Como científico de investigación en inteligencia artificial aplicada en Autodesk Research, realizará investigaciones aplicadas que ayudarán a los clientes a imaginar, diseñar y crear un mundo mejor.

Es un equipo de científicos, investigadores, ingenieros y diseñadores que trabajan juntos en proyectos que abarcan sistemas de diseño basados en el aprendizaje, visión por ordenador, gráficos, robótica, interacción humano-computadora, sostenibilidad, simulación, fabricación, diseño arquitectónico y construcción.

Este puesto reportará a un Gerente de Ciencias de Investigación en el Laboratorio de IA.

Responsabilidades:

• Desarrollar nuevos modelos de ML y técnicas de IA.
  
• Liderar proyectos de investigación dentro de un equipo global.
  
• Revisar la literatura relevante sobre IA/ML para identificar métodos, tecnologías y mejores prácticas emergentes.
  
• Explorar nuevas fuentes de datos y descubrir técnicas para aprovecharlos al máximo.
  

Requisitos:

• Maestría o doctorado en un campo relacionado con IA/ML como: Ciencias de la Computación, Matemáticas, Estadística, Física, Lingüística, Ingeniería Mecánica, Arquitectura o disciplinas relacionadas.
  
• Experiencia en la aplicación de técnicas de aprendizaje (incluida la implementación de arquitecturas personalizadas, la optimización del rendimiento del modelo, el desarrollo de nuevas funciones de pérdida y la implementación de soluciones listas para producción).
  
• Familiaridad con métodos estadísticos para aprendizaje automático (por ejemplo, métodos bayesianos, HMM, modelos gráficos, reducción de dimensión, agrupamiento, clasificación, técnicas de regresión, etc.).
  
• Familiaridad con PyTorch, TensorFlow, JAX o marcos similares.
  
• Fuertes habilidades de codificación en Python.
  

Cualificaciones preferidas:

• Experiencia en los dominios de arquitectura, ingeniería y/o construcción, incluida la experiencia con formatos de datos específicos de la industria (por ejemplo, modelos BIM, archivos IFC, documentos contractuales AEC y dibujos como conjuntos de dibujos, especificaciones o dibujos de taller).
  
• Conocimiento de la representación y gestión de datos estructurados en flujos de trabajo AEC (modelado de información de construcción, especificaciones estructurales, documentación de proyectos).
  
• IA generativa 2D y 3D.
  
• LLM y procesamiento del lenguaje natural.
  
• Aprendizaje profundo multimodal y/o recuperación de información.
  
• Geometría computacional y métodos geométricos (por ejemplo, análisis de formas, topología, geometría diferencial, geometría discreta, mapeo funcional, aprendizaje profundo geométrico, redes neuronales gráficas).
  
• Historial de publicaciones en congresos y/o revistas sobre aprendizaje automático.