Ingénieur·e en apprentissage automatique, II — Modèle de scène (Perception Remote - US, Ann Arb[...]

Ingénieur·e en apprentissage automatique, II — Modèle de scène (Perception Àproposdel'entrepriseÀ Torc, nousavonstoujourscruquelatechnologiedesvéhiculesautonomestransformerala façondontnousvoyageons,transportonslamarchandiseetfaisonsdes affaires.Leader de laconduiteautonomedepuis2007, Torc a passé plusd'unedécennieàcommercialiserdes solutions auxcôtésdepartenaireschevronnés. Nous faisons maintenant partie de la famille Daimler, cequi nouspermetde nousconcentreruniquementsur ledéveloppementdelogicielspour les camionsautomatisés. Noustransformeronsla façondontle mondetransportelamarchandise.Joignez‐vousànotreéquipe:catapultezvotrecarrièreau sein del'entrepriseayantcontribuéàcréerlatechnologiedeconduiteautonome(CA). Noussommesla premièreentreprisedelogicielsde CAayanteula vision de faire équipedirectementavec unconstructeurde camions.La connaissance de l'anglais est exigée puisque la personne retenue devra collaborer de façon journalière avec des collègues anglophones aux États‐Unis et travailler avec la documentation technique rédigée uniquement en anglais.CommeIngénieur·een apprentissage automatique, II - Modèle de scène, vous contribuerez au développement et au déploiement de modèles d'apprentissage automatique qui permettent aux camions autonomes de comprendre leur environnement. Notre équipe travaille sur la conception de systèmes de perception multimodaux en représentation BEV (Bird's‐Eye‐View). Ceux‐ci fusionnent les informations provenant des LiDARs, caméras, radars et cartes pour produire une représentation unifiée de la scène.En travaillant en étroite collaboration avec les équipes de perception, de prédiction, de planification et d'infrastructure de plateforme, vous contribuerez aux modèles qui détectent les objets, comprennent la structure des routes et génèrent des représentations spatio‐temporelles utilisées par les systèmes de conduite autonome en aval.Ce poste consiste à développer et améliorer les modèles d'apprentissage profond, les pipelines d'entraînement et les flux de travail des données qui favorisent la compréhension au sein de la pile d'autonomie.Développer et entraîner les modèles d'apprentissage automatique pour la compréhension de scènes, ce qui comprend des tâches comme la détection d'objet, la prédiction de route et de voie, la classification de grille par voxel sémantique, la prédiction d'occupation et la compréhension de cartes dans un espace BEV.Mettre en œuvre uncode d'AA de qualité productionafin d'appuyer l'entraînement, l'évaluation et l'inférence de modèles au sein de la pile de perception.Analyser le rendement de modèles, identifier les modes d'échec et proposer des améliorations afin d'augmenter la robustesse à travers différents environnements et diverses conditions de conduite.Identifier et interpréter les objets, les voies, les obstacles et les conditions météorologiques dans l'environnement de conduite.Appliquer des techniques de la science des données pour analyser le rendement des modèles, comprendre les distributions de données et identifier les «corner cases».Contribuer auxsystèmes de perception multimodaux , en combinant les signaux provenant des LiDARs, caméras, radars et cartes dans des représentations unifiées des scènes.Travailler avec des ensembles de données à grande échelle provenant des simulations, des registres de flotte et des véhicules afin d'organiser les données d'entraînement et d'améliorer le rendement des modèles.Collaborer avec leséquipes des données, du déploiement et de l'infrastructureafin d'évaluer les modèles de perception et d'assurer un rendement fiable lors de scénarios de conduite dans le monde réel.Aider à intégrer les modèles de perception à la pile d'autonomie et tester les pipelines, permettant ainsi une expérimentation et une itération plus rapides.Contribuer aux outils et à l'infrastructure qui améliorentl'efficacité de l'entraînement, le suivi de l'expérimentation et la répétabilité .Participer aux discussions techniques par rapport auxarchitectures de modèles, aux stratégies de fusion de capteurs et aux approches d'entraînementau sein de l'équipe.CedontvousaurezbesoinpourréussirBaccalauréat en