机器学习组实习开放岗位
机器学习组
组别介绍：
微软亚洲研究院机器学习领域从理论、算法、应用等不同层面推动机器学习的前沿。我们的研究兴趣包含：深度学习、强化学习、图学习、梯度提升树、在线学习、预训练、动态学习、学习理论等。同时， 我们也在积极探索人工智能在自然科学和产业应用中的价值，从而为科学工作者和传统工业赋能（具体见研究概况）。在过去的十几年间，我们在顶级国际会议和期刊上发表了大量被高度引用的高质量论文，向微软的产品部门转化了大量核心技术，并帮助众多的企业合作伙伴实现了数字化转型。我们也向开源社区贡献了大量高质量开源工具，例如 LightGBM、LigthLDA、微软图引擎，多智能体资源优化平台“群策 MARO”，业内首个AI量化投资平台“微矿 Qlib”，以及最新的时空预测平台“FOST”。
机器学习+计算化学/计算物理算法实习生
点击此处向上滑动阅览
工作职责
复现已有论文
改进现有代码、性能优化
工作方向（选其一）
利用图神经网络等相关方法进行分子材料表征
使用生成模型、强化学习等方法完成分子材料设计
利用神经网络加速偏微分方程求解
利用神经网络完成积分方程求解
利用 cuda 语言加速
任职要求
计算机、电子、化学、物理或相关专业（本科/硕士/博士）
扎实的数据结构/算法基础
熟悉常见的机器学习算法，熟悉使用 PyTorch 或 TensorFlow 等
熟练的编程能力
快速学习能力,良好的沟通与合作能力
工作时间要求
能获得导师许可并保证至少三个月的实习。
智能金融算法研发实习生
点击此处向上滑动阅览
工作职责
智能金融研究方向：
研究机器学习在金融领域（如量化投资）的应用
打破传统投资框架，探索全新的投资策略学习范式，将研究成果发布到相关领域的顶级会议或期刊
将研究工作开源到微软自研量化投资平台 Qlib (https://github.com/Microsoft/qlib) ，在开源社区和金融领域最活跃最前沿的同行进行深度交流
放下 Toy data 走出象牙塔，面对真实的海量金融数据，设计面向百亿级别的实际金融场景，应对变化莫测的金融市场
智能金融系统开发方向：
定义下一代量化投资研发框架，了解并解决开源社区和金融领域最活跃最前沿的同行的最新需求，研发和维护量化投资平台(Qlib https://github.com/microsoft/qlib)
将理想实验环境中的算法迁移到真实的金融交易场景中，针对真实市场中的问题优化模型和策略，在真实金融数据中分析和定位模型问题
设计和改进运营百亿级别资金的量化投资系统，解决在真实交易环境中遇到的系统瓶颈，对架构设计和系统性能进行调优
智能金融监管研究方向：
研究机器学习在金融监管领域的应用，场景包括反洗钱、反欺诈等
将异常检测算法用于洗钱及欺诈行为检测
基于图神经网络、时空图等模型建模用户间关联，检测洗钱及欺诈团伙
利用时间序列模型分析洗钱行为及欺诈行为的时序异常规律
将研究成果发布到相关领域的顶级会议或期刊；将算法落地到实际场景中去，在充满噪声的数据中精准识别诡计多端的不法分子
任职要求
熟悉各类机器学习算法、模型的优化，熟悉常用的机器学习工具
具备优秀的编程能力和扎实的算法基础，精通 Python 和 Linux 开发环境
能熟练使用至少一种深度学习框架（PyTorch、Tensorflow及Caffe 等）
智能医疗算法研究实习生
点击此处向上滑动阅览
工作职责
AI for Health 相关前沿论文的阅读及分享
医疗数据分析、场景挖掘、问题定义
独立推进一项研究子课题，在真实场景的数据中验证
撰写论文及专利
任职要求
计算机、电子或相关专业（本科/硕士/博士）
扎实的机器学习基础知识和编程能力
积极主动的研究和学习态度
有time series, tabular data, graph neural network, CV, NLP 等方向研究经历者优先
有完整的论文撰写及投稿经历者优先
有 Kaggle、ACM 等竞赛获奖者优先
