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
投遞簡歷
400
