Auf einen Blick
- Aufgaben: Entwickle Deep Learning Modelle für autonome Fahranwendungen und optimiere DNN-Modelle für den Einsatz.
- Arbeitgeber: MOBIS Parts Europe N.V., führender Anbieter im Automobilbereich mit innovativen Technologien.
- Mitarbeitervorteile: Flexibles Arbeitszeitmodell, moderne Büros, kostenlose Snacks und monatliche Essensgutscheine.
- Warum dieser Job: Gestalte die Zukunft der Automobiltechnologie und arbeite an spannenden Projekten.
- Gewünschte Qualifikationen: Masterabschluss in Informatik oder verwandten Bereichen und 3+ Jahre Erfahrung in Deep Learning.
- Andere Informationen: Internationale Zusammenarbeit mit großartigen Karrierechancen und regelmäßigen Firmenveranstaltungen.
Das voraussichtliche Gehalt liegt zwischen 48000 - 84000 € pro Jahr.
Um unser europäisches Hauptquartier in Frankfurt am Main zu stärken, suchen wir derzeit nach einem neuen Teammitglied.
Über uns: MOBIS Parts Europe N.V. ist die europäische Tochtergesellschaft von Hyundai MOBIS, einem weltweit führenden Anbieter von Originalteilen und Zubehör im Automobilbereich. Zusammen mit Hyundai Motors und Kia Motors gehört Hyundai MOBIS zu den größten Unternehmen innerhalb der Hyundai-Gruppe. Neben der Forschung und Entwicklung hochmoderner Produkte für Personenkraftwagen ist MOBIS Parts Europe N.V. für das gesamte Aftersales-Geschäft mit Originalteilen und Zubehör für Hyundai Motors und Kia Motors in Europa verantwortlich.
Ihr Profil:
- Master-Abschluss in Informatik, Elektrotechnik, Robotik oder einem vergleichbaren Bereich.
- 3+ Jahre Erfahrung in der Entwicklung von Deep Learning-Modellen für autonome Fahranwendungen, Computer Vision oder Robotikanwendungen.
- Starke Programmierkenntnisse in Python sowie Kenntnisse in Deep Learning-Frameworks wie PyTorch oder TensorFlow.
- Solide mathematische Grundlagen, die für Machine Learning und Robotik relevant sind: Lineare Algebra, Wahrscheinlichkeit/Statistik und 3D-Geometrie.
- Praktische Erfahrung in der Implementierung von Trainings- und Evaluierungs-Pipelines für multimodale Wahrnehmungsprobleme wie 3D-Objekterkennung.
- Kenntnisse in der Optimierung von Modellen für den Einsatz (Quantisierung, Pruning, ONNX, TensorRT) sind wünschenswert.
- Erfahrung mit C/C++ für Modellinferenz und Systemintegration ist von Vorteil.
- Komfortabel im Arbeiten in Linux-basierten Entwicklungsumgebungen, mit Tools wie Git, Docker, ROS2 und CI/CD-Workflows.
- Bereitschaft, neue Technologien basierend auf den Projektbedürfnissen zu erlernen.
- Ausgezeichnete Kommunikationsfähigkeiten und die Fähigkeit, in einem multidisziplinären Ingenieur- und Forschungsteam auf Englisch zusammenzuarbeiten.
Ihre Aufgaben:
- Identifizierung von modernen Deep Neural Network-Architekturen für Sensorfusion und End-to-End-Lernen zur Bewertung der Anwendbarkeit für autonome Fahranwendungen.
- Implementierung effizienter DNN-Trainingspipelines und Optimierung von DNN-Modellen für den Einsatz auf eingebetteten Plattformen mit Hardwarebeschränkungen.
- Messung der Leistung von neuronalen Netzwerken und iterative Verbesserung der funktionalen Leistung bei Anwendungsfällen.
- Untersuchung von Problemen in bestehender Algorithmussoftware und Verbesserung dieser durch Bereitstellung von Lösungsansätzen.
- Dokumentation von Methoden, Experimenten und Ergebnissen; Erstellung technischer Berichte und Präsentationen für interne und externe Stakeholder.
- Kurierung großer Datensätze, um eine qualitativ hochwertige Ausbildung und Validierung sicherzustellen.
- Zusammenarbeit beim Einsatz trainierter Netzwerke in C/C++-basierten Integrationsumgebungen für Tests im Fahrzeug.
Was wir Ihnen bieten:
- Sie werden ein wichtiges Mitglied eines internationalen Unternehmens, das stark auf die Entwicklung neuester Automobiltechnologien fokussiert ist.
- Übernehmen Sie eine spannende Position, die direkt die Richtung des Unternehmens in der Automobilindustrie beeinflusst.
- Langfristige Karriereperspektive und vielversprechende Wachstumschancen.
- Flexibles Arbeitszeitmodell, das eine attraktive Work-Life-Balance gewährleistet.
- Modernes Büro mit Tischtennisraum, Denkraum und voll ausgestatteten Besprechungsräumen.
