zigbee组网实验代码_中国电科认知与智能技术重点实验室2021校园招聘正式启动...

还想了解更多？下面还有哦

01

招聘岗位详情

1.类脑智能算法工程师

所学专业：数学、生物医学工程、计算机科学与技术、控制科学与工程等专业

研究方向：类脑智能算法与模型设计

1. 具有扎实的信息理论、数学和机器学习基础；

2. 有深度学习研发经验，熟练使用Pytorch框架，具备较强的编码能力，能够快速设计和搭建新模型；

3. 具有脑认知模型、类脑多模态信息处理，以及基于神经机制的类脑算法开发经验者优先；

4. 知名计算机程序设计竞赛、知名算法大赛获奖者或者具有高水平论文(CVPR、ECCV、PAMI、TIP、AAAI等)成果者优先。

2.机器人控制算法工程师

所学专业：控制科学与工程、机械工程、计算机科学与技术、航空宇航科学与技术、电子科学与技术等专业

研究方向：多机器人协同控制、任务规划、智能决策

1.精通C/C++，熟悉Linux编程环境及常用操作；

2.熟悉多机器人协同任务分配、路径规划、分布式运动控制等相关算法者优先；

3.具有动态自组网、群体策略算法开发经验者优先；

4.具有机器人控制系统开发经验者优先。

3.机器人设计与研发工程师

所学专业：航空宇航科学与技术、控制科学与工程、机械工程、电子科学与技术、材料科学与工程、兵器科学与技术、信息与通信工程等专业

研究方向：空中/地面机器人设计与硬件开发

1.熟悉机器人设计与控制原理；

2.有扎实的模拟、数字电路基础，能独立开发相关产品；

3.熟悉使用AltiumDesigner，熟悉电路板绘制的整个流程、高速电路设计，会画4层或4层以上电路板；

4.具有机器人硬件独立开发经验和控制系统开发经验者优先。

4.动态博弈与优化算法工程师

所学专业：数学、系统科学、控制科学与工程、计算机科学与技术等专业

研究方向：多智能体博弈算法开发、非完全信息博弈、基于群智能的博弈演化技术、博弈强化学习算法开发

1. 熟悉博弈论、最优控制、强化学习、多目标优化、多智能体控制等相关的理论与方法；

2. 具有较强的数学功底，熟练掌握Matlab、Python等语言；

3. 在博弈领域发表过SCI期刊和顶级会议论文者优先；

4. 参与博弈论、多智能体控制、多目标优化等相关科研项目者优先。

5.分布式决策算法工程师

所学专业：机械工程、自动化、控制科学与工程、计算机技术与科学、数学、信息与通信工程等专业

研究方向：分布式智能决策

1. 精通C，C++，熟悉linux编程环境；

2. 能够利用机器学习方法控制无人平台完成各场景业务应用，解决无人平台在实际应用场景的迁移性、鲁棒性等问题，不断优化提升效果。

3. 具有在实际系统(机器人、无人机或无人车平台)上开发/实现相关算法的经验，如决策规划模型(POMDP)或运动规划算法(如A*、RRT、dwa等)；

4. 具有较强的动手能力，在国内外各类机器人竞赛中获奖者优先。

6.多智能体算法工程师

所学专业：数学、计算机科学与技术、控制科学与工程、信息与通信工程等专业

研究方向：强化学习算法及应用研究

1.熟悉DQN、A3C、PPO、DDPG等深度强化学习算法者优先；

2.能够面向不同应用进行多智能体强化学习的前沿算法实现和优化，负责前沿算法的设计、实现、交付等工作。

3.较强的算法设计和实现能力，在kaggle、天池、ACM等国内外竞赛中获奖者优先；

4.具有机器学习基础理论知识和实践经验，熟悉使用TensorFlow，caffe，PyTorch等深度学习框架。

7.图像视频算法工程师

所学专业：计算机科学与技术、软件工程等专业

研究方向：计算机视觉、图像处理

1.精通主流深度学习库，Tensorflow、Pytorch中的一种及以上；

2.熟练使用python，C/C++，java中的一种及以上；

3.精通计算机视觉相关技术，在基于图像/视频/遥感图像的检测、识别、检索、变化检测、语义表征方面的一项或多项具有2年及以上科研或工程经历；

4.拥有嵌入式开发经验者优先，拥有国产操作系统/服务器/嵌入式设备开发经验者优先；

5.在计算机视觉相关期刊或会议(>CCF-B)发表论文2篇及以上，具有设计原创算法的经验和能力。

8.自然语言处理算法工程师

所学专业：计算机科学与技术等专业

研究方向：自然语言处理、知识图谱、文本分析挖掘

1. 充分掌握自然语言处理、统计模型和机器学习方面知识,对自然语言处理算法有系统性的认识，在自然语言处理某一子方向有深入研究并发表相关论文。

2.对自然语言处理常见任务有一定了解，包括但不限于：词性分析、命名实体识别、关系抽取、语法错误校正、语义理解、自动摘要、文本生成、对话系统、知识图谱等。

3.具有较强的分析能力，能够学习和研究新方法，应用于解决现实问题。

4.熟悉git代码管理、docker环境管理，熟悉至少一种深度学习开发框架。

02

实验室研究方向

群体智能

围绕复杂环境信息不完整性、响应高实时性、博弈强对抗性、边界不确定性等基础问题，聚焦不确定性环境变化的建模与适应、群智决策、自主学习等方向，开展多智能体关联认知、多智能体协同决策、群智系统自主学习、智能群组对抗博弈、多智能体对抗演训研究。

计算智能

面向人工智能基础理论与计算平台支撑需求，聚焦于类脑计算、智能计算芯片等技术方向，重点研究类脑智能计算理论、跨计算单元/设备深度学习框架、FPGA/ GPU/ CPU混合训练硬件架构等关键技术。

数据智能

围绕跨模态信息抽取及智能处理需求，聚焦大数据智能理论与跨媒体感知认知理论，开展多模态数据融合认知、声像数据智能理解、跨模态分析推理和分布式智能处理等技术研究。

机器智能

围绕复杂环境中的探测、搜索、定位、跟踪与对抗，聚焦机器人环境感知与认知、自主避障与导航、智能控制与决策、任务规划与执行，开展认知任务下的主动感知、长时间大范围自主导航、仿生机器人运动控制、多目标多任务优化与决策等技术研究。

03

我们拥有

开放灵活的技术环境：搭载顶级图形计算设备Tesla V100的服务器；支持Tensorflow等主流深度学习框架和大规模集群计算训练的GPU集群。

前沿创新的技术产品：大规模分布式人工智能训练平台“Cluster AI”；神经网络认知处理器“海雀”；央企科技创新资源服务平台；网络音视频内容理解平台；基于视觉的语义SLAM系统……

收获颇丰的专业成绩：2018年度中国电科集团十大创新团队；国际顶级视频检索比赛TRECVID 2018-VTT子任务第一名；美国IEEE计算智能协会第十四届计算智能与游戏会议CIG-星际争霸AI比赛第五名(位列国内参赛队伍第一)；国际顶级会议IROS 2019-Lifelong SLAM比赛第四名。

日渐丰厚的学术积累：成立3年来，已累计在国内外高水平学术期刊/会议上发表论文50余篇(其中SCI 20篇，顶级国际会议8篇)，申请专利60余项。

年轻活力的文化氛围：博士占比72%，平均年龄30岁，人才成长空间充足，倡导学习进取、开放共享、协同创新。

了解更多认知与智能实验室动态

欢迎扫码关注我们的官方公众号“创智方舟”