Examensarbete, 30 hp: Beskärning av neurala nätverk

Är du en student som är ivrig att tillämpa dina teoretiska kunskaper och nya perspektiv på verkliga utmaningar? På Saab tror vi att innovationer växer på nya idéer, och ditt examensarbete kan vara gnistan som tänder vårt nästa tekniska genombrott.

Din roll

Vi söker en/två exjobbare med intresse för maskininlärning. Examensarbetet fokuserar på att implementera smarta metoder för beskärning av neurala nätverk.

Vi ser det enorma värdet som studenter tillför vårt företag. Din akademiska precision, i kombination med din entusiasm för avancerad teknik, gör att du kan närma dig problem med en unik och insiktsfull lins. På Saab får du möjlighet att samarbeta med erfarna ingenjörer och specialister, få ovärderlig praktisk erfarenhet och samtidigt bidra till vår tillväxt och utveckling.

Bakgrund

Det är väl dokumenterat att neurala nätverk har ett överskott av parametrar och att endast en delmängd av dessa är avgörande för korrekt prediktion.

Modellbeskärning är en intuitiv metod för modellkomprimering där vikter med lågt inflytande på resultatet avlägsnas. Detta minskar både modellstorleken och reducerar modellens inferenstid.

Olika beskärningsmetoder existerar för att på effektivast sätt minska modellstorleken utan att påverka resultatet negativt. Vi vill undersöka flera av dessa metoder och skapa ett effektivt verktyg för modellbeskärning.

Saab Dynamics har en lång tradition inom bildbehandlingsområdet och sektionerna för bildbehandling samt optronik & bildbaserad navigering handleder årligen ett antal exjobbare inom området. I dagsläget är vi ca 28 personer mellan sektionerna och arbetar med allt från elektrooptiska sensorer till realtidsimplementering av våra bildbehandlingsapplikationer.

Beskrivning av examensarbetet

Examensarbetet syftar till att undersöka och implementera olika tekniker för beskärning av neurala nätverk. Detta innebär en mindre initial litteraturstudie om de tekniker som finns inom litteraturen för effektiv modellbeskärning. Arbetet kommer sedan att fokusera på att implementera och jämföra olika tekniker och studera hur beskärningsandelen påverkar en modells resultat och inferenstid.

I mån av tid kommer resultatet byggas ihop till ett verktyg där användaren antingen kan ange en procentsats av hur mycket en modell ska beskäras alternativs ange en accepterad resultatförlust där maximal beskärning genomförs fram tills resultatförlusten är nådd.

Exempel på forskningsfrågor:

• Vilka metoder används idag för effektiv modellbeskärning?
• Hur påverkar dessa metoder resultatet givet en viss beskärningsandel?
• Hur förhåller sig inferenstiden till en modells beskärningsandel?

Din profil

Arbetet är lämpligt för 1–2 studenter i slutet av er teknisk fysik- eller datorteknik-utbildning (eller motsvarande) och ska påbörja ert 30 hp examensarbete. Erfarenheter inom maskinlärning och programmering är meriterande.

Vänligen observera att vi arbetar med löpande urval och tjänsten kan komma att tillsättas innan sista ansökningsdatum har gått ut.

Befattningen kräver att du genomgår och godkänns enligt vid var tid gällande bestämmelser för säkerhetsskydd. För befattningar där Saab har krav på säkerhetsklassinplacering kan, i förekommande fall, medföra krav på visst medborgarskap.

Vad du blir en del av

Upptäck oändliga möjligheter. Anta utmaningar, skapa smarta innovationer och uppgradera dina förmågor. Det här är en plats för kluriga tänkare, modiga pionjärer och alla däremellan. Tillsammans uppnår vi det extraordinära, var och en tar med sitt unika perspektiv. Varje bidrag räknas.

Saab är ett ledande försvars- och säkerhetsföretag med uppdrag att hjälpa nationer att skydda sin befolkning och bidrar till trygghet för människor och samhällen. Med 26,100 talangfulla medarbetare utvecklar Saab teknik och lösningar för en säkrare och mer hållbar värld.

Saab utvecklar, tillverkar och underhåller avancerade system inom flygteknik, vapen, ledningssystem, sensorer och undervattenssystem. Saab har sitt huvudkontor i Sverige men en global verksamhet där Saab är en del av många nationers försvarsförmåga. Läs mer om oss här

Sista ansökningsdag

Kontaktpersoner

Marcus Klomark, Sektionschef Bildbehandling

Ludvig Gustavsson Roth, kontaktperson/handledare