腾讯音乐技术研究-机器学习方向
实习兼职技术类地点：深圳 | 北京 | 广州状态：招聘
任职要求
1.包括但不限于计算机、信息工程、模式识别、人工智能、自动化、软件工程、电子工程、统计学、应用数学、物理学/量子计算、信息安全、信号与信号处理等专业的硕士、博士； 2.熟悉常用机器学习算法，尤其是深度学习、增强学习等相关领域，对模式识别、概率统计、最优化等算法原理及应用，有扎实的基础，深度的理解和浓厚的兴趣； 3.熟练掌握C/C++，Python，Java等至少一门语言，有较强动手能力。了解目前常见的机器学习或者深度学习框架中的一个或多个：spark，XGBoost，Caffe，Tensorflow等。
工作职责
1.负责机器学习的算法和模型开发，包括但不限于神经网络模型设计，超参数优化，各种学习和优化方法尝试； 2.对TME各业务线已有的算法和模型的分布式实现进行加速，丰富公司内部的功用并行算法库； 3.对机器学习尤其是深度学习前沿问题进行探索与研究，结合实际应用场景，提供全面的技术解决方案。
包括英文材料
模式识别+
https://www.mathworks.com/discovery/pattern-recognition.html
Pattern recognition is the process of classifying input data into objects, classes, or categories using computer algorithms based on key features or regularities.
https://www.microsoft.com/en-us/research/wp-content/uploads/2006/01/Bishop-Pattern-Recognition-and-Machine-Learning-2006.pdf
Pattern recognition has its origins in engineering, whereas machine learning grew out of computer science.
机器学习+
https://www.youtube.com/watch?v=0oyDqO8PjIg
Learn about machine learning and AI with this comprehensive 11-hour course from @LunarTech_ai.
https://www.youtube.com/watch?v=i_LwzRVP7bg
Learn Machine Learning in a way that is accessible to absolute beginners.
https://www.youtube.com/watch?v=NWONeJKn6kc
Learn the theory and practical application of machine learning concepts in this comprehensive course for beginners.
https://www.youtube.com/watch?v=PcbuKRNtCUc
Learn about all the most important concepts and terms related to machine learning and AI.
算法+
https://roadmap.sh/datastructures-and-algorithms
Step by step guide to learn Data Structures and Algorithms in 2025
https://www.hellointerview.com/learn/code
A visual guide to the most important patterns and approaches for the coding interview.
https://www.w3schools.com/dsa/
深度学习+
https://d2l.ai/
Interactive deep learning book with code, math, and discussions.
C+
https://www.freecodecamp.org/chinese/news/the-c-beginners-handbook/
本手册遵循二八定律。你将在 20% 的时间内学习 80% 的 C 编程语言。
https://www.youtube.com/watch?v=87SH2Cn0s9A
https://www.youtube.com/watch?v=KJgsSFOSQv0
This course will give you a full introduction into all of the core concepts in the C programming language.
https://www.youtube.com/watch?v=PaPN51Mm5qQ
In this complete C programming course, Dr. Charles Severance (aka Dr. Chuck) will help you understand computer architecture and low-level programming with the help of the classic C Programming language book written by Brian Kernighan and Dennis Ritchie.
C+++
https://www.learncpp.com/
LearnCpp.com is a free website devoted to teaching you how to program in modern C++.
https://www.youtube.com/watch?v=ZzaPdXTrSb8
Python+
https://liaoxuefeng.com/books/python/introduction/index.html
中文，免费，零起点，完整示例，基于最新的Python 3版本。
https://www.learnpython.org/
a free interactive Python tutorial for people who want to learn Python, fast.
https://www.youtube.com/watch?v=K5KVEU3aaeQ
Master Python from scratch 🚀 No fluff—just clear, practical coding skills to kickstart your journey!
https://www.youtube.com/watch?v=rfscVS0vtbw
This course will give you a full introduction into all of the core concepts in python.
Java+
https://www.youtube.com/watch?v=eIrMbAQSU34
Master Java – a must-have language for software development, Android apps, and more! ☕️ This beginner-friendly course takes you from basics to real coding skills.
