搜索職位:
-
職位描述
-
工作內容:
1. 運用信息檢索、深度學習、語義理解及知識推理等相關技術,優化基于知識圖譜的算法。
2. 利用機器學習,深度學習,增強學習可以生成藥物分子,能夠預測化學分子之間的相互作用與一些分子的藥代動力學特性等;
崗位要求:
1. 精通至少一門編程語言,包括但不僅限于:C++/Python;
2. 精通數據結構和算法設計,熟悉 Linux 開發環境;
3. 熟悉中英文分詞、詞性標注、實體識別、句法分析、自動文本分類,關鍵值提取等自然語言處理技術,熟悉語義分析方法和技術(相似度計算、本體理論、語義推理等);
4. 熟練機器學習(如LR,CRF,LDA,SVM,DT,RF,XGBoost,GBDT等);
5. 熟練自然語言處理相關算法、如TF-IDF,Word2Vec,RNN,CNN,LSTM,Transformer,Bert等典型的算法;
6. 熟悉與掌握增強學習技術的理論與方法,最好有實踐經驗;
7. 熟練掌握5中常用的深度學習算法,并且熟練掌握Tensorflow/Pytorch等深度學習的開發框架;
8. 有較好的計算機AI領域Paper的閱讀能力,并能實踐應用在項目中;
加分項:
1. 積極主動,責任心強,充滿激情,對AI和新藥研發領域有濃厚的興趣;
2. 具備自我學習能力,對未知領域能快速掌握并實踐應用;
3. 對 NLP 有實踐經驗、深入研究的熱情;
4. 在某些領域有實際的項目經驗的優先考慮:分詞、詞性標注、名實體識別、知識圖譜;
5. 有過大規模數據挖掘、文本挖掘、機器學習、深度學習研究經驗者優先;
6. 有獨立完成項目并且獲得較好性能者優先;
7. 熟悉化學分子表達式優先;
8. 有Kaggle比賽參賽經驗,在NLP或機器學習領域發表過高質量論文及**會議論文者優先(滿足其中一項即可)。
9. 運用機器學習、數據挖掘、深度學習、自然語言處理等相關算法,從海量文獻、專利庫等數據庫文檔中進行知識挖掘,構建知識圖譜的工作經驗;
10. 有知識圖譜的實體抽取、實體鏈接、關系抽取、知識挖掘等具體的研發工作經驗;
-
企業介紹
-
工作地址
-
北京