强化学习算法应用实习生
点击此处向上滑动阅览
工作职责
积极跟进和关注强化学习算法的前沿研究
参与机器学习算法，特别是强化学习相关算法的研究
参与强化学习算法在物流、能源、工业控制等领域的落地应用
任职要求
计算机或相关专业硕士或以上学历，有较强编程能力的优秀本科生也欢迎申请
具备良好的数学基础，机器学习知识
具有较强的编程实现能力，良好的沟通能力和团队协作精神
加分项：有强化学习算法的开发和研究经历；顶级 AI 会议文章；熟练掌握深度学习框架(PyTorch, TensorFlow 等)；有开源软件开发经历等
工作时间要求
能获得导师许可并保证至少三个月、每周至少四天的实习
机器学习组AI for Science实习生
点击此处向上滑动阅览
工作职责
基于深度学习的分子模拟，如分子动力学，分子性质预测，分子生成，逆合成等。
深度学习模型在算法及理论层面的创新，如图神经网络、大规模预训练算法等。
深度学习在材料发现、药物发现等中的应用。
机器学习与湿实验相结合。
使用机器学习加速密度泛函理论等。
任职要求
扎实的数理基础知识。
任一相关方向扎实的背景知识。
熟练使用PyTorch/Tensorflow等深度学习库。
加分项：
有机器学习方向顶会论文发表。或
有丰富的计算物理、化学、生物知识，会熟练使用相关量子化学软件等。
实习时间一年及以上。
工作时间要求
能获得导师许可并保证至少三个月、每周至少四天的实习
复杂疾病方向实习生
点击此处向上滑动阅览
工作职责
（生物方向）调研、整理相关疾病科学研究进展及临床治疗现状
（生物、计算方向）收集、分析相关疾病数据，参与核心问题定义及解决路径设计
（计算方向）基于已有生物数据库及相关疾病科研、临床数据，设计针对问题的有效算法
任职要求
计算机、生物信息学或生物医学相关专业（硕士/博士）
生物方向：
较强的英文文献阅读和总结能力
基本的数据结构/算法基础与编程能力（Python优先）
良好的沟通、表达、合作能力
计算方向：
扎实的深度学习/算法基础，图算法及知识图谱项目经验优先
学习并接纳新领域知识，尤其是生物医学知识的意愿
良好的沟通、合作能力
工作时间要求
能获得导师许可并保证至少三个月的实习
生物序列建模实习生
点击此处向上滑动阅览
工作职责
蛋白质序列数据的序列分析与建模，包括但不限于蛋白质序列分析、蛋白质语言模型的设计与实现、基于蛋白质序列语言模型的预训练、蛋白质预训练模型的下游任务及应用等。
任职要求
扎实的数据结构/算法基础，熟练掌握概率论与数理统计
熟练的编程能力，能够熟练运用Python
快速学习能力，有良好数据敏感度
良好的沟通与合作能力，能用英语交流
对数据分析有较深的认识， 有大规模数据处理的项目经验
具备较强的数学建模能力，熟悉常见的机器学习模型，有模型的调参经验
熟悉PyTorch者优先；熟悉序列数据分析，对生物序列数据感兴趣者优先；有发表顶会或顶刊文章经验者优先
工作时间要求
能获得导师许可并保证至少三个月的实习。
基因组学/转录组学实习生
点击此处向上滑动阅览
工作职责
调研并整理3D基因组学/空间转录组学/表观遗传组学等相关领域前沿进展与研究问题
收集并整理3D基因组学/空间转录组学/表观遗传组学研究的相关数据
参与设计并实施相关领域计算生物学科研项目
任职要求
生物信息学、计算生物学、分子生物学、遗传学或相关专业（硕士/博士）
基本的数据结构/算法基础与编程能力（Python优先）
较强的英文文献阅读和总结能力
自主科研能力与表达、沟通能力
工作时间要求
能获得导师许可并保证至少三个月的实习。
生物分子建模实习生
点击此处向上滑动阅览
工作职责
蛋白质结构预测以及三维结构分子建模
RNA分子结构预测以及三维结构分子建模
小分子三维构象建模生成以及性质预测
任职要求
计算机、生物信息学、计算生物学或相关专业（本科/硕士/博士）
扎实的数据结构/算法基础，熟悉PyTorch者优先
