Ingénieur(e) en apprentissage automatique, II — Intention du véhicule at Torc Robotics

Montreal, Quebec, Canada -

Full Time

Start Date

Immediate

Expiry Date

17 Dec, 25

Salary

0.0

Posted On

18 Sep, 25

Experience

2 year(s) or above

Remote Job

Yes

Telecommute

Yes

Sponsor Visa

Skills

Machine Learning, Deep Learning, Model Development, Data Analysis, Python, PyTorch, Data Preprocessing, Simulation Infrastructure, Model Deployment, Collaboration, Trajectory Planning, Object Detection, Data Distribution Analysis, Robustness Improvement, Ego Motion Planning, 3D Modeling

Industry

Truck Transportation

Description

Rencontrez l’équipe Le logiciel d’applications d’autonomie de Torc utilise des techniques d’apprentissage profond à la fine pointe afin de percevoir l’environnement du véhicule, de prédire les mouvements des autres véhicules et d’exécuter des décisions de conduite appropriées. Nous cherchons activement des ingénieurs principaux/ingénieures principales en apprentissage automatique avec une grande expérience pour rejoindre notre département de développement de modèles. Il s’agit pour vous d’une chance exceptionnelle d’avoir un impact important sur l’avenir du secteur des automobiles autonomes exploitant l’IA. Ce que vous ferez : Développer et optimiser des modèles d’AA de niveau comportemental Implémenter des architectures de modèles pour la prédiction des agents et la planification des mouvements Ego. Effectuer un réglage fin des modèles d’AA pour la prédiction et la planification des mouvements. Développer des métriques et des pipelines d’évaluation liés aux tâches de prédiction et de planification des mouvements. Utiliser les techniques de science des données pour analyser le rendement du modèle, les distributions des données et identifier les « corner cases ». Contribuer au cadre et à l’infrastructure pour les modèles AA au niveau du comportement. Développer des pipelines efficaces pour le prétraitement et l’analyse de données à grande échelle. Mettre en œuvre l’augmentation des données, la génération de données synthétiques et les stratégies d’adaptation du domaine pour améliorer la robustesse des modèles. Contribuer à l’infrastructure de simulation du comportement. Déploiement et optimisation de modèles Collaborer avec les équipes de conversion et de déploiement pour assurer une intégration fluide. Déployer les modèles d’apprentissage automatique sur les dispositifs de périphérie, assurant un rendement en temps réel et une efficacité des ressources. Optimiser les pipelines d’inférence pour les plateformes embarquées de matériel de qualité automobile. Collaboration pluridisciplinaire Collaborer avec les équipes d’ingénierie robotique, logicielle et matérielle pour assurer une intégration fluide des systèmes de planification et de prédiction des mouvements. Travailler avec les équipes des produits et des opérations pour définir les mesures liées au rendement et améliorer la fiabilité du système. Ce dont vous aurez besoin pour réussir : Baccalauréat en informatique, science des données, intelligence artificielle ou autre domaine connexe avec au moins (??) ans d’expérience professionnelle OU maîtrise avec au moins (??) ans d’expérience Compréhension scientifique de l’apprentissage automatique pour au moins l’un des éléments suivants : Modélisation d’espace 3D BEV Prédiction par un acteur Planification de trajectoire appris Modélisation de bout en bout de conduite autonome Apprentissage automatique multitâches et multimodale Étalonnage, odométrie, localisation Détection et suivi des objets Expérience avec la compréhension des distributions de données et l’analyse des distributions longue traîne Maîtrise de Python et de PyTorch, avec la capacité de passer du code de niveau recherche à la production et aux normes prêtes pour le déploiement Expérience avec la compréhension des distributions de données et l’analyse des distributions longue traîne Maîtrise de Python et de PyTorch, avec la capacité de passer du code de niveau recherche à la production et aux normes prêtes pour le déploiement Points bonus! Doctorat en apprentissage automatique ou science des données Compétences avec Ray. Compétences avec Hydra. Compétences à rédiger des noyaux CUDA et développer des opérations PyTorch sur mesure 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. Avantages d’être un employé à temps plein Torc’r Torc se 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. Torc offre: Un programme de rémunération concurrentiel incluant un volet de primes et des options d’achat d’actions Une couverture médicale, dentaire et de la vue pour les employés à temps plein Un 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 généreuses Des fermetures de bureau pendant les congés fériés à l’échelle de l’entreprise Une assurance-vie À Torc, nous nous engageons à cultiver un milieu de travail diversifié et inclusif. 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. Même si vous ne répondez pas à 100 % des qualifications énumérées pour ce poste, nous vous invitons à postuler. Numéro de poste: R-102374

Responsibilities

Develop and optimize behavioral models for autonomous vehicle applications. Collaborate with multidisciplinary teams to ensure smooth integration of planning and prediction systems.