阿里、第四范式机器学习岗位招聘！更多 AI 职位虚位以待！

最近招人的公司很多，找工作/实习的同学更多。

为了方便双方，消灭信息不对称，AI研习社决心承担起这个中介大任，每周为你推荐企业岗位！

*找工作的同学在发邮件时务必在邮件主题中注明【AI研习社】，会增加你的简历通过率！

*有需求的公司欢迎将 JD 发至邮箱【[e-mail]】或者【[e-mail]】，我社帮你招人！

 · AI研习社招聘专贴 ·

为你的求职提供精选推荐

／阿里大规模算法组--Deep Learning团队招聘／

这次的招聘标的包含两类，一类是系统优化，另一类是模型压缩及算法优化，我们期望能够吸引这两个方面的高手加盟。

  1.系统优化

系统优化的工作目标是push系统层面的性能极限，充分压榨底层硬件的性能上界，包括计算设备，也包括通信设备。这是一个非常有趣，也是在这两年里充满想象空间的一个domain。我们期望吸引的同学最好能够具备如下背景：

1. 具备手工完成深度优化CUDA Kernel的能力，必要的情况下，能够在特定workload下去与厂商提供的library性能叫板，比如在特殊尺寸的卷积或矩阵乘上beat cuDNN/cuBLAS（实际上，这个目标不算低，但也不算很苛刻，我们目前已经取得了一些相关的结果，而且目前我们已经在推进更为激进的优化动作）。

2. 具备基于编译技术的通用优化的sense和经验。手工优化是我们的cornerstone，但我们也期望能够通过类似于编译优化的技术将优化工作尽可能通用化、自动化起来，以获得更好的扩展性，既包括对不同的workload的扩展性，也包括对不同硬件平台的扩展性。没错，我们针对的硬件平台不会仅仅是一个，所以我们期望从更为高层次的视角来看待系统优化工作。这方面业界已经有一些工作在推进，比如TensorFlow XLA，以及NNVM/TVM，剥开各家PR的材料背后，也各有其利弊，我们也在基于业界现有工作的基础，结合阿里的业务场景和技术栈，推进自家以编译优化为代表的通用优化技术的执行，这方面也取得了一些蛮有意思的结果。

3. 有强烈的意愿去了解上层DL workload的计算特点，结合workload的特点进行优化。在过往的经历中，我们发现一些底层背景优秀的同学对于上层DL workload并不了解，这在相当大程度会限制系统优化工作的推进。所以我们要求系统优化的同学对主流的DL workload有清楚的把握，并具备快速catch up新model的素养和能力。比如Attention Only的模型和DenseNet模型，在推出没有多久，就进入到我们的优化视野，我们也已经在推进一些相关的优化工作，并取得了一定的结果。

4. 对社区及学术界技术进展保持敏锐的关注度。我们的目标是在state-of-art的基础上，完成更进一步的技术创新，所以对行业技术的关注和跟进非常重要。一方面我们会积极地参与行业的技术及学术活动，包括GTC 2017, SOSP 17 AISys，NIPS 17 MLSys等；另一方面，我们也跟社区有着比较close的互动，比如TF社区的patch提交及交互，NNVM/TVM社区的交互讨论等。我们不期望闭门造车，我们期望是高手过招，相互促进，所以对团队同学的心智openness和技术趋势跟进能力提出同样高的要求。

  2.模型压缩及算法优化

这个方向的期望是在系统优化达到近乎极限的情况下，通过算法层面的调整，来获取更多的优化空间，比如通过模型压缩量化的手法来减少workload的理论计算量，从而为系统优化争取出更大的空间，以及通过结合模型特点的优化来减少模型离线训练过程中的通信量以提升分布式训练的伸缩比等等。系统优化与算法优化是相辅相成的双生子，单靠一端都有其局限，所以需要closely work together。我们期望吸引的同学最好具备如下背景：

1. 对模型压缩方法有着清晰的技术体系认知，包括但不限于量化、稀疏化、剪枝、KD、动态图路由、小网络设计、结构化压缩等。同时能够洞察到模型理论计算量节省跟物理耗时节省的gap，能够有sense去推进跟系统优化同学的合作，来充分push模型压缩所可能取得的性能提升的极限，而不是仅执于模型理论计算量节省一端。Ideally，我们期望他/她能够写出可以work的计算kernel，性能可以不优，但至少可以work，这样才可以更有效地跟系统优化同学完成based on the same language的沟通。在模型压缩方向，我们也已经取得一些比较有意思的innovative的结果，包括量化，也包括模型的剪枝变换和结构化压缩等，会感觉到这方面还有很多工作要做，特别是想做成一个足够通用、易用的基础设施产品，会有大量的实验细节、原理推敲乃至产品实现需要有相同志趣的同学加入进来一起推进。

2. 对模型优化的原理有好奇心。DL领域中，empirical的东西很多，在业务场景中也经常能够取得一定的效果，但是作为基础技术团队，我们不期望仅仅停留在 47 33684 47 15885 0 0 5047 0 0:00:06 0:00:03 0:00:03 5049empirical的层面，我们更希望能够下探到principal的层面，对具体模型优化工作工作与否能够进行原理层面的探究，这除了技术审美品味的需要，也是为了确保基础技术工作真正能够取得扎实的效果，为上层业务提供有效可持续的支持。

3. 良好的工程素养。之所以单列出这一条，是因为在过去的从业经历里，我看到有一些算法背景的同学，其工程素养是有待提高的，而我同样观察到真正优秀的算法同学往往依托于良好的工程素养，可以快速地完成实验的迭代开发，上线推进，所以工程素养会被我专门列出来。

