首页   ·   招聘   ·   博士后   ·   正文

复旦类脑研究院全球招聘博士后 | 机器学习课题组张军平教授

发布时间:2019-02-22浏览量:310

招聘岗位

博士后(四年)


研究方向

机器学习、深度学习、强化与模仿学习、生物认证、认知发育机制及无人驾驶仿真等方向


招聘人数

计算机、信息、自动化等领域博士后3名


应聘条件

1、在国内外研究机构获得或近期即将获得博士学位,以及从其他博士后科研流动站(工作站)出站的博士后研究人员,获得博士学位5年以内;

2、计算机、信息、自动控制等相关领域;具有人工智能、机器学习、深度学习、计算机视觉、模式识别、生物认证、智能交通或智能驾驶仿真相关研究经验;

3、近年至少在相关专业国际期刊发表1-2篇第一作者论文;

4、年龄一般为35岁以下。


薪酬待遇

1、依据复旦大学相关规定享受博士后公寓;

2、按照上海市有关规定办理子女入托;

3、提供良好的科研环境和条件;


应聘材料及联系方式

请申请者将个人简历、代表性论文全文、研究工作经历和至少两位推荐人的姓名、联系方式发至:jpzhang@fudan.edu.cn, 邮件主题栏内请注明“应聘博士后”。

联系人:张军平

联系电话:021-55664503

联系地址:上海市邯郸路220号复旦大学逸夫楼2-203-4

Email:jpzhang@fudan.edu.cn

网址:http://www.pami.fudan.edu.cn


导师组信息



张军平,复旦大学类脑智能科学与技术研究院机器学习课题组教授,复旦大学计算机科学技术学院教授、博士生导师。主要研究方向是人工智能、机器学习、图像处理、生物认证及智能交通。曾于2007.9-2008.3年作为访问学者访问加州大学圣地亚哥校,2014.8-2015.8年作为Research Associate受聘于宾夕法尼亚州立大学工作一年。曾主持3个国家自然科学基金、863项目和教育部博士点基金各一项,参与国家自然基金重点一项,也是973项目“数字媒体理解的理论论和方法研究”的主要参加人之一。目前主持国家自然基金面上项目一项和浦江人才计划一项,多个横向项目。现指导有博士生4名,硕士生11名。


张军平教授为人工智能著名期刊IEEE Intelligent Systems编委,为国内权威期刊《软件学报》、《自动化学报》、《模式识别与人工智能》和中国工程院院刊信息方向英文刊《Frontiers of Information Science and Electric Engineering》的责任编辑。曾任IEEE Transactions on Intelligent Transportation Systems编委。他是中国自动化学会混合智能专业委员会副主任,中国计算机学会人工智能专委会委员,中国人工智能学会机器学习专委会常委。在2013年担任了第11届中国机器学习及其应用研讨会程序委会主席。在人工智能顶级会议IJCAI13上担任student office chair。在机器学习顶级会议ICML2014上组委会成员。曾在多个国际会议(ECML/PKDD/ICPR/PRICAI/PAKDD等)和国内会议上担任程序委员会委员,在NIPS/ICML/CVPR/ICML/ACMMM/IJCAI/ICCV等计算机领域顶级国际会议担任审稿专家,在IEEE TPAMI, TNN, TSMCB, IJCV, PR等多个国际期刊上担任审稿专家。


目前,张军平教授发表近100篇高质量论文,包括18篇IEEE Transactions如IEEE TPAMI, TNNLS, ToC, TAC, TITS, TVCG等国际期刊和顶级国际会议论文如ICML, AAAI, ECCV等。至今发表文章的google scholar引用次数近3000次,H指数28, SCI引用近500次,其中ESI高被引论文1篇,单篇论文SCI他引近200次。曾独立获得2014上海市自然科学奖三等奖1项。指导的学生曾获得过2012/2013两届上海市优秀硕士论文奖。毕业的学生有3名在Google、1名在Facebook工作。1名在美国水牛城大学任tenure-track副教授,1名在华师大任副教授。在国内的学生毕业后主要在BAT工作。另外,张军平教授撰写的人工智能科普系列《爱犯错的智能体》在科学网连续24次被推荐至科学网头条,被20余家微信公众号包括中国工程院院刊、中国自动化学会、人工智能学会、新智元等转载,阅读量40万以上。其在人工智能方向上的观点被人民日报子刊《国家治理》周刊、《瞭望》、《科技日报》、《中国科学报》等报道。在金融方面的研究成果曾在2018年被复旦大学官网首页报道。



冯建峰,上海数学中心首席科学家、复旦大学类脑智能科学与技术研究院院长。长期致力于发展数学、统计与计算机的理论和方法,并原创性地将它们应用于解决神经科学和各类脑疾病中的具体问题,相关重要成果发表在JAMA Psychiatry, Molecular Psychiatry, Brain, PNAS, PRL, J Neuroscience等杂志上。目前研究兴趣主要集中在对来自神经科学和脑疾病的不同尺度海量数据的分析、挖掘和理论研究上。提出和发展了全脑关联分析(BWAS)的方法和理论,并成功应用于发现抑郁症、精神分裂症和自闭症病灶;发展了定量化大脑的泛函熵方法,应用于老龄化、智力和创造性的研究中。