Promotion - Eigenschaftsvorhersage für Embedded (AI) Systeme

Bosch Group; Renningen; Vor Ort; EUR 60.000 - 80.000; Vollzeit

Zusammenfassung

Ein spannendes Promotionsprojekt im Bereich Deep Learning bei einem führenden Unternehmen, das sich mit der Modellierung und Performance-Schätzung von Systemen beschäftigt. Sie werden innovative Ansätze erforschen, um die Grenzen der Technik zu erweitern und die Effizienz zukünftiger Systeme zu verbessern. Kreativität und Teamarbeit sind entscheidend, um optimale Ergebnisse zu erzielen.

Qualifikationen

• Exzellent abgeschlossenes Studium in Elektrotechnik, Informationstechnik, Mikroelektronik oder Informatik.
• Programmierkenntnisse in C/C++, Python, Matlab; Kenntnisse in moderner Mathematik und KI-Algorithmen.

Aufgaben

• Untersuchung von Hardware-Eigenschaften und deren Modellierung.
• Erforschen neuartiger Methoden des maschinellen Lernens.
• Analyse von Machine-Learning-Compilern und Optimierungen.

Kenntnisse

C/C++

Python

Matlab

Machine Learning

Creativity

Teamfähigkeit

Ausbildung

Master in Elektrotechnik

Diplom in Informationstechnik

Diplom in Mikroelektronik

Diplom in Informatik

Tools

TensorFlow

PyTorch

Jobbeschreibung

Company Description

Bei Bosch gestalten wir Zukunft mit hochwertigen Technologien und Dienstleistungen, die Begeisterung wecken und das Leben der Menschen verbessern. Unser Versprechen an unsere Mitarbeiterinnen und Mitarbeiter steht dabei felsenfest: Wir wachsen gemeinsam, haben Freude an unserer Arbeit und inspirieren uns gegenseitig. Willkommen bei Bosch.

Die Robert Bosch GmbH freut sich auf Ihre Bewerbung!

Job Description

Im Bereich Deep Learning werden eine Vielzahl von verschiedenen Aufgaben adressiert, mit dem Ziel einer möglichst hohen Genauigkeit. Dies reicht von kleineren TinyML-Anwendungen auf eingebetteten Systemen bis hin zu großen Sprach/Foundation Modellen in Cloud-basierten Systemen. Eine Kerndisziplin des Entwicklungsprozesses ist die Modellierung und die Performance-Schätzung des Zielsystems. Mit dieser Arbeit wollen wir die Grenzen des aktuellen Stands der Technik erweitern, um uns mit neuen Ansätzen an die immer schneller werdenden Entwicklungszyklen anzupassen, um das Leistungsverhalten zukünftiger Systeme schneller vorherzusagen und bewerten zu können.

• In diesem Promotionsprojekt untersuchen Sie, wie verschiedene Hardware-Eigenschaften extrahiert werden können und welche Möglichkeiten es gibt, sie auf verschiedenen Abstraktions-, Effizienz- und Genauigkeitsebenen zu modellieren.
• Sie untersuchen, wie diese Merkmale verwendet werden können, um das Verhalten verschiedener Zielhardwareplattformen vorherzusagen.
• Zudem erforschen Sie verschiedene neuartige Methoden des maschinellen Lernens, einschließlich ihrer Anwendbarkeit und Effizienz im Vergleich zu herkömmlichen Modellierungsmethoden.
• Nicht zuletzt analysieren Sie Machine-Learning-Compiler und deren Verwendung im Modellierungsworkflow sowie die damit verbundenen Optimierungen für die Vorhersage.

Qualifications

• Ausbildung: exzellent abgeschlossenes Studium (Master oder Diplom) in Elektrotechnik, Informationstechnik, Mikroelektronik oder Informatik
• Erfahrungen und Know-how: Programmierkenntnisse in C/C++, Python, Matlab; Kenntnisse in moderner Mathematik, z.B. Machine Learning (TensorFlow, PyTorch), Solver, Neuronale Netze; Erfahrung mit KI-Algorithmen, digitaler Hardware, eingebetteten Systemen sowie in SoC-Architekturen
• Persönlichkeit und Arbeitsweise: Kreativität, Durchsetzungsvermögen, Teamfähigkeit, strukturierte, abstrakte und strategische Denkweise zur Erreichung optimaler Ergebnisse
• Sprache: Sehr gutes Englisch, Deutschkenntnisse von Vorteil

Additional Information

https://www.bosch-ai.com
www.bosch.com/research

Start: März 2025

Bitte reichen Sie alle relevanten Unterlagen ein (einschließlich Lebenslauf, Zeugnisse).

Vielfalt und Inklusion sind für uns keine Trends, sondern fest in unserer Unternehmenskultur verankert. Wir freuen uns über Bewerbungen aller Geschlechter, Altersgruppen, mit Behinderung, verschiedener Religionen, ethnischer Herkunft oder sexueller Orientierung.

Fragen zum Bewerbungsprozess?
Sarah Schneck (Personalabteilung)
[phone]

Fachliche Fragen zum Job?
Falk Rehm (Fachabteilung)
[phone]