京东探索研究院-运筹优化组招聘 正式员工和实习生
研究院介绍
京东探索研究院将围绕人工智能、量子计算、数据科学工程与管理、去中心化计算、技术伦理道德以及科学与艺术六大方向进行基础研究探索，未来还将着眼于加速技术成果在实际场景中的应用落地，以更好地服务实体经济发展。
京东探索研究院将坚持做有温度的技术，做符合人类价值观的技术，在世界舞台上展现一家中国科技公司的担当、风范。
京东探索研究院-运筹优化组招聘以下四个方向的正式员工和实习生。
研究方向
大规模分布式深度学习算法
- 设计模型训练的加速算法，例如：混合精度训练、量化训练、梯度压缩等;
- 设计分布式机器学习和联邦学习的优化器并进行理论分析;
- 解决分布式多机多卡环境下优化器的可扩展性问题。
自动化深度学习理论与算法
- 设计自动化机器/深度学习系统的自动化特征工程，超参数优化，模型选择，网络结构搜索等算法;
- 设计先进的模型压缩算法，包括但不限于模型剪枝、量化、知识蒸馏等;
- 稠密预测模型(Dense prediction task)的网络结构搜索以及模型压缩，包括但不限于GAN，VAE, Normalization Flow等。
最优化与强化学习理论、算法与应用
- 强化学习在ML、CV、自动化机器学习、整数规划、运筹学中的应用;
- 最优化理论与算法在机器学习，深度学习和强化学习中的应用;
- 组合优化，非凸优化，鞍点优化，随机（在线）优化、博弈论的算法与理论。
黑盒优化与近似理论、算法与应用
- 黑盒优化理论 (Bayesian Optimization, Zeroth Order SGD, 黑盒离散优化);
- 黑盒优化理论在强化学习/深度学习中的应用， 例如: Model Free RL, Black-box Attack;
- Monte Carlo, Quasi-Monte Carlo, Quadrature 积分近似理论;
- 积分近似理论在机器学习/密度估计/深度学习中的应用, 例如: Kernel Approximation, Kernel Density Estimation, Relationship between deep learning and kernel methods.
任职要求
- 熟悉机器学习、深度学习或强化学习, 以及线性代数，微积分，概率统计等基本知识；
- 熟练使用C++/Python；精通至少一种深度学习框架，例如：PyTorch、TensorFlow；
- 有发表过优化，统计、人工智能领域顶级会议（NeurIPS、ICML、ICLR、COLT、CVPR、ICCV、ECCV、KDD等）或者顶级期刊（JMLR、TPAMI、IJCV、TIP、SIAM、Math. Progr等）经验者优先；
- 有组织或参加过本领域著名国际竞赛并获奖或取得前三名者优先；
实习时间大于六个月以上者优先。
直通车
- 地点：北京亦庄·京东集团总部
- 微信/手机：15915782392
- 邮箱：shenli100@jd.com
- 邮件主题：52CV推荐
文章被以下专栏收录
