Thesis Machine Learning for Automated Driving (f/m/x)

Aufgaben

• Bewertung und Evaluation von Multi-Modal-Ansätzen für Szenario- und Konzepterkennung, einschließlich CLIP, VideoCLIP und BLIP
• Formalisierung der Aufgabe als Multi-Label, Multi-Modal Temporal-Classification-Problem mit Bild-, Objekt- und Standortdaten
• Definition von Anforderungen für das Labeling wachsender Szenario-Konzepte
• Entwurf einer kompakten Multi-Modal-Fusionsarchitektur für mehrere Sensordatenströme
• Anwendung von Modelloptimierungstechniken wie Knowledge Distillation, Quantisierung und Pruning
• Aufbau von Training- und Evaluierungs-Pipeline sowie Definition geeigneter Evaluierungsmetriken
• Bewertung der Machbarkeit für den Fahrzeugeinsatz hinsichtlich Laufzeit und Speicherfußabdruck

Anforderungen

• Studium in Informatik, Elektrotechnik, Robotik, Data Science oder verwandtem Bereich
• Solide Grundlagen in Machine Learning und Deep Learning, idealerweise mit Erfahrung in Computer Vision oder Multi-Modal Learning
• Python-Kenntnisse und Erfahrung mit gängigen ML-Frameworks wie PyTorch oder TensorFlow
• Detailliertes Wissen zu Modelloptimierungstechniken wie Quantisierung, Pruning oder Distillation
• Erfahrung mit Sequenzmodellen wie Transformern ist ein Plus
• Interesse an automatisiertem Fahren, Sensorfusion und embedded oder edge ML deployment
• Strukturierte und präzise Arbeitsweise sowie ausgeprägter Teamgeist
• Sehr gute Englischkenntnisse; Deutschkenntnisse sind von Vorteil

Das bieten wir

• Umfassendes Mentoring und Onboarding
• Persönliche und berufliche Entwicklung
• Flexible Arbeitszeiten
• Mobile Work
• Attraktive und faire Vergütung
• Studentische Wohnheime (unter Vorbehalt und nur am Standort München)