichzeitig die höchsten Sicherheitsstandards ein. Die in München entwickelten Radarsysteme spielen eine entscheidende Rolle in unserer Mission, selbstfahrende Technologie zu nutzen, um Leben zu retten, die urbane Mobilität zu transformieren, Reisezeiten neu zu definieren und die Bewegungsfreiheit zu erweitern.

Wenn Sie motiviert sind, komplexe Ingenieurchallenges anzugehen, Ihre Arbeit in realen autonomen Fahrzeugen eingesetzt zu sehen und zu bedeutenden Veränderungen auf globaler Ebene beizutragen, laden wir Sie ein, sich uns anzuschließen.

Über die Rolle: Als Staff Machine Learning Engineer sind Sie Teil des Radar-ML-Teams in München und entwickeln KI-Technologie, die Radardaten in umsetzbare Informationen für die autonomen Fahrzeuge von GM umwandelt. Sie arbeiten eng mit wichtigen Stakeholdern in München und den USA zusammen, um die technische Strategie zu definieren, Radar-ML-Modelle zu trainieren, zu evaluieren und zu warten. Darüber hinaus entwickeln Sie wichtige radar-spezifische Werkzeuge zur Vorverarbeitung und Merkmalsextraktion und arbeiten mit Software- und Algorithmus-Teams in München zusammen, um eine robuste, ressourcenschonende Bereitstellung sicherzustellen. Ihre Arbeit ist zentral für den Kreislauf zwischen Daten, Modellentwicklung und Leistung auf der Straße und treibt direkt die Radarwahrnehmungs-Roadmap und Sicherheitsziele voran.

Bereiche der Arbeit:

• End-2-End-Optimierung: Arbeiten Sie mit upstream Radar Engineers in München sowie downstream AI Engineers in München und den USA zusammen, um die Radar-Signalverarbeitung und den KI-Datenverbrauch perfekt aufeinander abzustimmen.
• Datenpipeline: Stellen Sie Werkzeuge für die grundlegende Pipeline bereit und pflegen Sie diese, die unser Modelltraining und unsere Evaluierung speist.
• Synthetische Datengenerierung: Tragen Sie zur Erstellung realistischer Radardatensätze bei, um deren Einfluss auf die Trainingsqualität und -genauigkeit zu erhöhen.

Was wir suchen:

• Analytisches Denken: Fähigkeit, komplexe Probleme zu identifizieren, zu strukturieren und effizient zu lösen.
• ML-Expertise: Tiefes Verständnis typischer ML-Architekturen und des entsprechenden Datenflusses für AV-Anwendungen und wie sie trainiert und optimiert werden.
• Radar-Expertise: Erfahrung in moderner Radar-Signalverarbeitung und den von Bildradarsystemen erzeugten Datenprodukten. Tiefes Verständnis des Informationsgehalts, der in Radardaten kodiert ist.
• Schneller Lerner: Kompetenz, notwendiges Wissen für neue Herausforderungen schnell zu erwerben und sich an aufkommende Themen anzupassen.
• Flexibilität: Bereitschaft, sich an sich ändernde Anforderungen anzupassen und kontinuierlich neue Technologien zu übernehmen.
• Kollaboration über Standorte hinweg: Bereitschaft, regelmäßig mit dem GM-US-Team über technische Fortschritte und Erfolge abzustimmen.
• Solide Grundlage: Starke grundlegende Kenntnisse in relevanten Bereichen, die eine weitere Spezialisierung und ein tieferes Verständnis ermöglichen.
• Kommunikation: Fähigkeit, komplexe Konzepte klar zu kommunizieren und effektiv über Teams hinweg abzustimmen.
• Teamarbeit: Kollaborative Denkweise mit der Fähigkeit, effektiv innerhalb interdisziplinärer Projektteams zu arbeiten.
• Projekterfahrung: Nachweisliche Erfahrung in der Arbeit in Projektteams auf ein gemeinsames Ziel hin.

Ihre Fähigkeiten und Fertigkeiten:

• Abschluss (Bachelor, Master oder PhD) in Informatik, Robotik, Maschinenlernen, Elektrotechnik oder einem verwandten Bereich.
• Starke Erfahrung in der Radar-Signalverarbeitung und den von Radarsystemen erzeugten Datenprodukten.
• Starke Erfahrung im Aufbau und der Skalierung von KI/ML-Systemen für Wahrnehmung, Autonomie, Robotik oder verwandte reale Systeme.
• Tiefe praktische Erfahrung mit modernen Deep-Learning-Frameworks wie PyTorch und starke Kenntnisse in Python.
• Erfahrung in der Arbeit mit Modelltraining-Pipelines, großangelegten Datenworkflows und Infrastruktur, die eine effiziente Modelliteration über Teams hinweg ermöglicht.
• Starke Datenverarbeitungsfähigkeiten mit Werkzeugen wie NumPy, Pandas und Apache Spark.
• Starke Erfahrung in der Modellvalidierung, Fehlersuche, Leistungsoptimierung und Fehleranalyse unter realen Bedingungen und Zeitrahmen.
• Starke Erfahrung mit multimodalen Sensorfusionen und Wahrnehmungspipelines unter Verwendung von Kameras, Radar, Lidar oder verwandten Sensormodalitäten.
• Erfahrung in der Definition von Metriken und Evaluierungsmethoden für Wahrnehmungs- oder Autonomiesysteme.
• Starke Kommunikationsfähigkeiten, die eine effektive Zusammenarbeit über Ingenieurteams hinweg ermöglichen.
• Erfahrung in der Bereitstellung oder Vorbereitung von ML-Modellen für Produktionsumgebungen und Verständnis der End-to-End-Bereitstellungsabläufe.

Diese Rolle wird als hybrid kategorisiert. Das bedeutet, dass der ausgewählte Kandidat erwartet wird, mindestens 3 Tage pro Woche an einem bestimmten Standort zu berichten.

Über GM: Unsere Vision ist eine Welt mit Null Unfällen, Null Emissionen und Null Staus, und wir übernehmen die Verantwortung, den Wandel zu führen, der unsere Welt besser, sicherer und gerechter für alle machen wird.

Warum uns beitreten: Wir glauben, dass wir jeden Tag – individuell und kollektiv – eine Wahl treffen müssen, um durch unsere Worte, Taten und unsere Kultur bedeutende Veränderungen voranzutreiben. Jeden Tag möchten wir, dass sich jeder Mitarbeiter als Teil eines General Motors-Teams fühlt.

Gleichberechtigung und Chancengleichheit: General Motors verpflichtet sich, ein Arbeitsplatz zu sein, der nicht nur frei von rechtswidriger Diskriminierung ist, sondern auch tatsächlich Inklusion und Zugehörigkeit fördert. Wir glauben fest daran, dass die Schaffung eines inklusiven Arbeitsplatzes ein Umfeld schafft, in dem unsere Mitarbeiter gedeihen und bessere Produkte für unsere Kunden entwickeln können.