星跃计划 | MSR Asia-MSR Redmond 联合科研计划开放,人才持续招募中!

2021 年 11 月 16 日 微软研究院AI头条


微软亚洲研究院、微软雷德蒙研究院联合推出的“星跃计划”第二轮报名正在进行中!“星跃计划”首轮报名一经推出,便收到海内外学子的积极报名与热情关注,目前部分项目招募名额已满,本篇推送内的项目还有少量剩余名额。还在等什么?加入“星跃计划”,和我们一起跨越重洋,探索科研的更多可能!


该计划旨在为优秀人才创造与微软全球两大研究院的研究团队一起聚焦真实前沿问题的机会。你将在国际化的科研环境中、在多元包容的科研氛围中、在顶尖研究员的指导下,做有影响力的研究!


目前还在招募的跨研究院联合科研项目覆盖计算机系统与网络、智能云等领域。研究项目如下:High-performance Distributed Deep Learning, Intelligent Power-Aware Virtual  Machine  Allocation。


 星跃亮点


  • 同时在微软亚洲研究院、微软雷德蒙研究院顶级研究员的指导下进行科研工作,与不同研究背景的科研人员深度交流

  • 聚焦来自于工业界的真实前沿问题,致力于做出对学术及产业界有影响力的成果

  • 通过线下与线上的交流合作,在微软的两大研究院了解国际化、开放的科研氛围,及多元与包容的文化


 申请资格


  • 本科、硕士、博士在读学生;延期(deferred)或间隔年(gap year)学生

  • 可全职在国内工作6-12个月

  • 各项目详细要求详见下方项目介绍


快来寻找适合你的项目吧!


High-performance 

Distributed Deep Learning

点击此处向上滑动阅览

The parallel and distributed systems are the solution to address the ever-increasing complexity problem of deep learning trainings. However, existing solutions still leave efficiency and scalability on the table by missing optimization opportunities on various environments at industrial scale.


In this project, we’ll work with scientists who are at the forefront of system and network research, leveraging the world-leading platforms to solve system and networking problems in parallel and distributed deep learning area. The current project team members, from both MSR Asia and MSR Redmond labs, have rich experience contributing to both industry and academic community through transferring innovations that support production systems and publications at top conferences.


Research Areas 


System and Networking, MSR Asia

https://www.microsoft.com/en-us/research/group/systems-and-networking-research-group-asia/


Research in Software Engineering, MSR Redmond

https://www.microsoft.com/en-us/research/group/research-software-engineering-rise/


Qualifications


  • Major in computer science, electrical engineering, or equivalent field 

  • Solid knowledge of data structure/algorithm 

  • Familiarity with Python, C/C++ and other programming languages, familiar with Linux and development on Linux platform 

  • Good communication and presentation skills 

  • Good English reading and writing ability, capable of system implementing based on academic papers in English, capable of writing English documents 

Those with the following conditions are preferred: 

  • Familiarity with deep learning systems, e.g., PyTorch TensorFlow, GPU programming and networking 

  • Familiarity with NCCL, MPI communication protocols such as OpenMPI and MVAPICH 

  • Rich knowledge of machine learning and machine learning models 

  • Familiarity with engineering process as a strong plus 

  • Active on GitHub, used or participated in well-known open source projects 

Intelligent Power-Aware

 Virtual  Machine  Allocation  

点击此处向上滑动阅览

As one of the world-leading cloud service providers, Microsoft Azure manages tens of millions of virtual machines every day. Within such a large-scale cloud system, how to efficiently allocate virtual machines on servers is critical and has been a hot research topic for years. Previously, teams from MSR-Asia and MSR-Redmond have made significant contributions in this area that resulted in production impact and publication of academic papers at top-tier conferences (e.g., IJCAI, AAAI, OSDI, NSDI). In this project we intend to unify the strength of MSR-Asia and MSR-Redmond for performing forward-looking and collaborative research on power management in datacenters, including power-aware virtual machine allocation. The project involves developing power prediction models by leveraging the start-of-the-art machine learning methods, as well as building efficient and reliable allocation systems in large-scale distributed environments.


Research Areas 


Data, Knowledge, and Intelligence (DKI), MSR Asia

https://www.microsoft.com/en-us/research/group/data-knowledge-intelligence/


System, MSR Redmond

https://www.microsoft.com/en-us/research/group/systems-research-group-redmond/


Qualifications


  • Currently enrolled in a graduate program in computer science or equivalent field 

  • Good research track record in related areas 

  • Able  to carry out research tasks  with  high  quality  

  • Good communication and presentation skills in written and oral English  

  • Knowledge and experience in machine learning, data mining and data analytics are preferred 

  • Familiarity with AIOps or AI for systems is a strong plus 


 申请方式


符合条件的申请者请填写下方申请表:

https://jinshuju.net/f/LadoJK

或扫描下方二维码,立即填写进入申请!








你也许还想看






登录查看更多
0

相关内容

挖掘软件存储库(MSR)会议分析软件存储库中可用的丰富数据,以发现有关软件系统和项目的有趣和可操作的信息。官网链接:http://www.msrconf.org/
【百图生科宋乐博士】 人工智能赋能医药研发
专知会员服务
27+阅读 · 2022年3月17日
人工智能企业技术岗位设置研究报告
专知会员服务
41+阅读 · 2022年2月26日
清华大学:2021元宇宙研究报告!
专知会员服务
232+阅读 · 2021年11月2日
一份硬核计算机科学CS自学修炼计划
专知会员服务
43+阅读 · 2021年1月12日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
微软校招 | 2022暑期实习招聘正式启动!
微软招聘
0+阅读 · 2022年1月10日
开放申请 | 2022腾讯犀牛鸟精英人才计划
腾讯AI实验室
0+阅读 · 2021年12月14日
直播预告 | 10月27日:中欧联合实验室系列学术讲座
中国科学院自动化研究所
0+阅读 · 2021年10月22日
星跃计划 | MSR Asia-MSR Redmond 联合科研计划再度开放!
微软研究院AI头条
0+阅读 · 2021年9月7日
2021-2022微软亚洲研究院星桥计划开放申请啦!
微软研究院AI头条
0+阅读 · 2021年7月5日
国家自然科学基金
7+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年8月31日
国家自然科学基金
5+阅读 · 2015年7月12日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
45+阅读 · 2019年12月20日
VIP会员
相关资讯
微软校招 | 2022暑期实习招聘正式启动!
微软招聘
0+阅读 · 2022年1月10日
开放申请 | 2022腾讯犀牛鸟精英人才计划
腾讯AI实验室
0+阅读 · 2021年12月14日
直播预告 | 10月27日:中欧联合实验室系列学术讲座
中国科学院自动化研究所
0+阅读 · 2021年10月22日
星跃计划 | MSR Asia-MSR Redmond 联合科研计划再度开放!
微软研究院AI头条
0+阅读 · 2021年9月7日
2021-2022微软亚洲研究院星桥计划开放申请啦!
微软研究院AI头条
0+阅读 · 2021年7月5日
相关基金
国家自然科学基金
7+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年8月31日
国家自然科学基金
5+阅读 · 2015年7月12日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Top
微信扫码咨询专知VIP会员