Forschung Sciences Praktikant — Microsoft

Diese Position ist nicht mehr aktiv. Nachfolgend finden Sie die Originaldetails und weitere offene Stellen.

Vollständige Beschreibung

Übersicht Das Spatial AI Lab ist Teil der Applied Sciences Group, einer Microsoft-Forschungs- und Entwicklungsorganisation, die sich der Entwicklung von Mensch-Computer-Interaktionstechnologien der nächsten Generation, der Nutzung der neuesten KI-Entwicklungen und der Erforschung neuer Hardware-Fähigkeiten und Geräteformfaktoren widmet. Unsere Wissenschaftler und Ingenieure bringen fundiertes Fachwissen in den Bereichen Computer Vision und multimodale KI mit, mit besonderem Schwerpunkt auf räumlicher und verkörperter KI.

Über das Praktikum

Wir suchen breit definierte Research Interns in Computer Vision, Machine Learning und Robotics für unser Spatial AI Lab in Zürich. Als Praktikant arbeiten Sie mit einem oder mehreren Mentoren zusammen und nutzen die modernste Hardware und Software, die wir erstellen. Während des 12-wöchigen Praktikums arbeiten Sie an einem anregenden, offenen Forschungsprojekt, das den Stand der Technik voranbringen soll. Ein Praktikum bei Microsoft wird nicht nur Ihre Karriere verbessern, sondern auch an spannenden Forschungsdurchbrüchen teilnehmen. Praktikanten arbeiten, lernen und vernetzen sich mit einigen der weltweit führenden Forscher und Ingenieure.

Dieser Aufruf umfasst vier Forschungsrichtungen, die unten beschrieben werden. Das genaue Projekt wird von Ihnen und Ihren Mentoren gemeinsam gestaltet, basierend auf Forschungsmöglichkeiten und Ihrem Hintergrund. Das Startdatum des Praktikums könnte der 1. eines jeden Monats sein, spätestens jedoch der 1. April 2027.

Microsofts Mission ist es, jede Person und jedes Unternehmen auf dem Planeten zu befähigen, mehr zu erreichen. Als Mitarbeiter kommen wir mit einer Wachstumsmentalität zusammen, innovieren, um andere zu stärken, und arbeiten zusammen, um unsere gemeinsamen Ziele zu erreichen. Jeden Tag bauen wir auf unseren Werten Respekt, Integrität und Rechenschaftspflicht auf, um eine Kultur der Inklusion zu schaffen, in der jeder bei der Arbeit und darüber hinaus gedeihen kann.

Richtung A – Multimodale Einbettungen

Text-Image-Einbettungsmodelle wie CLIP und SigLIP sind grundlegende Bausteine für Such-, Abruf- und multimodale KI. In dieser Richtung werden Sie untersuchen, wie diese Modelle Informationen in ihren Einbettungsräumen organisieren und neue Methoden entwickeln, die Einbettungen mit Anwendungen wie der semantischen Suche ausdrucksvoller, flexibler, effizienter und interpretierbarer machen.

Beispielhafte Forschungsthemen

  • Geometrie und Expressivität multimodaler Einbettungsräume (z. B. Kegeleffekt, Modalitätslücke)
  • Aktualisierung von Einbettungsmodellen unter Beibehaltung der Kompatibilität mit bestehenden Einbettungen
  • Multi-Vektor-, hierarchische und zusammensetzbare Einbettungen
  • Erklärbare und lenkbare Einbettungen
  • Generative Suche, effizientes Abrufen und Quantisierung für Inferenz
  • Benchmarking-Abruf über Web-Skala Daten, wie private Sammlungen

Was wir suchen

Forschungserfahrung in multimodalem Repräsentationslernen, Text-Vision-Einbettungsmodellen, kontrastreichem Lernen, neuronalem Informationsabruf oder Einbetten von Anpassung und Kompression (z. B. Wissensdestillation, Quantisierung).

