北京内推 | AMD北京算法团队招聘深度学习算法实习生(可远程)

合适的工作难找?最新的招聘信息也不知道?

AI 求职为大家精选人工智能领域最新鲜的招聘信息,助你先人一步投递,快人一步入职!

AMD

AMD 是高性能与自适应计算领域的领先企业,致力于提供优质的产品和服务,助力客户解决各种重大的挑战。我们的技术推动着数据中心、嵌入式系统、游戏和 PC 市场迈向未来。AMD 于 1969 年在硅谷创立,最初只有几十名员工,从那时起 AMD 便踏上创新之路,致力于引领半导体产品领域的最前沿。如今,AMD 已经成长为一家现代化的全球性企业,凭借先进技术和诸多突破性行业创新,树立现代计算新标杆。

f1e42f055dcc14437a333dca8097ff12.jpeg

深度学习算法实习生

坐标:北京市朝阳区安定路中海国际中心B座

岗位职责

1. CV/NLP Transformer相关前沿深度学习算法研究;

2. 研究和开发Transformer神经网络的模型剪枝、量化、稀疏化、小型化结构设计等压缩算法;

3. 可远程实习。

岗位要求

1. 计算视觉/机器学习相关硕士/博士在校生;

2. 熟悉至少一种深度学习算法,例如CNN或Transformer等,对视觉/NLP Transformer的优化有研究兴趣;

3. 熟悉pytorch或者tensorflow;

4. 熟悉C/C++或Python编程;

5. 实习期3-6个月,6个月以上优先。

加分项

在人工智能、机器学习、视觉等相关顶会/期刊发表过论文。

 投递方式 

📪 yixing.xu@amd.com

邮件标题和简历标明:姓名-岗位名称-AI求职

4ae5b70a1086348e7a06eb094c8825f3.jpeg


实习内推

上海人工智能实验室阿里巴巴达摩院微软亚洲研究院DKI百度文心ERNIE团队Apple数据应用团队微软亚洲互联网工程院中国电信AI研发中心华为诺亚方舟语音语义实验室滴滴出行网约车核心团队快手知识图谱中心微软研究院科学智能中心美团搜索广告算法团队蚂蚁集团大模型团队粤港澳大湾区数字经济研究院小红书多模态算法组微软亚洲互联网工程院AR组蚂蚁网商银行智能引擎团队微软WizardLM大模型团队Sony AI腾讯AI Lab决策智能中心字节跳动抖音电商团队理想汽车智能座舱团队微软亚洲研究院人工智能与机器学习组百度文心(ERNIE)团队腾讯光子工作室群百度AIGC团队微软亚洲互联网工程院快手Y-tech部门阿里云人工智能平台深度学习团队NVIDIA中国光明实验室媒体内容生成团队微软亚洲研究院工业创新中心上海人工智能实验室腾讯光子工作室群小红书智能创作音频组

校招岗位

阿里达摩院基础视觉智能团队同花顺广东智慧教育研究院北京智源人工智能研究院阿里达摩院XR实验室小红书社区技术部蚂蚁金服商家增长团队京东广告数据与算法部格灵深瞳合肥研发中心智源人工智能研究院小红书社区技术部百度搜索策略部相关性团队京东营销与商业化中心同花顺问财团队商汤科技小红书华为云算法创新Lab智源人工智能研究院阿里云PAI深度学习算法团队秘塔科技美柚研究院百度搜索策略部华为云算法创新Lab淘宝搜索算法团队百川智能IDEA数字经济研究院百度搜索策略部阿里达摩院视觉技术实验室地平线阿里巴巴淘天集团阿里达摩院对话智能团队百度文心一言团队京东零售内容算法部蚂蚁网商银行智能引擎团队腾讯AI Lab决策智能中心理想汽车智能座舱团队阿里通义实验室对话智能团队

