博士申请 | 加拿大Mila实验室唐建教授招收深度学习方向博士生和实习生

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。