点上方蓝字计算机视觉联盟获取更多干货

在右上方 ··· 设为星标 ★，与你不见不散

仅作学术分享，不代表本公众号立场，侵权联系删除

转载于：DrugAI

AI博士笔记系列推荐

周志华《机器学习》手推笔记正式开源！可打印版本附pdf下载链接

亚马逊上海人工智能研究院

深度图模型实习生

深度图模型实习生深度学习是当前人工智能领域最热门的研究方向，它将机器学习、统计学、优化和系统工程紧密地结合在一起。深度学习成功的关键因素之一便是在计算机视觉、自然语言处理、时间序列、深度图学习和强化学习等领域里的出现的众多开源项目。这些项目既可以被用来复现研究成果，也可以帮助实际应用的快速部署落地。

上海研究院主攻的深度图网络DGL(Deep Graph Library)开源库是该领域的领跑平台。基于深度图计算的研究内容非常丰富，涵盖：1）基础理论研究；2）高性能、高容量核心引擎开发；3）重要的子领域模型研发（推荐系统、反欺诈和风控、知识图谱、制药、时域深度图计算、计算机视觉、自然语言处理、自动知识抽取）；4）客户的应用场景落地。

我们正在招募聪明努力的实习生，希望一起为开源生态添砖加瓦。我们期望能实现更多图神经网络在各个研究方向与应用领域的高级算法，让DGL在前沿研究与应用落地上越来越强大称手。在实习期间，你将在mentor的指导下深入调研图神经网络的具体子研究或应用领域，了解该领域发展脉络与重要工作，实现重要的模型快速进入该领域的最前沿，在此基础上提出更新的算法，通过开源发布让全世界的科研人员受益，也通过合作发表论文分享给整个学术圈。

除了每天能与亚马逊上海人工智能研究院的同事们交流外，实习生还将有机会和亚马逊员工、上海一流高校的顶级教授、和来自世界各地的一流专家的合作，如Matthias Bethge、Alex Smola、Stefano Soatto、Pietro Perona、Bernhard Schölkopf、George Karypis、David Wipf、李沐、张伟楠、严骏驰、黄增峰、邱锡鹏、张峥等。

＋

实习要求

1. 可以保证至少 3 个月的实习，每周至少工作 4 天 。

2. 计算机、数学、统计学以及相关专业在校本科生、研究生或博士生。

3. 熟练使用至少一种深度学习框架（MXNet, Pytorch, Tensorflow等）。

4. 有扎实的数学和机器学习基础，包括线性代数、概率、统计等。

5. 有优秀的算法与编程技术，并熟练使用Python或C++。

6. 对于深度学习和神经网络有了解，有图神经网络学习研究经验者从优，有使用DGL或其他图深度学习框架经验者从优。

7. 有自然语言处理、图像处理、推荐系统、知识图谱或其他相关领域项目经验者从优。

＋

申请方式

发送简历至：cn-ai-intern@amazon.com

邮件标题：姓名 - 学校 -专业 -年级 - 每周工作天数 - 持续工作月数 – 研究方向

工作地点：上海市华山路1901号国贸汇A座

我们全年开放实习岗位，欢迎世界各地的优秀学生踊跃申请！

Applied Science Research Interns

GNN Model Project Internship

Description

Deep learning is one of the most exciting areas of research, combining machine learning, statistics, optimization, data science and engineering. Key to its success are open-source libraries in areas such as Computer Vision, Natural Language Processing, Time Series Analysis, Graph Processing and Reinforcement Learning. They serve both as a means for reproducible research and as toolkits for efficient deployment.

The AWS Shanghai AI Lab owns research and development of DGL (Deep Graph Library), the leading open-source platform in this new and exciting area. The research profile centered around deep graph neural network is rich, and covers 1) theoretical analysis and understanding, 2) high performance and highly-scalable core infrastructure, 3) important sub-domains model research and development (recommender system, anti-fraud, knowledge graph, drug discovery, temporal graph, computer vision, natural language and information extraction), all the way to 4) customer engagement and prototyping.

We are looking for bright and motivated interns to join us in advancing and contributing to the open source ecosystem. Our goal is to improve these toolkits by adding advancedand novel algorithms to them. During the internship, you will dive into one of the research or application areas of graph neural network together with your mentor, understand the progress of this area and important works. Your mission is to implement state of the art algorithms to quickly step into the frontier of that area. Then to invent new ones, release them as open source, contribute to publications, and share with the academic community world-wide.

In addition to daily interactions with the team in AWS Shanghai Lab, you will also have the opportunity to interact with world class scientists in and around Shanghai as well as world class experts elsewhere in AWS, such as Matthias Bethge, Alex Smola, Stefano Soatto, Pietro Perona, Bernhard Schölkopf, George Karypas, David Wipf, Mu Li and Zheng Zhang.

Qualifications

Experience with deep learning and neural networks, computer vision, natural language processing, recommender systems, knowledge graphs, time series analysis and statistical modeling are preferred.

Experience with DGL or other graph learning frameworks are preferred.

How to Apply

Send resume to cn-ai-intern@amazon.com

Email Subject: AI Lab Intern + Chinese Name + University + Internship Duration

Address: Tower A ,One ITC, Huashan Road, No.1901, Xuhui District, Shanghai, China

We welcome applications throughout the year, and from all regions in and outside of China.

end

这是我的私人微信，还有少量坑位，可与相关学者研究人员交流学习 

目前开设有人工智能、机器学习、计算机视觉、自动驾驶（含SLAM）、Python、求职面经、综合交流群扫描添加CV联盟微信拉你进群，备注：CV联盟

王博的公众号，欢迎关注，干货多多

王博的系列手推笔记（附高清PDF下载）：

博士笔记 | 周志华《机器学习》手推笔记第一章思维导图

博士笔记 | 周志华《机器学习》手推笔记第二章“模型评估与选择”

博士笔记 | 周志华《机器学习》手推笔记第三章“线性模型”

博士笔记 | 周志华《机器学习》手推笔记第四章“决策树”

博士笔记 | 周志华《机器学习》手推笔记第五章“神经网络”

博士笔记 | 周志华《机器学习》手推笔记第六章支持向量机（上）

博士笔记 | 周志华《机器学习》手推笔记第六章支持向量机（下）

博士笔记 | 周志华《机器学习》手推笔记第七章贝叶斯分类（上）

博士笔记 | 周志华《机器学习》手推笔记第七章贝叶斯分类（下）

博士笔记 | 周志华《机器学习》手推笔记第八章（上）

博士笔记 | 周志华《机器学习》手推笔记第八章（下）

博士笔记 | 周志华《机器学习》手推笔记第九章

点个在看支持一下吧