William L. Hamilton

Postdoctoral Research Positions

Jeśli jesteś zainteresowany którymś z tych stanowisk, Prześlij swoje pełne CV i krótki (tj. [email protected] z tematem “postdoc APPLICANT”.

Graph Neural Networks, Logical Reasoning, and Knowledge Graphs

Supervisor: William L. Hamilton
Summary: I am looking for a Postdoctoral researcher to investigate questions at the intersection of graph representation learning, logical reasoning, and knowledge graphs. Celem postdoc będzie rozwój podstawowych metod, które łączą uczenie się reprezentacji grafów i logicznego rozumowania (np. sieci neuronowe grafów, sieci logiczne Markowa i indukcyjne programowanie logiczne). Podstawową dziedziną aplikacji będzie rozumowanie nad wykresami wiedzy (np. Oczekiwane wyniki postdoc obejmują rozwój nowych metod, a także uwolnienie kodu i danych open-source w celu rozwoju badań Grafu wiedzy.
wymagane doświadczenie: doktorat z informatyki lub pokrewna dziedzina. Wcześniejsze publikowanie doświadczeń na tematy związane z nauką reprezentacji grafów i / lub analizą grafów wiedzy.
Data rozpoczęcia i czas trwania: preferowana jest data rozpoczęcia i okres dwuletni, ale podlega negocjacji.
wynagrodzenie: wynagrodzenie podlega negocjacji, jest konkurencyjne i uzależnione od wcześniejszego doświadczenia wnioskodawcy .

PhD pozycje badawcze

w nadchodzącym cyklu aplikacji (to znaczy, dla doktorów, aby rozpocząć jesienią 2021), będę priorytetyzacji doktorantów z zainteresowaniem pracą na tematy badawcze przedstawione poniżej. Wszyscy asystenci badań doktoranckich otrzymują konkurencyjne stypendia i wsparcie czesnego.

Jeśli jesteś zainteresowany którymś z tych stanowisk, złóż oficjalny wniosek do McGill, a także zgłoś zainteresowanie współpracą ze mną za pośrednictwem Instytutu Badawczego Mila. Nie jestem w stanie odpowiedzieć na bezpośrednie zapytania e-mail.

Graph Representation Learning Beyond Neural Message Passing

promotor: William L. Hamilton
Streszczenie: poszukuję doktorantów, którzy chcą opracować nową generację metod uczenia się reprezentacji grafów. Ostatnie badania nad uczeniem się reprezentacji grafów w dużej mierze koncentrowały się na tak zwanym paradygmacie “przekazywania wiadomości” w celu opracowania grafowych sieci neuronowych (np. GraphSAGE, GCNs, GINs; patrz rozdział 5 mojej książki na ten temat). Jednak te przekazujące wiadomości grafowe sieci neuronowe mają poważne ograniczenia, zarówno pod względem teoretycznej ekspresji, jak i mocy empirycznej. Celem tego obszaru badań doktoranckich jest praca w kierunku następnej generacji metod głębokiego uczenia się na wykresach, które wykraczają poza obecny paradygmat przekazywania wiadomości i prowadzą do znaczących ulepszeń w świecie rzeczywistym.
wymagane doświadczenie: mgr inż. informatyki lub kierunek pokrewny . Pierwszeństwo zostaną przyznane wnioskodawcom, którzy wcześniej przeprowadzili badania nad uczeniem się reprezentacji grafu (np. publikacje).

Graph Representation Learning, Signal Processing, and Logic

promotor: William L. Hamilton
Streszczenie: poszukuję doktorantów, którzy chcą poprawić naszą podstawową wiedzę teoretyczną na temat uczenia maszynowego opartego na grafie, a także opracować nowe metody i algorytmy. Celem tego obszaru badawczego jest odkrycie nowych związków między dziedzinami uczenia się reprezentacji grafów, spektralnej teorii grafów, przetwarzania sygnałów grafów i rozumowania neuromagnetycznego. Ten obszar badawczy będzie priorytetowy dla rozwoju teoretycznego i teoretycznego projektowania algorytmów.
wymagane doświadczenie: mgr inż. informatyki lub kierunek pokrewny . Pierwszeństwo będą przyznawane wnioskodawcom z wcześniejszym doświadczeniem badawczym (np. publikacje) w zakresie uczenia się reprezentacji grafu, przetwarzania sygnałów grafu lub pokrewnych obszarów.

