合适的工作难找?最新的招聘信息也不知道?
AI 求职为大家精选人工智能领域最新鲜的招聘信息,助你先人一步投递,快人一步入职!
Mila
Mila 实验室是由深度学习先驱 Yoshua Bengio 教授领导的人工智能实验室(https://mila.quebec/),主要从事深度学习、强化学习、优化算法等人工智能领域的基础研究以及在不同领域的应用。现有教师 80 余人,学生 1000 人左右,是目前学术界从事深度学习和强化学习最大的实验室。
导师简介
唐建老师现任加拿大蒙特利尔学习算法研究所(Mila)以及加拿大蒙特利尔大学计算机系、商学院助理教授,CIFAR 讲席教授。主要研究兴趣包括几何深度学习、图神经网络、深度生成模型、知识图谱以及这些方法在药物研发领域的应用。2014 年毕业于北京大学信息科学技术学院并获得博士学位,2014-2016 年任职微软亚洲研究院研究员,2016-2017 年为密歇根大学和卡内基梅隆大学的联合培养博士后。攻读博士期间,曾获 2014 年机器学习顶级会议 ICML 的最佳论文,并于 2016 年获得数据挖掘顶级会议 WWW 的最佳论文提名。他是图表示学习领域的代表性人物,发表了包括 LINE、RotatE 等代表性工作。他发表的网络表示学习算法 LINE 被广泛应用,2015 年发表至今已被引用接近四千次,是 WWW 会议 2015-2019 期间引用次数最高的论文。他也是机器学习顶级会议 ICML 和 NeurIPS 的领域主席。他的团队近期致力于利用人工智能技术用于药物研发,开源了一个基于机器学习的药物研发系统 TorchDrug (https://torchdrug.ai/),受到广泛关注。
研究方向与兴趣:
1. Deep Learning for Protein Design (AlphaFold2, Geometric Deep Learning, Graph Neural Networks)
2. Deep Generative Models
3. Knowledge Graph Construction and Reasoning, Natural Language Understanding
个人主页:
https://jian-tang.com/
1. 对“人工智能在药物研发方向”有热情,有较强的自我驱动能力;
2. 良好的的数学、计算机基础或者生物、物理、化学等交叉学科背景;
3. 扎实的编程基础(C++ 或 Python)和系统开发能力,有 ACM/NOI/NOIP 等信息学竞赛训练经历更佳;
4. 了解基本的机器学习算法,特别是蛋白质结构预测相关算法,如 AlphaFold2。
1. 优秀的科研履历和项目参与经验;
2. 推荐信和 Mila PhD 的机会;
3. 接触前沿研究,合作发表顶级学术论文;
4. 唐建老师的亲自指导,快速上手。
有意向者请联系邮箱:tangjianpku@gmail.com(唐建老师),简历请注明个人的基本信息、特长、项目经历(可选)等。
AI 求职是「PaperWeekly」旗下聚焦人工智能领域的招聘平台,涵盖高校硕博招生、博士后招募、企业校招、社招、实习和内推等。
目前已有百度、阿里、腾讯、字节跳动等企业发布内推岗位,欢迎大家订阅关注、发布岗位,如果你也想对公司和在招职位进行更多曝光,请联系我们的栏目负责人(微信:zhangjun168305)。