AI 科技评论消息,日前,Facebook 人工智能研究院 (FAIR) 在其官网上更新了 2018 年实习生招聘计划,这次的实习期为一年,实习时间为 2018 年 8 月——2019 年 8 月,截止申请日为 2018 年 1 月 26 日。从官网的介绍来看,这次他们招聘实习生最主要的目标是在顶会上发表论文。那么,在这次面向研究的招聘计划中,对申请人的技能要求是什么?具体需要提交什么资料?什么时候能收到通知?AI 科技评论将这次的招聘计划编译整理如下,感兴趣的同学们快过来一探究竟。
Facebook 人工智能研究院 (FAIR) 实习生计划是个为期一年的研究型培训项目,参与这个计划,你将能与 FAIR 研究小组一起工作,他们会亲自教导你机器学习的研究。Facebook 将分配一位高级研究员或工程师作为你的导师,你俩后续会配合工作。你们可以选择共同感兴趣的研究问题,设计新的深度学习方法来解决它。除了与指定的导师合作,你也可以找其他研究员或工程师寻求帮助。Facebook 将会在顶级学术大会 (如: NIPS, ICML, ICLR, CVPR, ICCV, ACL, EMNLP 等) 上提交你们的研究论文,发布开源代码,这将进一步将你的研究成果传递到学术社区。你可以点击 FAIR research 页面来查看以往的实习案例。
如果你的研究生课程是机器学习,或者你想要开始在这一领域进行研究,Facebook 提供的这项 AI 研究实习经历将非常有用。不过这是一项全职工作,不能与大学学习或其他全职工作一起进行。
Facebook 鼓励那些拥有强大技术背景和对人工智能研究充满热情的人来申请实习。之前拥有机器学习经验的人无疑很占优势,但他们会从不同的背景中挑选满意的实习生,包括那些表面上与机器学习无关的领域,如数学、物理、金融、经济学、语言学、计算社会科学和生物信息学等,当然也不限于提到的这些学科。
通过申请的实习生将在门洛帕克和纽约办公。如果候选人需要工作签证,他被录取后 Facebook 将设法提供帮助。
职位描述
学习如何在深度学习和人工智能领域进行研究。
了解先前的研究工作和现有的文献。
与导师合作,研究共同感兴趣的问题,开发新的人工智能技术。
在诸如 PyTorch, Caffe 2 这样的框架中把想法转化成实际的代码。
以学术论文的形式撰写研究成果,并提交到相关领域的顶会中。
技能要求
STEM(科学,技术,工程,数学)领域相关专业本科学历,如数学、统计学、物理学、电气工程、计算机科学专业或拥有同等实际经验。
学过的课程:线性代数、概率论、微积分。
有用 Python 或 C/C++等通用编程语言编写代码的经验。
熟悉至少一个深度学习平台,如 PyTorch,Caffe,Theano,TensorFlow 等。
在进行复杂的研究时,思路清晰、准确,行动力强。
加分项
拥有机器学习或人工智能方面的研究经验 (例如出版过论文或发布过代码)。
对开源项目有过重大贡献,能证明自己在数学、工程、统计学或机器学习方面的强大技能。
在学术研究方面成就斐然。
申请要求
需要提交以下内容:
1、简历 (包括你的 GitHub 主页、个人网页、出版物、博文等)
简历应包括如下三点内容:(1)做过的研究和出版过的论文;(2) 参加过的机器学习竞赛及比赛结果;(3) 编程经验,你做过贡献的开源库的链接。在简历中,请着重强调你所带来的影响。
2、个人陈述
最多 2 页,描述你为什么想要参加这个项目,你在人工智能领域的经验,研究兴趣和长期计划。格式并不固定,希望能易读 (例如字体不要小于 10 号,边缘留白小于 1 英寸)。
3、成绩单
包括你拿到的所有学位的成绩单。如果你是非美国高校毕业,请请成绩转换成美国 GPA 计算方法。(可以利用这个网站转换:https://www.foreigncredits.com/resources/gpa-calculator/)。
注:所有材料必须为 PDF 格式。
几个重要时间点
截止申请:2018 年 1 月 26 日
面试通知:2018 年 2 月 16 日
录用通知:2018 年 3 月 5 日
确认 offer 截止时间:2018 年 4 月 20 日
项目开始时间:2018 年 8 月
项目结束时间:2019 年 8 月
大家现在就可以申请了,马上行动起来,将简历、个人陈述、成绩单转为 PDF 格式发给 Facebook。重要的一点是,截止时间是 2018 年 1 月 26 日,之后申请将会无效。
如果你通过了初步筛选,Facebook 将会联系你准备一封推荐信。之后,他们将会通过视频会议对你进行面试。
via:research.fb
————— 给爱学习的你的福利 —————
AI慕课学院《机器学习算法与实战基础入门班》,
日本名古屋大学博士陈安宁老师亲授,
帮助对机器学习感兴趣的同学快速入门机器学习,
零开始讲解机器学习知识,算法理论+案例实训,
层层递进,直通机器学习的本质及其应用!
详细了解点击文末阅读原文
————————————————————