Promotion - Eigenschaftsvorhersage für Embedded (AI) Systeme at Bosch Group

Renningen, Baden-Württemberg, Germany -

Full Time

Start Date

Immediate

Expiry Date

05 Jan, 26

Salary

0.0

Posted On

07 Oct, 25

Experience

2 year(s) or above

Remote Job

Yes

Telecommute

Yes

Sponsor Visa

Skills

Deep Learning, Machine Learning, C/C++, Python, Matlab, TensorFlow, PyTorch, Neural Networks, AI Algorithms, Digital Hardware, Embedded Systems, SoC Architectures, Mathematics, Modeling, Performance Estimation, Compiler Optimization

Industry

Software Development

Description

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 Perfomance-Schätzung des Zielsystems. Mit dieser Arbeit wollen wir die Grenzen des aktuellen Standes 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 für verschiedene Zielhardwareplattform vorherzusagen. Zudem erforschen Sie verschiedene neuartige Methoden des maschinellen Lernens, einschließlich ihrer Anwendbarkeit und Effizienz im Vergleich zu herkömmlichen Modellierungsmethoden. Nicht zuletzt sehen Sie sich verschiedene Machine-Learning-Compiler und deren Verwendung als Teil des Modellierungsworkflows und die damit verbundenen Optimierungen für die Vorhersage zu nutzen genauer an. Qualifications Ausbildung: exzellent abgeschlossenes Studium (Master oder Diplom) in Elektrotechnik, Informationstechnik, Mikroelektronik oder Informatik Erfahrungen und Know-how: nachgewiesene Programmierkenntnisse (C/C++, Python, Matlab), gutes Know-how in moderner Mathematik, z.B. Machine Learning (TensorFlow, PyTorch, etc.), Solver, Neuronale Netze, Kenntnisse in KI-Algorithmen, Erfahrung in digitaler Hardware, eingebetteten Systemen sowie in SoC-Architekturen Persönlichkeit und Arbeitsweise: Ihnen gefällt es, sich kreativ ein- und auch in gewissen Themen durchzusetzen; Sie arbeiten gerne im Team und verstehen es strukturiert, abstrakt sowie strategisch zu denken, um bestmögliche Leistung zu erbringen Sprache: sehr gutes Englisch, Deutschkenntnisse sind 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 verankert in unserer Unternehmenskultur. Daher freuen wir uns über alle Bewerbungen: unabhängig von Geschlecht, Alter, Behinderung, Religion, ethnischer Herkunft oder sexueller Identität. Sie haben Fragen zum Bewerbungsprozess? Sarah Schneck (Personalabteilung) +49(9352)18-8527 Sie haben fachliche Fragen zum Job? Falk Rehm (Fachabteilung) +49(172)3504799

Responsibilities

The role involves researching how various hardware properties can be extracted and modeled at different abstraction, efficiency, and accuracy levels. Additionally, it includes exploring novel machine learning methods and their applicability compared to traditional modeling techniques.