Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

ACL 2021论文分享会现场招聘,荣耀专场

在全球疫情背景下,国际间的线下学术交流变得十分困难。这段时间以来,机器之心一直在围绕国际顶级学术会议在国内举办线下活动,促进国内 AI 领域的学术交流。


ACL作为全球最受关注的自然语言处理顶级会议,每年都吸引了大量华人学者投稿、参会。为了给国内 NLP 社区的从业人员搭建一个自由轻松的学术交流平台,机器之心将于7月31日北京燕莎中心凯宾斯基举办「ACL 2021 论文分享会」。

分享会设置Keynote、 论文分享、 Poster、圆桌论坛与企业展台环节,就业内关注的 Transformer、大规模预训练模型等热门主题邀请顶级专家、论文作者与现场参会观众进行学术交流。查看ACL 2021论文分享会全日程。

在分享与交流之外,荣耀也将在现场进行人才招聘,近期在求职与看机会的小伙伴不要错过哦。招聘团队与职位详情如下:

公司简介:HONOR荣耀于2013年诞生,是全球领先的智能终端提供商。我们致力于成为构建全场景、 面向全渠道、服务全人群的全球标志性科技品牌,荣耀以创新、品质和服务作为三大战略控制点,坚持研发及前瞻性技术的持续投入,为全球消费者带来不断创新的智能设备, 创造属于每个人的智慧新世界。

 

此次招聘岗位集中在人工智能、安全相关岗位,工作城市分布在北京、上海、深圳与南京,期待你的加入。

AI NLP算法专家

岗位要求:

  1. 负责NLP领域算法研究和应用落地,包括:文本分类、实体识别、文本摘要、信息抽取、情感分析、机器翻译、阅读理解、知识图谱等。

  2. 负责业界前沿ML技术在NLP领域的应用研究和落地,包括:无监督学习、半监督学习小样本学习联邦学习在线学习、多模态等。

  3. 负责NLP技术能力体系规划和构建、负责NLP评测体系能力构建,识别该领域的关键技术,制定评估标准。

  4. 负责跟踪NLP研究进展,引入先进算法和技术,不断提升技术竞争力,使NLP能力达到业界领先水平。

工作城市:北京/南京/深圳
AI语音识别专家
岗位职责:
  1. 负责语音识别处理技术及相关算法研究和开发,负责声学模型、语言模型、解码器相关工作

  2. 负责语音识别技术在泛终端上的架构设计及推动落地

  3. 负责语音识别技术的竞争力构建,形成关键竞争力,负责引入业界先进算法、技术,不断提升技术和方案竞争力,对体验负责

工作城市:北京/南京/深圳



个性化推荐专家

岗位职责:
  1. 从事基于情境感知机器学习等算法研究,提升场景识别的准确性和内容推荐的有效性,提升终端用户的使用体验。
  2. 从事场景上下文表达、偏好编排相关的核心算法及平台的设计和研发,跟踪业界最新理论和技术发展,提出创新型的解决方案,以实现之智能交互关键技术突破。
  3. 从事本领域特性的端到端评估,推动用户体验提升,对产品上市后的质量表现负责。

岗位要求:

  1. 计算机科学、统计学、应用数学等相关领域;
  2. 推荐系统机器学习等技术领域有实际项目经验,了解业界最新理论和技术进展;
  3. 具备机器学习的知识基础,熟悉包括但不限于LR、FM、CF、LSTM等行业主流算法;
  4. 对传统学习框架如GBDT、LibLinear、Implicit、深度学习框架DLRS等熟悉;
  5. 有较强的算法分析和实现能力,熟练掌握Python/Java开发;
工作城市:北京/南京/深圳

精准感知专家
岗位职责:负责手机端室内室外定位算法。
岗位要求(掌握以下两点即可):
  1. 熟悉或掌握常见室内室外定位技术、传感器和工作原理,如GPS、wifi、无线信号、蓝牙、惯导、地磁、iBeacon、UWB、AOA、ZigBee、slam等。

