职位描述：
岗位描述 对于一个研究者来说，什么最重要？ 是上亿量级的数据，是丰富的应用场景，是超大规模的计算资源，是全谱领域的深厚技术积累，还是追求极致的创新氛围？ 作为机器学习方向的研究工程师，你可以： 1. 了解腾讯的数据，负责海量数据的分析和挖掘工作，构建多个业务领域内的用户画像体模型； 2. 负责机器学习（尤其是深度学习领域）的算法和模型开发，包括但不限于：神经网络模型设计，超参数优化，各种学习和优化方法尝试…… 3. 对业务方已有的算法和模型的分布式实现进行加速，丰富公司内部的公用并行算法库； 4. 对机器学习尤其是深度学习前沿问题进行探索与研究，结合未来实际应用场景，提供全面的技术解决方案； 5. 对计算机视觉、语音识别、自然语言处理、精准推荐等领域提供模型支持，进行创新应用试验和落地产品开发。 在腾讯做研究，「我全都要」从来不是梦。 岗位要求 必须具备的： 包含但不限于计算机、信息工程、模式识别、人工智能、自动化、软件工程、电子工程、统计学、应用数学、物理学/量子计算、信息安全、信号与信息处理等专业的博士和优秀硕士； 熟悉常用机器学习算法，尤其是深度学习、增强学习等相关领域，对模式识别，概率统计、最优化等算法原理及应用，有扎实的基础，深入的理解和浓厚的兴趣； 熟练掌握C/C++、Java、Python等至少一门编程语言，有较强动手能力。了解目前常见的机器学习或者深度学习框架中的一个或者多个：Spark，XGBoost，Caffe，Tensorflow等； 乐于动手，有良好的逻辑思维能力和数据敏感度，能够熟练阅读和编写英文论文，具有优秀的新技术研究能力。 可以加分的： 在NeurIPS、ICML、KDD、AAAI、IJCAI、UAI、AISTAT、ICLR、ECMLSIGIR等机器学习领域会议或期刊以第一作者发表过文章，或者有相关的开源项目贡献经验优先。 举报