PhD - Effiziente Neuronale Repräsentation von Datensätzen

Wir forschen an hochmodernen Deep Generative Models die dazu dienen reale BoschSysteme dateneffizient zu machen. Wir suchen eine:n Doktorandin bzw. Doktoranden der sich fr die Erforschung kreativer Anwendungen generativer Modelle (z.B. Stable Diffusion) als kontrollierbare Datensatzdarstellung fr Training sowie Validierung von Netzwerken fr nachgelagerte Aufgaben interessiert.

Nicht alle Datenpunkte in einem Datensatz sind gleichermaen wichtig fr die Leistung eines neuronalen Netzwerks. Mit fortschreitendem Training ist der Verlust einiger Datenpunkte mglicherweise nicht mehr aussagekrftig da das Netzwerk bereits alles daraus gelernt hat was es kann. Daher kann es von Vorteil sein das Netzwerktraining zu beobachten um die richtigen Daten zur richtigen Zeit bereitzustellen. Allerdings ist die Auswahl von Daten aus einem festen Datensatz problematisch wenn kein Bild mit der genauen Mischung von Attributen vorhanden ist. Ziel dieses Doktorandenprojekts ist die Entwicklung neuer Lernalgorithmen zur Generierung relevanter Daten on Demand als Reaktion auf den Bedarf des Netzwerks. Dazu gehrt unter anderem die Verbesserung der Trainingseffizienz durch die Synthese von Daten besserer Relevanz sowie durch gezielte Erstellung von Beispielen sicherzustellen dass die gewnschte Invarianz erzielt wird.

• Als Teil unseres Teams entwickeln Sie neuartige Anstze zur Anpassung von Deep Generative Models (z.B. Diffusion Models GANs VAEs) als Datenquellen um nachgelagerte Modelle besser zu trainieren und zu validieren.
• Darber hinaus nutzen Sie die Steuerbarkeit und das Wissen generativer Basismodelle um Datenstze nicht mehr nur als eine lose Sammlung von Bildern zu betrachten.
• Sie diskutieren sowie entwickeln neue Ideen mit den Expertinnen bzw. Experten fr Deep Learning und Computer Vision im Bosch Center for AI.
• Darber hinaus haben Sie die Mglichkeit Ihre Ergebnisse in hochrangigen Fachzeitschriften und Konferenzen zu verffentlichen.

Qualifications :

• Ausbildung: ausgezeichneter Abschluss in Informatik oder einem verwandten Bereich mit Schwerpunkt auf Computer Vision und Deep Learning
• Erfahrungen und Knowhow: fundierter Hintergrund in Deep Learning und Computer Vision Erfahrung mit DeepLearningFrameworks (TensorFlow PyTorch usw.) sowie sehr gute Programmierkenntnisse (insbesondere Python) erforderlich praktische Erfahrung mit Deep Generative Modeling und Foundation Models sind ein Plus Verffentlichungen von peerreviewten Forschungsarbeiten ebenfalls von Vorteil gute wissenschaftliche Schreibfhigkeiten
• Begeisterung: Begeisterung in einem interdisziplinren sowie internationalen Team zu arbeiten
• Sprachen: sehr gutes Englisch

Zustzliche Informationen :

reichen Sie alle relevanten Unterlagen ein (einschlielich Lebenslauf Zeugnisse).

Wir bieten flexible Arbeitsmodelle: von unterschiedlichen Teilzeitmglichkeiten ber mobiles Arbeiten bis hin zum Jobsharing. Sprechen Sie uns gerne dazu an.

Vielfalt und Inklusion sind fr uns keine Trends sondern fest verankert in unserer Unternehmenskultur. Daher freuen wir uns ber alle Bewerbungen: unabhngig von Geschlecht Alter Behinderung Religion ethnischer Herkunft oder sexueller Identitt.

Sie haben Fragen zum Bewerbungsprozess

Sarah Schneck (Personalabteilung)

Sie haben fachliche Fragen zum Job
Jiayi Wang (Fachabteilung)
49 9
Anna Khoreva (Fachabteilung)
49 9