  2. 熟悉多传感器融合定位的算法,能够完成算法设计、仿真、实现和验证。

  3. 具有构建室内室外定位指纹库的研究经验。

  4. 有手机端侧定位算法经历优先。解决室内室外高精度低功耗定位的技术瓶颈。

工作城市:北京/南京/深圳
图像算法工程师
岗位职责:
  1. 负责图像处理、图像识别、AI等算法开发及工程化落地,构建智能手机拍照和录像的竞争力;

  2. 调研和跟踪高校、第三方公司在图像/AI算法方向的技术发展,推进技术合作。

岗位要求:
  1. 熟悉常见的图像/视频处理、计算机视觉模式识别深度学习等算法;

  2. 熟悉C/C++、Python编程,掌握TensorFlow、PyTorch、Keras等至少一种深度学习框架;

  3. 具有3A、图像配准、图像融合、降噪增强、视频防抖、AI等算法开发经验者优先;

  4. 熟悉手机ISP pipeline成像链路,或者发表过图像相关论文/专利者优先。

工作城市:北京/南京/深圳/上海

camera软件工程师
岗位职责:
  1. 负责手机/平板/PC类终端产品的camera软件开发工作;根据产品的需求,通过软件集成&算法优化的工作;完成相关特性功能开发;或者通过改善产品体验和性能等;

  2. 主要负责camera HAL层的集成开发、相机新特性的开发、多平台软件问题的分析和解决;多平台多场景架构的开发和维护等工作;

  3. 负责算法软件Camera场景体验提升及软件特性竞争力的建设;4、对ISP Pipeline进行定制,特别是对CamX-CHI进行深度进度,作出差异化竞争力;

岗位要求:
  1. 对Android camera架构有一定的理解和掌握;了解camera 基本功能的实现流程;有实际camera项目经验者优先;

  2. 熟悉高通CamX、CHI架构优先;有过高通、MTK、展锐等芯片平台 Camera开发经验优先;

  3. 熟悉ISP架构及常见算法原理优先;

  4. 熟悉Camera第三方算法的集成及维护;像算法集成经验优先

  5. 具备较强的逻辑思维能力及学习能力;具有良好的沟通能力、团队合作精神和压力管理能力;能快速适应转变并乐于迎接挑战

工作城市:北京/南京/深圳/上海

AI视觉算法高级工程师

岗位职责:

  1. 负责深度学习、图像理解、机器学习等前沿技术的研究,保持行业领先水平,持续突破技术上限;

  2. 负责计算机视觉深度学习算法的开发与性能提升,涉及到的主要问题包括但不限于:OCR、图像视频增强、精细化人景分离算法,体态识别,手势识别,物体追踪等;

  3. 提出和实现最前沿的算法,保持算法在工业界和学术界的领先。

岗位要求:

  1. 计算机/电子信息/数学相关专业,硕士及以上学历;

  2. 优秀的分析问题和解决问题的能力,对新技术充满好奇心,爱挑战高难度,善于提出解决方案并快速验证;;

  3. 熟悉Caffe/ MXNet /Pytorch/TensorFlow计算机视觉框架的其中一种开源深度学习框架;

  4. coding能力强。熟悉linux,熟悉C/C++和Python,优秀的编码与代码控制能力, 扎实的数据结构和算法功底;

  5. 熟悉CUDA编程、CUDNN,或TensorRT优先,有图像算法性能优化经验者优先;

