Applied Machine Learning Ingenieur – Vision-Sprachmodelle

Ein Unternehmen entwickelt konversationsbasierte Fahrerlebnisse, die hochmoderne Vision Language Modelle mit fortschrittlichen Fahrzeugfunktionen verbinden. Das Ziel ist, KI-Systeme zu schaffen, die die Absichten des Fahrers verstehen und natürliche Sprachbefehle mit Park- und Fahrfunktionen verknüpfen. Das Projekt umfasst eine enge Zusammenarbeit mit ML-Forschern und ADAS-Ingenieuren, um neue KI-Technologien in praktische Automotive-Erlebnisse zu überführen.

Die Rolle kombiniert praktische Machine-Learning-Entwicklung, Experimente, Evaluation und Data Engineering. Sie ist ideal für Ingenieure, die gerne KI-Systeme entwickeln und verbessern und dabei an realen Anwendungen arbeiten.

Key responsibilities:

• Entwickeln und Evaluieren von VLM-basierten Lösungen für konversationales Parken und verwandte Fahranwendungen.
• Erstellen von Datensätzen, Benchmarks und Evaluierungs-Frameworks zur Modellbewertung.
• Entwerfen und Durchführen von Experimenten zur Verbesserung von Modellgenauigkeit, Robustheit und Zuverlässigkeit.
• Unterstützung der Modellanpassung durch Prompting, Fine-Tuning und datenorientierte Ansätze.
• Analysieren von Modellfehlern und Erkennen von Verbesserungsmöglichkeiten.
• Entwickeln von Tools für Datenaufbereitung, Tests und automatisierte Evaluation.
• Zusammenarbeit mit Integrationsteams zur Unterstützung von Deployments und Validierungsaktivitäten.
• Beobachtung von Entwicklungen in multimodaler KI, Vision-Language-Modellen und embodied KI-Systemen.
• Dokumentieren von Ergebnissen und Kommunizieren technischer Resultate an Projektbeteiligte.
• Mitwirkung an der Entwicklung zukünftiger KI-gestützter Automotive-Erlebnisse.

Unabdingbare Anforderungen:

• Bachelor- oder Masterabschluss in Informatik, Machine Learning, Robotik, Elektrotechnik oder verwandtem Fach.
• Mindestens 2 Jahre Erfahrung in der Entwicklung von Machine-Learning- oder Computer-Vision-Lösungen.
• Erfahrung mit Python und modernen Machine-Learning-Frameworks.
• Verständnis der Grundlagen des Deep Learning, Computer Vision und multimodaler KI.
• Erfahrung im Entwerfen von Experimenten und Evaluieren der Modellleistung.
• Starke Problemlösungs- und Analysefähigkeiten.

Bevorzugte Qualifikationen:

• Erfahrung mit Vision-Language-Modellen, multimodaler KI oder großen Foundation-Modellen.
• Erfahrung mit Computer-Vision-Datensätzen und Annotations-Pipelines.
• Vertrautheit mit Methoden des Fine-Tunings und der Evaluation von Modellen.
• Erfahrung mit cloudbasierten ML-Umgebungen wie Azure.
• Verständnis autonomer Fahrfunktionen, Robotik oder ADAS-Anwendungen.
• Erfahrung in interdisziplinären Ingenieurteams.