Spark+
[英文] Learning Spark Book
https://pages.databricks.com/rs/094-YMS-629/images/LearningSpark2.0.pdf
This new edition has been updated to reflect Apache Spark’s evolution through Spark 2.x and Spark 3.0, including its expanded ecosystem of built-in and external data sources, machine learning, and streaming technologies with which Spark is tightly integrated.
XGBoost+
[英文] What is XGBoost?
https://www.ibm.com/think/topics/xgboost
XGBoost (eXtreme Gradient Boosting) is a distributed, open-source machine learning library that uses gradient boosted decision trees, a supervised learning boosting algorithm that makes use of gradient descent.
https://www.youtube.com/watch?v=BJXt-WdeJJo
takes a deep dive into one of the most powerful machine learning algorithm, eXtreme Gradient Boosting, using a Jupyter notebook with Python.
TensorFlow+
https://www.youtube.com/watch?v=tpCFfeUEGs8
Ready to learn the fundamentals of TensorFlow and deep learning with Python? Well, you’ve come to the right place.
https://www.youtube.com/watch?v=ZUKz4125WNI
This part continues right where part one left off so get that Google Colab window open and get ready to write plenty more TensorFlow code.
相关职位
实习实习生
作为机器学习方向的研究工程师，你可以： 1、了解腾讯的数据，负责海量数据的分析和挖掘工作，构建多个业务领域内的用户画像体模型； 2、负责机器学习（尤其是深度学习领域）的算法和模型开发，包括但不限于：神经网络模型设计，超参数优化，各种学习和优化方法尝试； 3、对业务方已有的算法和模型的分布式实现进行加速，丰富公司内部的公用并行算法库； 4、对机器学习尤其是深度学习前沿问题进行探索与研究，结合未来实际应用场景，提供全面的技术解决方案； 5、对计算机视觉、语音识别、自然语言处理、精准推荐等领域提供模型支持，进行创新应用试验和落地产品开发。
校招应届生
作为机器学习方向的研究工程师，你可以： 1、了解腾讯的数据，负责海量数据的分析和挖掘工作，构建多个业务领域内的用户画像体模型； 2、负责机器学习（尤其是深度学习领域）的算法和模型开发，包括但不限于：神经网络模型设计，超参数优化，各种学习和优化方法尝试； 3、对业务方已有的算法和模型的分布式实现进行加速，丰富公司内部的公用并行算法库； 4、对机器学习尤其是深度学习前沿问题进行探索与研究，结合未来实际应用场景，提供全面的技术解决方案； 5、对计算机视觉、语音识别、自然语言处理、精准推荐等领域提供模型支持，进行创新应用试验和落地产品开发。
校招青云计划-实习生
作为机器学习方向的研究工程师，你可以： 1、了解腾讯的数据，负责海量数据的分析和挖掘工作，构建多个业务领域内的用户画像体模型； 2、负责机器学习（尤其是深度学习领域）的算法和模型开发，包括但不限于：神经网络模型设计，超参数优化，各种学习和优化方法尝试； 3、对业务方已有的算法和模型的分布式实现进行加速，丰富公司内部的公用并行算法库； 4、对机器学习尤其是深度学习前沿问题进行探索与研究，结合未来实际应用场景，提供全面的技术解决方案； 5、对计算机视觉、语音识别、自然语言处理、精准推荐等领域提供模型支持，进行创新应用试验和落地产品开发。
实习Pre留学生实习
作为机器学习方向的研究工程师，你可以： 1、了解腾讯的数据，负责海量数据的分析和挖掘工作，构建多个业务领域内的用户画像体模型； 2、负责机器学习（尤其是深度学习领域）的算法和模型开发，包括但不限于：神经网络模型设计，超参数优化，各种学习和优化方法尝试； 3、对业务方已有的算法和模型的分布式实现进行加速，丰富公司内部的公用并行算法库； 4、对机器学习尤其是深度学习前沿问题进行探索与研究，结合未来实际应用场景，提供全面的技术解决方案； 5、对计算机视觉、语音识别、自然语言处理、精准推荐等领域提供模型支持，进行创新应用试验和落地产品开发。