  6. 研究能力强,如在CVPR/ICCV/ECCV/NIPS/ICML/SIGGRAPH等会议上发表过论文优先考虑。

工作城市:北京/南京/深圳

AI移动应用工程师

岗位要求:
  1. 硕士或以上学历,计算机及相关专业,有3年以上Android工程开发经验;
  2. 熟练掌握java语言,深入理解并能熟练使用基础类库,熟悉java虚拟机;
  3. 熟连使用Android Studio、SVN、Git等开发工具;
  4. 熟悉Android平台框架(涉及UI、自定义View、framework、多线程、网络等);
  5. 精通Android开发平台及框架原理,Android平台UI设计和常用布局,熟练使用Android SDK及相关开发工具,能独立完成基于Android的应用的开发工作;
  6. 熟练掌握Android性能优化方法和相关调试工具;
  7. 掌握Android中间件、HAL层开发规范,对JVM原理有一定了解;掌握 Jni 运行原理、内存泄漏的应对方案、功耗问题的优化经验、以及崩溃堆栈的排查经验;
  8. 曾负责过性能、安全、稳定性、功耗、兼容性、认证等专题工作者优先;
工作城市:北京/南京/深圳

Android软件安全开发工程师
岗位职责:负责Android系统上安全技术方案开发与实现。按项目要求完成项目软件设计、代码及文档开发工作。

岗位要求:
  1. 全日制本科及以上学历,英语四级及以上;

  2. 熟悉Android Framework,  anodrid 安全架构或者Linux 内核原理及Selinux等基础知识;

  3. 对软件开发和流程有较深入的理解和实践,掌握C/C++/JAVA语言至少一种;

  4. 有TrustZone、SGX等TEE OS技术的系统架构、设计与开发经验优先;

  5. 具备手机操作系统、嵌入式软件开发相关的知识,熟悉LINUX、Android等知识者优先;

  6. 有安全相关经验者优先。

工作城市:北京/南京/深圳

系统安全开发工程
岗位职责:
  1. 负责Android平台的安全技术研究和开发设计,打造产品的安全卖点, 形成产品竞争力。

  2. 跟踪Google对于Android系统的演进与技术对接,挖掘Android平台业务新机会点,形成产品安全解决方案;

  3. 负责Android平台安全技术演进,负责在Android平台新开发或迁移安全特性,并与google的安全规划思路和节奏相匹配;

  4. 负责Android平台的安全技术和能力BenchMark建设;

岗位要求:
  1. 全日制本科及以上学历,英语四级及以上;

  2. Android平台的安全开发和安全设计经验;

  3. 熟悉终端产品软架构,Android平台的架构和安全特性,了解安全相关的特性或技术如隐私保护、应用安全、系统安全加固、设备安全、Trustzone、虚拟化,支付安全;

  4. 主导过若干个Android系统层安全解决方案的设计,具有相当的解决方案设计和架构能力;

工作城市:北京/南京/深圳
隐私保护专家
岗位职责:
  1. 负责终端产品隐私保护、数据安全解决方案设计,保障终端产品信息安全合法合规;

  2. 从事产品信息安全相关工作,承担产品隐私及数据保护的解决方案设计。

  3. 熟悉业界隐私保护实践,跟进业界隐私保护方向,识别业务隐私保护风险并指导业务部门制定缓解措施。

  4. 参加业界隐私保护标准化组织,跟进各国政府对隐私保护的立法、执法动向,并提出优化和改进措施。

岗位要求:
  1. 全日制本科及以上学历,英语四级及以上;
  2. Android平台的安全开发和安全设计经验;熟悉隐私保护,网络信息安全等业务。
  3. 对Android Framework以及Android系统的安全的原理机制的全面了解,如权限管理、沙箱、全盘加密等;
  4. 熟悉业届主要的隐私法律法规,了解隐私保护相关技术手段
工作城市:北京/南京/深圳

对以上职位感兴趣的小伙伴欢迎来到ACL 2021论文分享会现场荣耀展位进一步了解更多详情,无法到场的小伙伴也可以将简历投递至邮箱rongyajun@hihonor.com。