社招岗位

阿里达摩院决策智能实验室同花顺问财团队华为云算法创新Lab智源人工智能研究院淘系搜索算法技术团队秘塔科技美柚研究院百度商业研发部之江实验室蓝箭航天华为诺亚方舟实验室腾讯微信事业群快手商业化算法团队阿里妈妈智能广告平台团队群核前沿技术研究院京东零售内容算法部快手模型与应用部小红书社区搜索组IDEA研究院美团平台研发团队商汤智慧城市事业群网易互娱AI Lab微信技术架构部Avolution.AI团队百度搜索策略部蚂蚁集团阿里达摩院视觉技术实验室海康威视研究院阿里巴巴淘天集团阿里达摩院对话智能团队第四范式大模型团队美团流量安全团队蚂蚁网商银行智能引擎团队Sony AI阿里达摩院OCR团队OPPO研究院语音语义研究部京东智能服务与产品部算法团队阿里淘天集团客户满意中心理想汽车智能座舱团队阿里通义实验室对话智能团队百度AIGC团队光明实验室媒体内容生成团队

高校招生

伊利诺伊大学芝加哥分校程璐老师乔治梅森大学朱庄翟老师弗吉尼亚理工大学贾若溪老师伦敦国王学院杜雅丽老师新加坡国立大学金玥明老师华中科技大学张晓今老师多伦多大学牟文龙老师北京大学王选所孙俊教授西北大学李曼玲老师中山大学吕子钰老师西湖大学学习与推理系统实验室新加坡国立大学Immersive Reality Lab弗吉尼亚理工周大为老师麦吉尔大学Steve Liu教授布里斯托大学沈俊潇老师香港科技大学郭毅可院士奥克兰大学MARS Lab佐治亚大学卢国玉老师北卡罗莱纳州立大学刘孝睿老师弗吉尼亚大学孟瑜老师Mila研究院/麦吉尔大学毛成志老师印第安纳大学布鲁明顿主校区严达教授清华大学机器学习与推理课题组北京大学网络信息处理实验室哥本哈根大学计算机系香港中文大学(深圳)孙启霖老师圣路易斯华盛顿大学王晨光老师北大光华管理学院彭一杰教授大湾区大学余梓彤老师纽约大学Pavel Izmailov老师圣路易斯华盛顿大学黄佳新老师南方科技大学魏鸿鑫老师

加入社群  🌟

为了更好地了解和满足大家的需求,我们建立了「求职者社群」

加入 AI 求职社群,你可以享有招聘需求曝光获取最新面试经验校招准备攻略硕博招生独家内推渠道等服务。

扫描下方小助手的微信,pick 你心仪的岗位~

b449b4e2352c0e7c6ccce7ac6567f8d6.png


如何发布招聘

AI 求职是「PaperWeekly」旗下聚焦人工智能领域的招聘平台,涵盖高校硕博招生、博士后招募、企业校招、社招、实习和内推等。

目前已有百度、阿里、腾讯、字节跳动等企业发布内推岗位,欢迎大家订阅关注、发布岗位,如果你也想对公司和在招职位进行更多曝光,请联系我们的栏目负责人(微信:pwbot02)。

·

·

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
深度学习模型-稀疏自编码是一种无监督学习算法,常用于特征学习和降维任务。它的主要思想是通过学习隐含层的稀疏表示来还原输入数据。 稀疏自编码可以在Matlab中实现,以下是一个简要的算法框架: 1. 数据准备:准备一个数据集,该数据集包含一组输入数据样本。 2. 参数初始化:初始化权重矩阵和偏置向量。 3. 前向传播:使用当前的权重和偏置计算每一层的输出结果。对于稀疏自编码,需要使用稀疏性惩罚项来约束每个隐含层节点的激活度。 4. 反向传播:计算输出结果与原始输入之间的误差,并通过反向传播算法来调整权重和偏置,以最小化误差。 5. 迭代训练:重复进行前向传播和反向传播步骤,直到收敛或达到预定的迭代次数。 6. 特征提取:在训练完成后,可以使用稀疏自编码器的隐含层节点作为提取到的特征,用于其他任务,如分类和聚类。 在Matlab中,可以使用深度学习工具箱中的Autoencoder函数来实现稀疏自编码。该函数包含了训练和提取特征的功能,并且可以很方便地加载和操作数据集。 总而言之,深度学习模型-稀疏自编码是一种强大的特征学习算法,在Matlab中可以轻松实现,并使用内置的数据集进行测试和验证。通过合理调整参数和增加训练迭代次数,可以得到更好的特征表示和更准确的输出结果。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值