岗位内推 | 阿里巴巴达摩院决策智能实验室招聘全职/实习生

2021 年 1 月 26 日 PaperWeekly


PaperWeekly 致力于推荐最棒的工作机会,精准地为其找到最佳求职者,做连接优质企业和优质人才的桥梁。如果你需要我们帮助你发布实习或全职岗位,请添加微信号「pwbot02」




阿里巴巴达摩院机器智能技术实验室是阿里巴巴专注人工智能技术研发的核心团队,隶属于 2017 年成立的阿里巴巴达摩院。机器智能技术下属的决策智能实验室致力于开发和运用尖端运筹优化和机器学习技术构建智能决策系统,用于探索未知前沿,降低运营成本,提升业务运营效率。


团队成员分布在西雅图、硅谷、杭州和北京,来自 MIT、Gatech、UCLA、Columbia、Northwestern、清华、北大、上交、浙大等国内外知名高校,发表过几十篇国际顶级会议/期刊论文,曾在人工智能多个领域获得过最佳论文奖。实验室依托于在表征技术、数据洞察、优化技术、运营决策等技术方向上的积累,不断创新,协同合作伙伴在新零售、云与计算资源、电商、线上文娱等行业,数据、安全、客服等领域构建了多个创新系统,在阿里经济体内外都有广泛的应用。


希望有志于长期从事机器学习、深度学习、数据挖掘、信号处理、运筹优化、大数据计算、人工智能等技术的同学加入我们团队。如果你需要一个合适的平台,融洽的团队,丰厚的待遇,有影响力的业务,那么欢迎加入我们一起来做有挑战有创新的事业。


团队主页:

https://damo.alibaba.com/labs/decision-intelligence?lang=zh



全职/实习生



工作地点杭州/北京


职责描述: 

1. 与一群志同道合的伙伴,共同研发cutting-edge的机器学习/深度学习等智能算法,将其落地到相关的真实环境中,包括但不限于时序与时空分析(预测,分类,聚类,表征学习等),异常检测与诊断,优化与决策等在特定场景的应用和研究;

2. 基于开发的算法研发基于大数据平台的算法产品。


职位要求: 

1. 在机器学习/深度学习算法方面有较好的广度和一定的深度,熟悉相关技术 LR, GBDT, CNN, LSTM 等(必需),最好在 Transformer, VAE/GAN/Flow, GNN, XAI, AutoML 等领域有相关经验的;

2. 精通机器学习/深度学习常用开发架构 Scikit-learn, PyTorch/TensorFlow,精通 Python/Java/C++ 等至少一门语言,具有扎实的代码功底和实战能力;

3. 硕士及以上学历, 有人工智能顶会/期刊论文,人工智能竞赛,或代表性工作成果者优先(实习生需已发表至少一篇一作 CCF-A 或同级别论文,实习期至少 3 个月);

4. 具备丰富的机器学习、数据挖掘、信号处理、统计优化等相关领域的实践经验,能够理解项目工程需求,有通用化和产品化思维;

5. 良好的沟通能力,自我驱动,对技术和持续学习充满热情,乐于接触新场景,关注前沿新技术。



联系方式




简历投递: qingsong.wen@alibaba-inc.com
邮件及简历命名格式: PaperWeekly-姓名-全职/实习阿里申请

🔍


现在,在「知乎」也能找到我们了

进入知乎首页搜索「PaperWeekly」

点击「关注」订阅我们的专栏吧



关于PaperWeekly


PaperWeekly 是一个推荐、解读、讨论、报道人工智能前沿论文成果的学术平台。如果你研究或从事 AI 领域,欢迎在公众号后台点击「交流群」,小助手将把你带入 PaperWeekly 的交流群里。



登录查看更多
2

相关内容

阿里巴巴达摩院(The Academy for Discovery, Adventure, Momentum and Outlook,Alibaba DAMO Academy)是一家致力于探索科技未知,以人类愿景为驱动力的研究院,是阿里在全球多点设立的科研机构,立足基础科学、颠覆性技术和应用技术的研究。
电子科大最新《深度半监督学习》综述论文,24页pdf
专知会员服务
87+阅读 · 2021年3月6日
达摩院基于元学习的对话系统
专知会员服务
24+阅读 · 2021年1月1日
商业数据分析,39页ppt
专知会员服务
157+阅读 · 2020年6月2日
医疗知识图谱构建与应用
专知会员服务
375+阅读 · 2019年9月25日
招募 | 腾讯 AI Lab 招收多名 CV 实习生
AI研习社
7+阅读 · 2019年3月13日
【全职&实习- 上海】量化岗位招聘公告
量化投资与机器学习
4+阅读 · 2018年7月3日
招聘 | 深度强化学习研究员/工程师
七月在线实验室
7+阅读 · 2017年12月27日
Arxiv
0+阅读 · 2021年4月21日
Directions for Explainable Knowledge-Enabled Systems
Arxiv
26+阅读 · 2020年3月17日
VIP会员
Top
微信扫码咨询专知VIP会员