实验室慕师弟马上要phd毕业了，虽然我是遥遥无期，但是看到身边同学可以上岸还是提师弟高兴。由于师弟准备去企业工作，于是乎我也不免好奇起来phd毕业后去公司会有什么样的要求，于是网上找了找招聘信息，挑了几个不错的招聘岗位，这里mark下。

1.  强化学习方向的（自动驾驶）

虽然要求硕士学历就可以，不过看到其中的顶会论文要求便知道这个岗位也是不容易get到的。

https://job.alibaba.com/zhaopin/PositionDetail.htm?positionCode=GP705939

======================================================

2.   智能决策方向

要求论文或比赛经历，要求比第一个貌似低些。

https://job.alibaba.com/zhaopin/PositionDetail.htm?positionCode=GP635511

=============================================

3.   分布式人工智能算法工程师

在对论文等有要求外还希望有较好的相关编程经验（分布式：MPI,NCCL等）

https://job.alibaba.com/zhaopin/PositionDetail.htm?positionCode=GP630418

============================================

4.   数据智能

要求较低。

https://job.alibaba.com/zhaopin/PositionDetail.htm?positionCode=GP626894

===============================================

5.   资源优化（  算法工程师 ）

https://job.alibaba.com/zhaopin/PositionDetail.htm?positionCode=GP634344

==============================================

强化学习、分布式计算方向的phd毕业后去企业的要求的更多相关文章

  1. 强化学习 1 --- 马尔科夫决策过程详解（MDP）

    强化学习 --- 马尔科夫决策过程(MDP) 1.强化学习介绍 ​ 强化学习任务通常使用马尔可夫决策过程(Markov Decision Process,简称MDP)来描述,具体而言:机器处在一个环境 ...

  2. 强化学习（二）马尔科夫决策过程(MDP)

    在强化学习(一)模型基础中,我们讲到了强化学习模型的8个基本要素.但是仅凭这些要素还是无法使用强化学习来帮助我们解决问题的, 在讲到模型训练前,模型的简化也很重要,这一篇主要就是讲如何利用马尔科夫决策 ...

  3. 强化学习 CartPole实验的一些启发 有没有可能设计一个新的实验呢？（杆子可以向360度方向倾倒，可行吗？）

    最近在看强化学习方面的东西,突然想到了这么一个事情,那就是经典的CartPole游戏我们改变一下,或者说升级一下,那么使用强化学习是否能得到不错的效果呢? 原始游戏如图: 一点个人的想法: ===== ...

  4. 【整理】强化学习与MDP

    [入门,来自wiki] 强化学习是机器学习中的一个领域,强调如何基于环境而行动,以取得最大化的预期利益.其灵感来源于心理学中的行为主义理论,即有机体如何在环境给予的奖励或惩罚的刺激下,逐步形成对刺激的 ...

  5. 强化学习读书笔记 - 02 - 多臂老O虎O机问题

    # 强化学习读书笔记 - 02 - 多臂老O虎O机问题 学习笔记: [Reinforcement Learning: An Introduction, Richard S. Sutton and An ...

  6. 强化学习 - Q-learning Sarsa 和 DQN 的理解

    本文用于基本入门理解. 强化学习的基本理论 : R, S, A 这些就不说了. 先设想两个场景:  一. 1个 5x5 的 格子图, 里面有一个目标点,  2个死亡点二. 一个迷宫,   一个出发点, ...

  7. 强化学习(十三) 策略梯度(Policy Gradient)

    在前面讲到的DQN系列强化学习算法中,我们主要对价值函数进行了近似表示,基于价值来学习.这种Value Based强化学习方法在很多领域都得到比较好的应用,但是Value Based强化学习方法也有很 ...

  8. 强化学习（八）价值函数的近似表示与Deep Q-Learning

    在强化学习系列的前七篇里,我们主要讨论的都是规模比较小的强化学习问题求解算法.今天开始我们步入深度强化学习.这一篇关注于价值函数的近似表示和Deep Q-Learning算法. Deep Q-Lear ...

  9. 强化学习（六）时序差分在线控制算法SARSA

    在强化学习(五)用时序差分法(TD)求解中,我们讨论了用时序差分来求解强化学习预测问题的方法,但是对控制算法的求解过程没有深入,本文我们就对时序差分的在线控制算法SARSA做详细的讨论. SARSA这 ...

  10. 强化学习（三）用动态规划（DP）求解

    在强化学习(二)马尔科夫决策过程(MDP)中,我们讨论了用马尔科夫假设来简化强化学习模型的复杂度,这一篇我们在马尔科夫假设和贝尔曼方程的基础上讨论使用动态规划(Dynamic Programming, ...

随机推荐

  1. 用typescript实现一个event bus

    一个简单event bus的实现 发布订阅者模式 type emitKey = number | string | symbol; type func = (...args: any) => v ...

  2. leetcode | 103. 二叉树的锯齿形层序遍历 | JavaScript实现

    题目 给你二叉树的根节点 root ,返回其节点值的 锯齿形层序遍历 .(即先从左往右,再从右往左进行下一层遍历,以此类推,层与层之间交替进行). 思路 按照正常的层序遍历,然后再对下标为奇数的数组进 ...

  3. JavaScript：Function:函数（方法）对象

    <!DOCTYPE html><html>    <head>        <meta charset="utf-8">      ...

  4. IDEA安装配置

    1.安装IDEA选择免费体验 2.下载对应版本的破解补丁 agent.jar -2.1 将agent.jar补丁和important.txt放置到idea安装目录 3.修改VMoption javaa ...

  5. Flash驱动控制--芯片擦除（SPI协议）

    摘要: 本篇博客具体包括SPI协议的基本原理.模式选择以及时序逻辑要求,采用FPGA(EPCE4),通过SPI通信协议,对flash(W25Q16BV)存储的固化程序进行芯片擦除操作. 关键词:SPI ...

  6. Linux设备模型：4、sysfs

    作者:wowo 发布于:2014-3-14 18:31 分类:统一设备模型 http://www.wowotech.net/device_model/dm_sysfs.html 前言 sysfs是一个 ...

  7. Linux设备模型：2、基本对象 Kobject、Kset、Ktype

    原文:http://www.wowotech.net/device_model/kobject.html 作者:wowo 发布于:2014-3-7 0:25 分类:统一设备模型 前言 Kobject是 ...

  8. Nuxt3 的生命周期和钩子函数（四）

    title: Nuxt3 的生命周期和钩子函数(四) date: 2024/6/28 updated: 2024/6/28 author: cmdragon excerpt: 概述了Nuxt3的六个关 ...

  9. RD/RT格式

    一.RD RD长度是8字节,包括Type和Value字段. Type字段:2字节 Value字段:6字节 Type字段的取值决定了Value字段的结构.每种类型的Value字段都由两个部分组成,分别是 ...

  10. NXP i.MX 6ULL工业核心板规格书（ ARM Cortex-A7，主频792MHz）

    1 核心板简介 创龙科技SOM-TLIMX6U是一款基于NXP i.MX 6ULL的ARM Cortex-A7高性能低功耗处理器设计的低成本工业级核心板,主频792MHz,通过邮票孔连接方式引出Eth ...