stanowiska badawcze MSc

w nadchodzącym cyklu aplikacji (tj. dla studentów MSc, aby rozpocząć jesienią 2021), będę priorytetyzacji kandydatów MSc z zainteresowaniem pracą nad tematami badawczymi opisanymi poniżej. Wszyscy asystenci badawczy MSc otrzymują konkurencyjne stypendia i wsparcie czesnego.

Jeśli jesteś zainteresowany którymś z tych stanowisk, złóż oficjalny wniosek do McGill, a także zgłoś zainteresowanie współpracą ze mną za pośrednictwem Instytutu Badawczego Mila. Nie jestem w stanie odpowiedzieć na bezpośrednie zapytania e-mail.

Graph Representation Learning for Wireless Networks

promotor: William L. Hamilton (primary), with Reihaneh Rabbany and Georges Kaddoum
podsumowanie: poszukuję studentów studiów magisterskich, którzy są zainteresowani zastosowaniem metod uczenia się reprezentacji grafów (np. Celem tego obszaru badawczego jest opracowanie metod, które mogą mieć natychmiastowy wpływ na rzeczywiste problemy związane z projektowaniem i zarządzaniem siecią bezprzewodową. Projekt ten będzie wymagał ścisłej współpracy z ekspertami w dziedzinie sieci bezprzewodowych.
wymagane doświadczenie: licencjat z informatyki lub pokrewna dziedzina. Zajęcia lub inne wcześniejsze doświadczenia w zakresie uczenia maszynowego i / lub systemów bezprzewodowych.

Graph Representation Learning for Computational Drug Design

promotor: William L. Hamilton (primary), we współpracy z inicjatywą LambdaZero Mila
podsumowanie: poszukuję studentów studiów magisterskich, którzy są zainteresowani zastosowaniem metod uczenia się reprezentacji grafów (np., graph neural networks) do problemów związanych z obliczeniowym projektowaniem leków. Obejmuje to wykorzystanie grafowych sieci neuronowych do modelowania struktur cząsteczkowych, a także zastosowanie technik uczenia się grafów do Wykresów wiedzy biomedycznej. Badania w tej dziedzinie będą priorytetowe dla rzeczywistych zastosowań, w tym rozwoju metod leczenia różnych nowotworów, COVID-19 i innych chorób zakaźnych. Projekt ten będzie obejmować współpracę z bieżących inicjatyw w Mila i McGill związanych z projektowania leków obliczeniowych.
wymagane doświadczenie: licencjat z informatyki lub pokrewna dziedzina. Zajęcia lub inne wcześniejsze doświadczenia w uczeniu maszynowym i biologii obliczeniowej.

Postdoctoral Research Positions Graph Neural Networks, Logical Reasoning, and Knowledge GraphsPhD pozycje badawcze Graph Representation Learning Beyond Neural Message Passing Graph Representation Learning, Signal Processing, and Logic stanowiska badawcze MSc Graph Representation Learning for Wireless Networks Graph Representation Learning for Computational Drug Design Postdoctoral Research Positions Jeśli jesteś zainteresowany którymś z tych stanowisk, Prześlij swoje…

Postdoctoral Research Positions Graph Neural Networks, Logical Reasoning, and Knowledge GraphsPhD pozycje badawcze Graph Representation Learning Beyond Neural Message Passing Graph Representation Learning, Signal Processing, and Logic stanowiska badawcze MSc Graph Representation Learning for Wireless Networks Graph Representation Learning for Computational Drug Design Postdoctoral Research Positions Jeśli jesteś zainteresowany którymś z tych stanowisk, Prześlij swoje…

Dodaj komentarz

Twój adres e-mail nie zostanie opublikowany.