深度学习是当前人工智能领域最热门的研究方向,它将机器学习、统计学、优化和系统工程紧密地结合在一起。深度学习成功的关键因素之一便是在计算机视觉、自然语言处理、时间序列、深度图学习和强化学习等领域里出现的众多开源项目。这些项目既可以被用来复现研究成果,也可以帮助实际应用的快速部署落地。
亚马逊上海人工智能研究院主攻的深度图网络DGL(Deep Graph Library)开源库是该领域的领跑平台。基于深度图计算的研究内容非常丰富,涵盖:
1)基础理论研究;
2)高性能、高容量核心引擎开发;
3)重要的子领域模型研发(推荐系统、反欺诈和风控、知识图谱、制药、时域深度图计算、计算机视觉、自然语言处理、自动知识抽取);
4)客户的应用场景落地。
我们正在招募聪明努力的实习生,希望一起为开源生态添砖加瓦。我们期望能实现更多图神经网络在各个研究方向与应用领域的高级算法,让DGL在前沿研究与应用落地上越来越强大称手。在实习期间,你将在mentor的指导下深入调研图神经网络的具体子研究或应用领域,了解该领域发展脉络与重要工作,实现重要的模型快速进入该领域的最前沿,在此基础上提出更新的算法,通过开源发布让全世界的科研人员受益,也通过合作发表论文分享给整个学术圈。
除了每天能与亚马逊上海人工智能研究院的同事们交流外,实习生还将有机会和亚马逊其他部门的同事、上海一流高校的顶级教授、和来自世界各地的一流专家合作,如Matthias Bethge、Stefano Soatto、Pietro Perona、George Karypis、Thomas Brox、David Wipf、付彦伟、张伟楠、邱锡鹏、张岳、张峥等。
点击下方链接查看申请手册获得更多信息:
https://amazonexteu.qualtrics.com/CP/File.php?F=F_55YI0e7rNdeoB6e
Key job responsibilities
你将了解并学习图神经网络的前沿算法理论,参与并驱动关于图神经网络的算法与理论创新。
We are open to hiring candidates to work out of one of the following locations:
Shanghai, CHN
基本任职资格
1. 计算机、数学、统计学以及相关专业在校研究生或博士生。
2. 对深度学习的数学知识了解充分,熟练使用Python,并熟悉至少一种常见深度学习框架(PyTorch,Tensorflow,JAX等)。
3. 在图信号处理(Graph Signal Processing)、优化理论(Optimization)、谱分析(Spectral Analysis)、拓扑学(Topology)、流形(Manifold)、概率图模型(Probabilistic Graphical Models)等领域有研究经验者优先。
4. 同样欢迎在相关领域有丰富经验但对图神经网络不够熟悉的同学申请。
5. 可以保证至少4个月实习,每周至少工作4天。
还没有评论呢,快来抢沙发~