Wir führen hochmoderne Forschungen zu fortgeschrittenen generativen Modellen durch, die darauf abzielen, die Dateneffizienz in Bosch-Systemen zu verbessern. Wir suchen einen Doktoranden, der leidenschaftlich daran interessiert ist, innovative Anwendungen von generativen Modellen (wie Diffusions- und autoregressiven Modellen) zu erforschen, um reale Szenarien für das Training und die Validierung von KI zu simulieren. Die Entwicklung von KI-Modellen ist oft ein iterativer Prozess, der zunehmend große Datensätze erfordert, um Langzeitfälle zu adressieren, die in bestehenden Daten nicht repräsentiert sind. Das Sammeln von Daten aus der realen Welt kann jedoch zeitaufwendig und kostspielig sein, was die Automatisierung des Datenzyklus behindert. Das Ziel dieser Dissertation ist es, neue Methoden zu entwickeln, die es generativen Modellen ermöglichen, die reale Welt zu ersetzen und geschlossene Interaktionen zu erleichtern. Dies kann die Gestaltung neuartiger Steuerungsmechanismen umfassen, um die erforderlichen Daten effizient zu sampeln und auf Interaktionen zu reagieren. Als Mitglied unseres Teams werden Sie: Neuartige tiefe generative Modelle (z. B. Diffusionsmodelle) als Datenquellen entwickeln, um das Training und die Validierung nachgelagerter Modelle zu verbessern. Mit Experten für Deep Learning und Computer Vision im Bosch Center for AI zusammenarbeiten, um neue Ideen zu entwickeln. Veröffentlichungen in erstklassigen Fachzeitschriften und Konferenzen anstreben.

• Ausbildung: hervorragender Abschluss in Informatik oder einem verwandten Bereich mit Schwerpunkt auf Computer Vision und Deep Learning
• Erfahrung und Wissen: fundierte Kenntnisse in Deep Learning und Computer Vision, Erfahrung mit Deep Learning-Frameworks (TensorFlow, PyTorch usw.), starke Programmierfähigkeiten, insbesondere in Python, Kenntnisse und Erfahrung in tiefen generativen Modellen sowie Grundmodellen sind von Vorteil, Erfahrung in der Veröffentlichung von peer-reviewed Forschungsarbeiten ist vorteilhaft
• Begeisterung: Motivation, in einem interdisziplinären und internationalen Team zu arbeiten
• Sprachen: sehr gute Englischkenntnisse und akademische Schreibfähigkeiten