4. 对业界及学术进展的跟进，我想也是基本要求，就不再展开了。

这次开放的职级从P7~P8，优秀且有潜质的同学P6我们也同样愿意考虑，有意向的同学，欢迎投递简历到[e-mail]。

原文为杨军在知乎上发的招聘帖，详细信息请跳转至链接：https://zhuanlan.zhihu.com/p/32084868

／第四范式／

  机器学习算法研究员（北京）

【任职要求】

• 对在以下至少一个领域有深入的研究：统计机器学习、计算机视觉、语音识别、自然语言理解；

• 编程能力优秀，熟练掌握C/C++/Java/Python，可以胜任快速原型实现与开发

• 对前沿、有价值的研究领域保持敏感，有能力判断或选定探索的方向

• 强烈的目标驱动，对技术与研究有热情，愿意挑战新的算法和新的领域

• 能在未知与不确定的探索研究过程中保持舒适的状态

【加分项】

• 在国际顶级会议上发表过机器学习相关的论文，包括但不限于NIPS，ICML，ICLR，AAAI，IJCAI，KDD，WWW，CVPR，ICCV，ACL，EMNLP，ICASSP，INTERSPEECH等

• 熟悉深度学习，对CNN，RNN/LSTM，CTC，Attention model等模型有深入研究，掌握至少一种常用深度学习的框架Theano，Keras，Mxnet，Caffe，Tensorflow，有实践经验，掌握调参策略

• 熟悉图算法，对label propagation，personlized-pagerank，谱聚类等算法有深入研究，熟悉GraphX，GraphLab，neo4j等图计算工具

• 熟悉迁移学习，对instance based，feature based，同构/异构等迁移学习领域有深入研究

• 熟悉强化学习，对强化学习方向最新方向与进展有深入研究，有大量的强化学习理论与实践工作

• 熟悉机器学习可视化，对大规模机器学习模型、树模型、深度学习、强化学习等模型的可视化做过深入的研究

• 熟悉优化算法，对凸优化、随机梯度相关算法、Proximal算法等优化算法相关内容做过深入的研究

• 在GitHub等平台上 深度参与或者建立有影响力的开源项目

• 熟悉大规模分布式并行计算的原理并具有实现分布式并行算法的能力

• 设计并实现基于CUDA的分布式深度学习系统或者其他异构计算等相关实践经验

• 人工智能领域博士学位，对所在研究领域有广泛深入的理解

• 有过AI研究院／AIlab中工作经验或实习经验者优先

【投递方式】

请以“应聘职位+姓名+招聘信息来源”命名邮件发送简历至[e-mail]

  机器学习算法工程师（北京）

【工作职责】

• 使用领先的数据挖掘和机器学习技术提供实际问题的优化方法和解决方案；

• 尝试领先的机器学习算法、计算框架，提升机器学习系统效率；

• 对实际问题进行抽象，设计开发机器学习组件，降低解决方案的实现复杂度；

• 利用精心的代码分析和深入的数据挖掘手段发掘客户业务中的潜在需求或隐藏价值；

• 创造更有价值的产品与服务，通过技术创新推动产品提升或客户业务增长。

【任职要求】

• 计算机相关专业本科及以上学历，熟悉Linux基本操作；

• 熟悉Shell, Python, C++, Java等常用编程语言，有良好的代码习惯；

• 对分布式计算框架（hadoop、spark等等）有基本了解；

• 有热情了解和尝试新算法、架构，较强的学习能力；

• 良好的逻辑思维能力，能清晰的梳理机器学习技术应用于实际问题的思路；

• 较强的沟通能力，能够逻辑清晰地进行自我表达，团队合作意识强，与人沟通积极主动。

【加分项】（至少满足一项）

• 对机器学习算法有较深的了解；

• 有分布式计算底层性能优化经验；

• 对机器学习有基本的了解，了解常见机器学习算法基本原理；

• 有基于分布式计算框架开发经验和大规模数据处理经验；

• 全面了解机器学习应用于实际问题的完整流程；

• 有大型互联网公司机器学习相关工作、实习或项目经验。

【投递方式】

请以“应聘职位+姓名+招聘信息来源”命名邮件发送简历至[e-mail]

  计算机视觉研究员（北京）

【岗位描述】

• 负责图像处理算法的设计、验证和优化；

• 负责图像增强、图像特征提取、识别等算法的研究与开发；

• 参与公司图像识别产品的开发，包括但不限于：移动图像技术应用、图像内容搜索、人脸检测识别、图像分类标注、OCR、增强现实、图像质量评价、图像处理等。

【任职要求】

• 计算机相关专业本科及以上学历

• 视觉计算和机器学习有浓厚兴趣，致力于将新技术实用化；

• 精通C/C++，熟练掌握常见设计模式，很强的算法实现能力；

• 熟悉使用OpenCV，Dlib等常用视觉计算开源库；

• 精通linux/unix下编程，熟悉gdb等调试工具

【加分技能】

• 有Caffe, Tenserflow, Mxnet等开源工具开发、使用经验的优先

• 研究背景：ICCV, CVPR, NIPS等国际会议发表论文。

• 在OCR, Segmentation, 图像检索, 图像理解等领域中的某些领域有深入研究经验。

【投递方式】

请以“应聘职位+姓名+招聘信息来源”命名邮件发送简历至[e-mail]

NLP 工程师入门实践班：基于深度学习的自然语言处理

三大模块，五大应用，手把手快速入门 NLP

海外博士讲师，丰富项目经验

算法 + 实践，搭配典型行业应用

随到随学，专业社群，讲师在线答疑

▼▼▼

新人福利

关注 AI 研习社（okweiwu），回复  1  领取

【超过 1000G 神经网络 / AI / 大数据，教程，论文】

转行人士如何在人工智能领域保持一定的竞争力？

▼▼▼