L. Hamilton

Postdoc Forskningspositioner

Hvis du er interesseret i nogen af disse stillinger, bedes du sende dit fulde CV og et kort (dvs. en side) følgebrev, der beskriver din forskningsbaggrund og interesser til [email protected] med emnelinjen”postdoc ansøger”.

Graph neurale netværk, logisk ræsonnement, og viden grafer

Supervisor: Jeg leder efter en postdoc forsker til at undersøge spørgsmål i skæringspunktet mellem graf repræsentation læring, logisk ræsonnement, og viden grafer. Målet med postdoc vil være at fremme grundlæggende metoder, der kombinerer grafrepræsentationslæring og logisk ræsonnement (f.eks. Det primære applikationsdomæne vil være ræsonnement over vidensgrafer (f.eks. Forventede output fra postdoc inkluderer udvikling af nye metoder samt frigivelse af open source-kode og data for at fremme videngrafforskning.
erfaring kræves: Ph. d. i datalogi eller et nært beslægtet felt. Tidligere erfaring udgivelse om emner relateret til graf repræsentation læring og/eller viden graf analyse.
startdato og varighed: januar 2021 startdato og en varighed på to år foretrækkes, men kan forhandles.
Løn: Løn er omsættelig, konkurrencedygtig og betinget af ansøgerens tidligere erfaring.

Ph. d. – Forskningspositioner

i den kommende ansøgningscyklus (dvs. for ph. d. ‘ er, der begynder i efteråret 2021), vil jeg prioritere ph. d. – ansøgere med interesse i at arbejde med de forskningsemner, der er beskrevet nedenfor. Alle ph. d. – forskningsassistenter modtager konkurrencedygtige stipendier og undervisningsstøtte.

Hvis du er interesseret i nogen af disse stillinger, skal du indsende en officiel ansøgning til McGill og også angive din interesse for at arbejde sammen med mig via Mila Research Institute. Jeg kan ikke svare på direkte e-mail-forespørgsler.

Graph Representation Learning Beyond Neural Message Passing

Supervisor: Jeg leder efter ph.d. – studerende, der ønsker at udvikle den næste generation af Graph representation learning methods. Nyere forskning i grafrepræsentationslæring har i vid udstrækning fokuseret på det såkaldte “meddelelsesovergangsparadigme” til udvikling af grafneurale netværk (f.eks. GraphSAGE, GCNs, GINs; se Kapitel 5 i min bog om emnet). Imidlertid har disse besked-passerende grafneurale netværk alvorlige begrænsninger, både med hensyn til teoretisk udtryksevne og empirisk magt. Målet med dette ph.d.-forskningsområde er at arbejde hen imod den næste generation af metoder til dyb læring på grafer, der går ud over det nuværende besked-passerende paradigme og fører til meningsfulde forbedringer i den virkelige verden.
erfaring kræves: MSc i datalogi eller et nært beslægtet felt. Der gives prioritet til ansøgere med forudgående forskning i grafrepræsentationslæring (f.eks. publikationer).

Graph Representation Learning, Signal Processing and Logic

Supervisor: Jeg leder efter ph.d.-studerende, der ønsker at forbedre vores grundlæggende teoretiske forståelse af grafbaseret maskinindlæring, samtidig med at vi udvikler nye metoder og algoritmer. Målet med dette forskningsområde er at afdække nye relationer mellem områderne graf repræsentation læring, spektral grafteori, graf signalbehandling, og neuro-symbolsk ræsonnement. Dette forskningsområde vil prioritere teoretisk udvikling og teoretisk drevet algoritmedesign.
erfaring kræves: MSc i datalogi eller et nært beslægtet felt. Der gives prioritet til ansøgere med forudgående forskningserfaring (f.eks. publikationer) om læring af grafrepræsentation, behandling af grafsignaler eller relaterede områder.

MSc Research Positions

i den kommende ansøgningscyklus (dvs.for MSc-studerende at begynde i efteråret 2021), vil jeg prioritere MSc-ansøgere med interesse i at arbejde på de forskningsemner, der er beskrevet nedenfor. Alle MSc – forskningsassistenter modtager konkurrencedygtige stipendier og undervisningsstøtte.

Hvis du er interesseret i nogen af disse stillinger, skal du indsende en officiel ansøgning til McGill og også angive din interesse for at arbejde sammen med mig via Mila Research Institute. Jeg kan ikke svare på direkte e-mail-forespørgsler.

Graph repræsentation læring for trådløse netværk

Supervisor: vil L. Hamilton (primær), med Reihaneh Rabbany og Georges Kaddoum
Resume: jeg leder efter MSc forskning studerende, der er interesseret i at anvende graph repræsentation læringsmetoder (f.eks graph neurale netværk) for problemer i trådløst netværk design. Målet med dette forskningsområde er at udvikle metoder, der kan have øjeblikkelig indflydelse i virkelige problemer i forbindelse med design og styring af trådløst netværk. Dette projekt vil involvere tæt samarbejde med fagdomæneeksperter på trådløse netværk.
erfaring kræves: BSc i datalogi eller et nært beslægtet felt. Kursusarbejde eller anden tidligere erfaring med maskinindlæring og/eller trådløse systemer.

Graph Representation Learning for Computational Drug Design

Supervisor: L. Hamilton (primær), i samarbejde med Mila Initiative
Resume: Jeg leder efter kandidatstuderende, der er interesseret i at anvende graph representation learning methods (f. eks., graf neurale netværk) til problemer relateret til beregningsmæssig lægemiddeldesign. Dette inkluderer brug af grafneurale netværk til at modellere molekylestrukturer samt anvendelse af grafindlæringsteknikker til biomedicinske vidensgrafer. Forskning på dette område vil prioritere applikationer i den virkelige verden, herunder udvikling af behandlinger for forskellige kræftformer, COVID-19 og andre infektionssygdomme. Dette projekt vil involvere samarbejde med igangværende initiativer hos Mila og McGill relateret til computational drug design.
erfaring kræves: BSc i datalogi eller et nært beslægtet felt. Kursusarbejde eller anden tidligere erfaring med maskinindlæring og beregningsbiologi.

Postdoc Forskningspositioner Graph neurale netværk, logisk ræsonnement, og viden grafer Ph. d. – Forskningspositioner Graph Representation Learning Beyond Neural Message Passing Graph Representation Learning, Signal Processing and Logic MSc Research Positions Graph repræsentation læring for trådløse netværk Graph Representation Learning for Computational Drug Design Postdoc Forskningspositioner Hvis du er interesseret i nogen af disse stillinger,…

Postdoc Forskningspositioner Graph neurale netværk, logisk ræsonnement, og viden grafer Ph. d. – Forskningspositioner Graph Representation Learning Beyond Neural Message Passing Graph Representation Learning, Signal Processing and Logic MSc Research Positions Graph repræsentation læring for trådløse netværk Graph Representation Learning for Computational Drug Design Postdoc Forskningspositioner Hvis du er interesseret i nogen af disse stillinger,…

Skriv et svar

Din e-mailadresse vil ikke blive publiceret.