最后附上ACL 2021论文分享会全日程与报名二维码

产业招聘ACL荣耀
相关数据
深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

半监督学习技术

半监督学习属于无监督学习(没有任何标记的训练数据)和监督学习(完全标记的训练数据)之间。许多机器学习研究人员发现,将未标记数据与少量标记数据结合使用可以显着提高学习准确性。对于学习问题的标记数据的获取通常需要熟练的人类代理(例如转录音频片段)或物理实验(例如,确定蛋白质的3D结构或确定在特定位置处是否存在油)。因此与标签处理相关的成本可能使得完全标注的训练集不可行,而获取未标记的数据相对便宜。在这种情况下,半监督学习可能具有很大的实用价值。半监督学习对机器学习也是理论上的兴趣,也是人类学习的典范。

机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

感知技术

知觉或感知是外界刺激作用于感官时,脑对外界的整体的看法和理解,为我们对外界的感官信息进行组织和解释。在认知科学中,也可看作一组程序,包括获取信息、理解信息、筛选信息、组织信息。与感觉不同,知觉反映的是由对象的各样属性及关系构成的整体。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

文本分类技术

该技术可被用于理解、组织和分类结构化或非结构化文本文档。文本挖掘所使用的模型有词袋(BOW)模型、语言模型(ngram)和主题模型。隐马尔可夫模型通常用于词性标注(POS)。其涵盖的主要任务有句法分析、情绪分析和垃圾信息检测。

规划技术

人工智能领域的「规划」通常是指智能体执行的任务/动作的自动规划和调度,其目的是进行资源的优化。常见的规划方法包括经典规划(Classical Planning)、分层任务网络(HTN)和 logistics 规划。

模式识别技术

模式识别(英语:Pattern recognition),就是通过计算机用数学技术方法来研究模式的自动处理和判读。 我们把环境与客体统称为“模式”。 随着计算机技术的发展,人类有可能研究复杂的信息处理过程。 信息处理过程的一个重要形式是生命体对环境及客体的识别。其概念与数据挖掘、机器学习类似。

TensorFlow技术

TensorFlow是一个开源软件库,用于各种感知和语言理解任务的机器学习。目前被50个团队用于研究和生产许多Google商业产品,如语音识别、Gmail、Google 相册和搜索,其中许多产品曾使用过其前任软件DistBelief。

计算机视觉技术

计算机视觉(CV)是指机器感知环境的能力。这一技术类别中的经典任务有图像形成、图像处理、图像提取和图像的三维推理。目标识别和面部识别也是很重要的研究领域。

知识图谱技术

知识图谱本质上是语义网络,是一种基于图的数据结构,由节点(Point)和边(Edge)组成。在知识图谱里,每个节点表示现实世界中存在的“实体”,每条边为实体与实体之间的“关系”。知识图谱是关系的最有效的表示方式。通俗地讲,知识图谱就是把所有不同种类的信息(Heterogeneous Information)连接在一起而得到的一个关系网络。知识图谱提供了从“关系”的角度去分析问题的能力。 知识图谱这个概念最早由Google提出,主要是用来优化现有的搜索引擎。不同于基于关键词搜索的传统搜索引擎,知识图谱可用来更好地查询复杂的关联信息,从语义层面理解用户意图,改进搜索质量。比如在Google的搜索框里输入Bill Gates的时候,搜索结果页面的右侧还会出现Bill Gates相关的信息比如出生年月,家庭情况等等。

推荐系统技术

推荐系统(RS)主要是指应用协同智能(collaborative intelligence)做推荐的技术。推荐系统的两大主流类型是基于内容的推荐系统和协同过滤(Collaborative Filtering)。另外还有基于知识的推荐系统(包括基于本体和基于案例的推荐系统)是一类特殊的推荐系统,这类系统更加注重知识表征和推理。

机器翻译技术

机器翻译(MT)是利用机器的力量「自动将一种自然语言(源语言)的文本翻译成另一种语言(目标语言)」。机器翻译方法通常可分成三大类:基于规则的机器翻译(RBMT)、统计机器翻译(SMT)和神经机器翻译(NMT)。

逻辑技术

人工智能领域用逻辑来理解智能推理问题;它可以提供用于分析编程语言的技术,也可用作分析、表征知识或编程的工具。目前人们常用的逻辑分支有命题逻辑(Propositional Logic )以及一阶逻辑(FOL)等谓词逻辑。