- Cafeteria-Bereich, der täglich mit Mittags-Snacks und frischen Früchten bestückt wird; zusätzlich werden monatlich Essensgutscheine ausgegeben.
- Kostenloser gesicherter Parkplatz für Fahrräder und Autos.
- Große öffentliche Verkehrsanbindungen.
- Viele Unternehmensvorteile, einschließlich Rabatte auf Mitgliedschaften in nahegelegenen Fitnessstudios.
- Regelmäßige Unternehmensveranstaltungen, jährliche Sportwettkämpfe und kulturelle Tage, die von unserem DEI Allies-Team organisiert werden.
- Betriebliche Altersvorsorge.
Panna Pertics
Talent Acquisition Partner
MOBIS Parts Europe N.V.
Zweigniederlassung Deutschland
Frankfurter Strasse 60-68
65760 Eschborn
Sensor Fusion Deep Learning Engineer (m/f/d) Arbeitgeber: MOBIS Parts Europe N.V.
Kontaktperson:
MOBIS Parts Europe N.V. HR Team
StudySmarter Bewerbungstipps 🤫
So bekommst du den Job: Sensor Fusion Deep Learning Engineer (m/f/d)
✨Tipp Nummer 1
Netzwerken ist der Schlüssel! Nutze Plattformen wie LinkedIn, um mit Leuten aus der Branche in Kontakt zu treten. Lass uns wissen, wenn du Fragen hast oder Unterstützung brauchst!
✨Tipp Nummer 2
Bereite dich auf technische Interviews vor! Übe Coding-Challenges und vertiefe dein Wissen über Deep Learning-Modelle. Wir haben viele Ressourcen, die dir dabei helfen können.
✨Tipp Nummer 3
Sei bereit, deine Projekte zu präsentieren! Zeige, was du kannst, indem du deine bisherigen Arbeiten und Erfolge teilst. Das macht einen großen Eindruck auf potenzielle Arbeitgeber.
✨Tipp Nummer 4
Bewirb dich direkt über unsere Website! So hast du die besten Chancen, gesehen zu werden. Wir freuen uns darauf, von dir zu hören und vielleicht bald im Team zu haben!
Diese Fähigkeiten machen dich zur top Bewerber*in für die Stelle: Sensor Fusion Deep Learning Engineer (m/f/d)
Tipps für deine Bewerbung 🫡
Mach deine Bewerbung persönlich: Zeig uns, wer du bist! Verwende eine freundliche und authentische Sprache in deinem Anschreiben. Erzähl uns, warum du dich für die Position als Sensor Fusion Deep Learning Engineer interessierst und was dich an der Arbeit bei MOBIS begeistert.
Betone deine relevanten Erfahrungen: Stell sicher, dass du deine 3+ Jahre Erfahrung in der Entwicklung von Deep Learning Modellen klar hervorhebst. Nenn konkrete Projekte oder Technologien, mit denen du gearbeitet hast, um uns zu zeigen, dass du die richtige Person für den Job bist.
Technische Fähigkeiten im Fokus: Vergiss nicht, deine Programmierkenntnisse in Python und deine Erfahrung mit Frameworks wie PyTorch oder TensorFlow zu betonen. Zeig uns, dass du auch mit C/C++ umgehen kannst und dass du bereit bist, neue Technologien zu lernen!
Bewerbung über unsere Website: Wir empfehlen dir, deine Bewerbung direkt über unsere Website einzureichen. So stellst du sicher, dass sie schnell und unkompliziert bei uns ankommt. Wir freuen uns darauf, von dir zu hören!
Wie du dich auf ein Vorstellungsgespräch bei MOBIS Parts Europe N.V. vorbereitest
✨Verstehe die Technologien
Mach dich mit den neuesten Entwicklungen in der Sensorfusion und Deep Learning vertraut. Informiere dich über aktuelle DNN-Architekturen und deren Anwendung im autonomen Fahren. Das zeigt dein Interesse und deine Bereitschaft, dich in das Thema einzuarbeiten.
✨Praktische Beispiele parat haben
Bereite konkrete Beispiele aus deiner bisherigen Arbeit vor, die deine Fähigkeiten in der Entwicklung von Deep Learning Modellen zeigen. Zeige, wie du Probleme gelöst hast und welche Ergebnisse du erzielt hast. Das gibt dem Interviewer einen klaren Eindruck von deinem Können.
✨Teamarbeit betonen
Da die Stelle eine enge Zusammenarbeit mit multidisziplinären Teams erfordert, solltest du Beispiele für erfolgreiche Teamprojekte bereit haben. Betone deine Kommunikationsfähigkeiten und wie du zur Teamdynamik beigetragen hast.
✨Fragen vorbereiten
Bereite einige durchdachte Fragen über das Unternehmen und die spezifischen Herausforderungen der Position vor. Das zeigt dein Engagement und dein Interesse an der Rolle sowie an der langfristigen Entwicklung innerhalb des Unternehmens.