Promotion - Kognitives Radar für Automotive Anwendungen

Renningen, Germany

Bosch Group

Moving stories and inspiring interviews. Experience the meaning of "invented for life" by Bosch completely new. Visit our international website.

View all jobs at Bosch Group

Apply now Apply later

Unternehmensbeschreibung

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!

Stellenbeschreibung

Wir suchen einen hochmotivierten Doktoranden für unser Team, um die Erforschung innovativer kognitiver Radarsysteme für Automotive-Anwendungen voranzutreiben. Typischerweise werden Hardware sowie Software von Automotive-Radarsensoren während der Entwicklung optimiert und arbeiten in einem festen oder von der Eigengeschwindigkeit abhängigen Modus, unabhängig von der Umgebung. Im Gegensatz hierzu werden beim kognitiven Radaransatz sowohl Radarwellenform als auch Signalverarbeitung auf der Grundlage vorheriger Umfeldsensierung angepasst, was zu einer verbesserten Erfassungsleistung und möglichen Kosteneinsparungen führt.

  • Im Rahmen der Promotion sollen neuartige Methoden für kognitives Radar erforscht werden, um eine adaptive Umfelderfassung in Automotive-Szenarien zu ermöglichen.
  • Hierzu werden Sie unter anderem an folgenden Schlüsselfragen arbeiten: Wie lassen sich die Eigenschaften verschiedener Szenen erlernen? Wie lässt sich die Radar-Umfelderfassung durch Anpassung der Wellenform und Signalverarbeitung (klassisch und KI-basiert) optimieren?
  • Darüber hinaus werden Sie Methoden für die Freigabe der kognitiven Radarfunktionalität untersuchen, um einen sicheren und zuverlässigen Betrieb mit bestimmten Leistungsgarantien in allen Situationen zu gewährleisten.
  • In Ihrer Doktorarbeit haben Sie die Möglichkeit, auf einem bestehenden Radar-Simulations- und Signalverarbeitungs-Framework aufzubauen, um kognitive Regelschleifen zu entwickeln, die eine verbesserte Erfassungs- sowie Objekterkennungsleistung für eine oder mehrere Wahrnehmungsaufgaben ermöglichen. Idealerweise wird die kognitive Regelschleife auch in einem bestehenden HW-Demonstrator implementiert, um den Ansatz in realen Szenarien zu überprüfen.
  • Darüber hinaus können Sie sich und Ihre Arbeit mit Veröffentlichungen auf erstklassigen Radar- und ML-Konferenzen sowie -zeitschriften in die wissenschaftliche Community einbringen.

Qualifikationen

  • Ausbildung: exzellenter Hochschulabschluss in Elektrotechnik, Informationstechnologie, Informatik oder vergleichbar
  • Erfahrungen und Know-how: fundierte Kenntnisse im Bereich maschinelles Lernen und Radar-Technologien, einschließlich Signalverarbeitung sowie Systemdesign; Programmiererfahrung in Python und Deep-Learning-Frameworks, idealerweise PyTorch
  • Persönlichkeit und Arbeitsweise: Sie gehen Ihre Aufgaben proaktiv an; eine unabhängige und kreative Arbeitsweise zeichnet Sie aus
  • Sprachen: sehr gutes Englisch in Wort und Schrift, Deutschkenntnisse sind von Vorteil

Zusätzliche Informationen

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

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?
Benedikt Lösch (Fachabteilung)
+49(711)811-55315

Apply now Apply later

* Salary range is an estimate based on our AI, ML, Data Science Salary Index 💰

Job stats:  1  0  0

Tags: Computer Science Machine Learning Python PyTorch Radar Research

Region: Europe
Country: Germany

More jobs like this