Angewandter Machine-Learning-Ingenieur – Vision-Language-Modelle

Ein Unternehmen entwickelt dialogorientierte Fahrerlebnisse, die modernste Vision-Language-Modelle mit erweiterten Fahrzeugfunktionen verbinden. Ziel ist es, KI-Systeme zu schaffen, die die Absicht 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 verbindet praxisnahe Machine-Learning-Entwicklung, Experimente, Evaluierung und Data Engineering. Sie ist ideal für Ingenieure, die gerne KI-Systeme aufbauen und verbessern und dabei an realen Anwendungen arbeiten.

Wichtige Aufgaben:

• VLM-basierte Lösungen für dialogorientiertes Parken und verwandte Fahranwendungsfälle entwickeln und bewerten.
• Datensätze, Benchmarks und Evaluierungsframeworks für die Modellbewertung aufbauen.
• Experimente entwerfen und durchführen, um Genauigkeit, Robustheit und Zuverlässigkeit des Modells zu verbessern.
• Die Anpassung des Modells durch Prompting, Fine-Tuning und datengetriebene Ansätze unterstützen.
• Modellfehler analysieren und Verbesserungsmöglichkeiten identifizieren.
• Tools für Datenaufbereitung, Tests und automatisierte Evaluierung entwickeln.
• Mit Integrationsingenieuren zusammenarbeiten, um Deployment- und Validierungsaktivitäten zu unterstützen.
• Entwicklungen in multimodaler KI, Vision-Language-Modellen und verkörperten KI-Systemen beobachten.
• Erkenntnisse dokumentieren und technische Ergebnisse an die Projektbeteiligten kommunizieren.
• Zur Entwicklung zukünftiger KI-gestützter automotive Erlebnisse beitragen.

Must Have Anforderungen:

• Bachelor- oder Masterabschluss in Informatik, Machine Learning, Robotik, Elektrotechnik oder einem verwandten Fachgebiet.
• 2+ Jahre Erfahrung in der Entwicklung von Machine-Learning- oder Computer-Vision-Lösungen.
• Erfahrung mit Python und modernen Machine-Learning-Frameworks.
• Verständnis der Grundlagen von Deep Learning, Computer Vision und multimodaler KI.
• Erfahrung im Entwerfen von Experimenten und in der Bewertung von Modellleistung.
• Ausgeprägte Problemlösungs- und Analysefähigkeiten.

Bevorzugte Qualifikationen:

• Erfahrung mit Vision-Language-Modellen, multimodaler KI oder großen Foundation Models.
• Erfahrung mit Computer-Vision-Datensätzen und Annotation-Pipelines.
• Vertrautheit mit Model-Fine-Tuning und Evaluierungsmethoden.
• Erfahrung mit cloudbasierten ML-Umgebungen wie Azure.
• Verständnis von autonomem Fahren, Robotik oder ADAS-Anwendungen.
• Erfahrung in der Zusammenarbeit in funktionsübergreifenden Engineering-Teams.