Direction B – Bildverstehen und Bearbeiten

Fortschritte in der visuellen Intelligenz schaffen neue Möglichkeiten für Modelle, die reiche Bildinhalte interpretieren und darüber nachdenken, was ein Bild sinnvoll macht. In dieser Richtung werden Sie Modelle untersuchen, die ein kontextbewusstes Verständnis von Bildern (Szenenzusammensetzung, Geometrie, Aussehen, hervorstechende Regionen, Objekte und ihre Beziehungen) aufbauen und untersuchen, wie dieses Verständnis nachgelagerte Anwendungen unterstützen kann.

  • Reichere visuelle Darstellungen und Kombination komplementärer visueller Signale
  • Kontextbewusstes Szenen- und Bildverständnis und seine Verwendung für die Bildbearbeitung
  • Generalisierung, Robustheit und zuverlässige Bewertung des visuellen Verständnisses
  • Effiziente Architekturen, Modellkomprimierung oder On-Device-Bereitstellung (optionale Erweiterung)

Forschungserfahrung in Bildverständnis, visueller Repräsentation, Computerfotografie, multimodalem Lernen oder generativer Bildbearbeitung mit einem starken Hintergrund in modernen diskriminativen, generativen oder visionären Sprachmodellen. Erfahrung mit effizienten neuronalen Netzen ist ein Plus.

Direction C – Robot Learning für Manipulation und Real-to-Sim-to-Real

Beobachtungen und Demonstrationen in der realen Welt sind eine reiche Erfahrungsquelle für das Roboterlernen. In dieser Richtung werden Sie an der Manipulation mit stationären und mobilen bimanualen Robotern arbeiten und untersuchen, wie physische Erfahrungen wie Videos und Demonstrationen die Simulation beeinflussen können und wie simulierte Erfahrungen die Politik der realen Welt verbessern können.

  • Real-to-sim-to-reales Lernen und politische Robustheit
  • Video-Aktionsmodelle, Welt-Aktionsmodelle und Vision-Sprache-Aktion (VLA)
  • Lernen von menschlichen Demonstrationen, einschließlich 3D-Rekonstruktion und Verfolgung von Hand-Objekt-Interaktionen
  • Physikbasierte und differenzierbare Simulation zur Manipulation

Forschungserfahrung im Bereich des Roboterlernens (Imitations- oder Verstärkungslernen, sim-to-realer Transfer), bimanuelle oder mobile Manipulation, 3D-Rekonstruktion und Pose-Schätzung oder physikbasierte Simulation

  • Vertrautheit mit Tools wie PyTorch, ROS und MuJoCo; und Erfahrung beim Einsatz von Richtlinien für echte Roboter.

Hinweis: Robot-Learning-Projekte in dieser Richtung beinhalten die praktische Arbeit mit physischen Robotern und erfordern die Anwesenheit in unserem Züricher Labor für die gesamte Dauer des Praktikums.

Direction D – Bildgenerierung und effiziente visuelle Generative Modelle

In dieser Richtung werden Sie kompakte und effiziente visuelle generative Modelle über die Bild- und Videogenerierung und aktionsbedingte visuelle Vorhersage erkunden. Sie werden einen Fokus wählen, der auf Ihren Interessen und Ihrem Hintergrund basiert.

  • Videogenerierung: Erweiterung der Bilderzeugung auf kohärente Sequenzen, die auf Text oder Bildern basieren
  • Weltmodellierung: Leichtbaumodelle, die zukünftige visuelle Beobachtungen aus Kontext und Aktionen vorhersagen
  • Architekturdestillation: Übertragung der Fähigkeiten großer Bildgeneratoren in verschiedene, kleinere Architekturen, einschließlich der Destillation von latentem zu Pixelraum

Forschungserfahrung in der generativen Modellierung (z. B. diffusions- oder strömungsbasierte Modelle), Bild- oder Videoerzeugung, Modellarchitekturdestillation, zeitliches Lernen oder Weltmodelle.