具有机器学习项目经验 或 熟练的编程能力 或 较强的数据分析能力
了解生物大分子以及小分子3D分子建模或者有相关项目经验者优先
工作时间要求
能获得导师许可并保证至少三个月的实习。
强化学习算法研究实习生
工作职责
参与强化学习算法在game testing，logistics，congestion control等领域的落地。在这里，你有机会接触工业级的数据，接触并研发实际业务中的核心技术，并且让强化学习在实际问题中发挥巨大的影响力。
从上述应用中抽象研究问题，进行算法研究。在这里，你有机会接受科研方面的指导和训练，接触研究院提供的各种学术交流机会，在顶级国际会议和期刊上发表高质量的研究工作。
任职要求
计算机或相关专业博士，有志于科研的本科生或硕士也欢迎申请；
具有较强的编程实现能力，良好的沟通能力和团队协作精神；
具备一定的强化学习基础，能够读懂顶级国际会议强化学习方面的论文；
加分项：有数学/物理/信息学竞赛方面的成绩；有强化学习算法的开发和研究经历；在顶级国际会议和期刊上发表过强化学习方面的工作。
工作时间要求
能获得导师许可并保证至少三个月的实习。
强化学习实习生
点击此处向上滑动阅览
工作职责
进行机器学习领域前沿研究，在顶级会议和期刊上发表文章，推动AI技术在工业界的落地
Game AI：通过游戏抽象现实问题。
Probabilistic RL：进行强化学习基础算法研究，致力于推动强化学习算法发展
算法落地：强化学习应用研究
任职要求
熟悉Linux、Python，精通 Pytorch 或Tensorflow
精通至少一个机器学习子领域的前沿工作，对该领域有自己的理解
知晓RL|VAE|GameAI & DL领域的前沿工作和重要工作，拥有论文快速检索和阅读能力
擅长对实际问题建模，具备优秀的研究直觉
具备优秀的实验管理能力
能保证至少六个月的实习， 每周不少于四天
加分项：
ICML/NIPS/ICLR/CVPR/ICCV/ECCV/ACL/KDD 发表论文经历
ACM 或其他编程比赛经历
数据科学竞赛经历
工作时间要求
能获得导师许可并保证至少6个月的全职实习。
语音研究实习生
点击此处向上滑动阅览
工作职责
参与机器学习、自然语言处理、语音相关算法研究，参与文本到语音合成相关算法研究
参与研究选题、算法模型设计、实验验证、论文写作以及实践应用、产品落地等相关流程
任职要求
计算机、电子或相关专业（本科/硕士/博士）
具有良好的逻辑思维能力，扎实的数理、编程基础，熟练掌握至少一种深度学习框架，比如 Tensorflow
具有良好的机器学习、深度学习基础，有扎实的深度学习模型开发、调试、优化经验者优先
加分项：具有语音相关基础知识，了解传统的语音合成以及基于神经网络的端到端语音合成方法；关注语音领域最新研究进展，有相关论文发表者优先
工作时间要求
能获得导师许可并保证至少六个月的实习
研究实习生
点击此处向上滑动阅览
工作职责
参与强化学习的算法研究
参与机器学习/强化学习算法的实践应用
参与开源项目（DMTK, LightGBM）的开发和应用
面对大规模数据下机器学习/强化学习的挑战，提高现有算法的效率和准确度
任职要求
计算机或相关专业
具备良好的数学基础，机器学习知识
具有较强的编程实现能力，良好的沟通能力和团队协作精神
加分项：了解深度学习框架（PyTorch, TensorFlow 等），有 linux 下开发经验, 有使用 Git/VSO 等团队合软件，有开源软件开发经历
工作时间要求
能保证三个月的实习， 每周不少于四天
计算免疫学实习生
点击此处向上滑动阅览
工作职责
基于高通量免疫组学数据，构建免疫分子间识别模型
结合免疫组学和多组学数据，设计相关抗原的免疫原性预测方法
免疫组学数据收集与分析
任职要求
计算机、生物信息学或生物医学相关专业（本科/硕士/博士）
具有机器学习项目经验 或 熟练的编程能力 或 较强的数据分析能力 或 扎实的生物医学专业基
工作时间要求
能保证三个月的实习