操作系统技术

操作系统(英语:operating system,缩写作 OS)是管理计算机硬件与软件资源的计算机程序,同时也是计算机系统的内核与基石。操作系统需要处理如管理与配置内存、决定系统资源供需的优先次序、控制输入与输出设备、操作网络与管理文件系统等基本事务。操作系统也提供一个让用户与系统交互的操作界面。

语音识别技术

自动语音识别是一种将口头语音转换为实时可读文本的技术。自动语音识别也称为语音识别(Speech Recognition)或计算机语音识别(Computer Speech Recognition)。自动语音识别是一个多学科交叉的领域,它与声学、语音学、语言学、数字信号处理理论、信息论、计算机科学等众多学科紧密相连。由于语音信号的多样性和复杂性,目前的语音识别系统只能在一定的限制条件下获得满意的性能,或者说只能应用于某些特定的场合。自动语音识别在人工智能领域占据着极其重要的位置。

MXNet技术

MXNet是开源的,用来训练部署深层神经网络的深度学习框架。它是可扩展的,允许快速模型训练,并灵活支持多种语言(C ++,Python,Julia,Matlab,JavaScript, Go,R,Scala,Perl,Wolfram语言)

自然语言处理技术

自然语言处理(英语:natural language processing,缩写作 NLP)是人工智能和语言学领域的分支学科。此领域探讨如何处理及运用自然语言;自然语言认知则是指让电脑“懂”人类的语言。自然语言生成系统把计算机数据转化为自然语言。自然语言理解系统把自然语言转化为计算机程序更易于处理的形式。

定位技术技术

通常是指机器人领域的定位技术,see SLAM for details

在线学习技术

在计算机科学中,在线学习是一种机器学习方法。和立即对整个训练数据集进行学习的批处理学习技术相反,在线学习的数据按顺序可用,并在每个步骤使用未来数据更新最佳预测器。

信息抽取技术

信息/数据抽取是指从非结构化或半结构化文档中提取结构化信息的技术。信息抽取有两部分:命名实体识别(目标是识别和分类真实世界里的知名实体)和关系提取(目标是提取实体之间的语义关系)。概率模型/分类器可以帮助实现这些任务。

语言模型技术

语言模型经常使用在许多自然语言处理方面的应用,如语音识别,机器翻译,词性标注,句法分析和资讯检索。由于字词与句子都是任意组合的长度,因此在训练过的语言模型中会出现未曾出现的字串(资料稀疏的问题),也使得在语料库中估算字串的机率变得很困难,这也是要使用近似的平滑n元语法(N-gram)模型之原因。

联邦学习技术

如何在保护数据隐私、满足合法合规要求的前提下继续进行机器学习,这部分研究被称为「联邦学习」(Federated Learning)。

机器之心机构

机器之心,成立于2014年,是国内最具影响力、最专业、唯一用于国际品牌的人工智能信息服务与产业服务平台。目前机器之心已经建立起涵盖媒体、数据、活动、研究及咨询、线下物理空间于一体的业务体系,为各类人工智能从业者提供综合信息服务和产业服务。

https://www.jiqizhixin.com/
小样本学习技术

人类非常擅长通过极少量的样本识别一个新物体,比如小孩子只需要书中的一些图片就可以认识什么是“斑马”,什么是“犀牛”。在人类的快速学习能力的启发下,研究人员希望机器学习模型在学习了一定类别的大量数据后,对于新的类别,只需要少量的样本就能快速学习,这就是 Few-shot Learning 要解决的问题。

场景识别技术

场景识别是一类很常见的图像处理任务。就是给一张地标图像,快速准确地识别出这张图像的场景,识别的结果既可以是具体的地理位置,也可以是该场景的名称,还可以是数据库中的某个同样的场景。

推荐文章
暂无评论
暂无评论~