informatique, robotique, génie électrique, apprentissage automatique ou autre domaine technique connexe avec au moins 4ans dans le milieu ou une maîtrise avec au moins 2ans d'expérience.Grande compréhension de la vision par ordinateur et des notions de base de l'apprentissage automatique.Expérience en application de techniques d'apprentissage automatique, comme l'apprentissage par imitation, l'apprentissage par renforcement ou la modélisation par séquence, à la robotique, aux systèmes autonomes ou aux environnements de contrôle complexes.Compétences robustes en programmation Python et PyTorch, avec de l'expérience en codage d'AA de qualité production.Expérience en entraînement et évaluation de modèles d'apprentissage automatique à l'aide de grands ensembles de données et d'environnements informatiques adaptatifs.Compréhension des architectures d'AA utilisées dans les systèmes de conduite autonome, comme les transformateurs, les réseaux neuronaux graphiques ou les modèles par séquence.Expérience en débogage du comportement des modèles, en analyse des données métriques de rendement et en itération sur les pipelines d'entraînement.Capacité à collaborer avec des équipes pluridisciplinaires afin d'intégrer les modèles d'AA à de plus grands systèmes logiciels.Bon niveau de compétences en communication technique, écrite et verbale.Esprit d'équipe positif.Doctorat en apprentissage automatique ou science des données.Expérience de travail en conduite autonome, en robotique ou dans des environnements d'apprentissage par simulation.Expérience avec les cadres d'apprentissage distribué ou l'infrastructure d'AA à grande échelle (par ex., Ray, Anyscale).Expérience de travail dans des environnements de simulation ou des ensembles de données de comportements à grande échelle.Familiarité avec la dynamique du véhicule, la planification des mouvements ou des systèmes de prise de décision multi‐agent.Expérience en déploiement de modèles d'AA dans les systèmes robotiques en temps réel ou de production.Expérience avec lafusion de capteurs multimodaux , dont les LiDARs, caméras, radars ou cartes.Expérience de travail avec lesreprésentations BEV, les grilles d'occupation ou les représentants de scènes 3D .Avantages d'être un employé à temps pleinTorc'rTorcse soucie de ses membres d'équipe et s'efforce de fournir des avantages et des ressources pour soutenir leur santé, leur équilibre entre vie professionnelle et vie personnelle, ainsi que leur avenir. Notre culture est collaborative, dynamique et axée sur le travail d'équipe.Torcoffre:Un programme de rémunération concurrentiel incluant un volet de primes et des options d'achat d'actionsUne couverture médicale, dentaire et de la vue pour les employés à temps pleinUn régime d'épargne‐retraite (REER) avec une contribution de l'employeur de 4 %Une subvention pour le transport en commun (uniquement dans la région de Montréal)Une flexibilité des horaires et des vacances payées généreusesDes fermetures de bureau pendant les congés fériés à l'échelle de l'entrepriseÀ Torc, nousnousengageonsàcultiverun milieu de travaildiversifiéetinclusif. Nous célébrons l'unicité de chaque membre de l'équipe de Torc. Nous ne faisons pas de discrimination par rapport à l'origine ethnique, la religion, la couleur de peau, la nationalité, le genre (y compris la grossesse, les enfants ou autre condition médicale), l'orientation sexuelle, l'identité de genre, l'expression de genre, l'âge, le statut de vétéran ou les handicaps.Mêmesivousnerépondezpas à 100 % des qualificationsénuméréespourceposte, nousvousinvitonsàpostuler.Notre rémunération reflète le coût de la main‐d'œuvre sur plusieurs marchés géographiques . Le salaire est déterminé en fonction d'un certain nombre de facteurs et peut varier en fonction des connaissances, des compétences et de l'expérience liées au poste. Le programme de rémunération globale de Torc comprend également notre prime corporative et notre régime d'options d'achat d'actions. Selon le poste proposé, des primes d'embauche, des indemnités de relocalisation ou d'autres formes de rémunération peuvent aussi être inclus dans le cadre du programme de rémunération globale, en plus d'une gamme complète d'avantages sociaux, médicaux, financiers et/ ou autres.#J-18808-Ljbffr