Zuständigkeiten

  • Überprüfen Sie relevante Arbeiten und erstellen Sie starke, reproduzierbare Basislinien innerhalb des vereinbarten Projektumfangs.
  • Prototypen, trainieren und evaluieren neue Modelle und Methoden für Ihre Forschungsrichtung.
  • Designgesteuerte Experimente, die Qualität, Modellverhalten, Robustheit und Effizienz abdecken.
  • Besitzen Sie den Forschungsworkflow Ende zu Ende, von der Problemformulierung und -implementierung bis hin zur Analyse, Iteration und klaren Dokumentation.
  • Arbeiten Sie eng mit Mentoren und anderen Forschern zusammen, suchen Sie Feedback, tragen Sie zu einer gemeinsamen Codebasis bei und präsentieren Sie Ihre Ergebnisse am Ende des Praktikums.

Qualifikationen Erforderliche Qualifikationen

  • Derzeit verfolgen einen PhD in Computer Vision, Machine Learning, Robotik, AI oder einem verwandten Bereich.

Bevorzugte Qualifikationen (eine oder mehrere der folgenden)

  • Mindestens ein Jahr Forschungserfahrung in einem Bereich, der sich auf eine der oben genannten Forschungsrichtungen bezieht.
  • Ein starker Hintergrund in Deep Learning und modernen neuronalen Netzwerkarchitekturen.
  • Kenntnisse in algorithmischer Problemlösung und Softwareentwicklung (z. B. Python, C ++).
  • Erfahrung mit Tools wie PyTorch, TensorFlow und OpenCV (für Robotik: ROS, MuJoCo oder Unity).
  • Veröffentlichung(en) in hochkarätigen Konferenzen oder Zeitschriften in verwandten Bereichen (z. B. CVPR, ICCV, ECCV, NeurIPS, ICML, ICLR, IJCV, TPAMI, CoRL, RSS, ICRA, IROS, IJRR, T-RO).
  • Hervorragende Kommunikation, Zusammenarbeit und Schreibfähigkeiten.

Diese Position ist für mindestens 5 Tage geöffnet, wobei die Bewerbungen fortlaufend akzeptiert werden, bis die Position besetzt ist.

Microsoft ist ein Arbeitgeber für Chancengleichheit. Alle qualifizierten Bewerber erhalten eine Vergütung für eine Beschäftigung ohne Rücksicht auf Alter, Abstammung, Staatsangehörigkeit, Hautfarbe, Familie oder medizinische Versorgung Urlaub, Geschlechtsidentität oder Ausdruck, genetische Informationen, Einwanderungsstatus, Familienstand, Gesundheitszustand, nationale Herkunft, körperliche oder geistige Behinderung, politische Zugehörigkeit, geschützt Veteran oder Militärstatus, Rasse, Ethnizität, Religion, Geschlecht (einschließlich Schwangerschaft), sexuelle Orientierung oder andere durch geltende lokale Gesetze, Vorschriften und Verordnungen geschützte Merkmale. Wenn Sie Hilfe bei religiösen Unterkünften und / oder einer angemessenen Unterkunft aufgrund einer Behinderung während des Bewerbungsprozesses benötigen, lesen Sie mehr über die Beantragung von Unterkünften.

Stellendetails

  • Unternehmen: Microsoft
  • Position: Forschung Sciences Praktikant
  • Standort: Zürich, Zürich
  • Gehalt: CHF 62'000 - 94'000 (Quelle ungeprüft)
  • Branche: Altro
  • Veröffentlicht am: 2026-10-09
  • Abgelaufen am: 2026-10-24

Weitere Stellen bei Microsoft

Stellen suchen im Zürich

Durchsuchen Sie unser komplettes Job Board.

Weitere Stellen in der Nähe von Zürich: Jobs im Zürich

Finden Sie Ihre nächste Stelle als Grenzgänger in der Schweiz.

Offene Stellen ansehen →