深圳市英唐智能控制股份有限公司成立于2001年，注册地位于深圳市科技、信息、人才资源最密集的区域南山科技园南区英唐大厦，是深圳证券交易所的一家创业板上市公司。
公司是国家高新技术企业，拥有多种研发平台，以及快速反应的资深研发团队。公司连续几年多次获得 “深圳重合同守信用企业”、“卓越企业家”等荣誉称号，并多次审核通过ISO9001质量认证和ISO14001环境管理体系认证。
历经16载磨砺，秉承开拓创新、务实求真的企业精神，与时俱进、适时调整战略并稳步发展，逐步形成了以垂直化产业互联网自生态平台为核心，以智能控制器、智能家居、市场分销、电子商城、供应链金融、健康节能光源产品六大业务为支撑的发展战略，并连续两年荣登广东500强。
深圳市优软科技有限公司成立于2007年，总部位于深圳市高新技术产业园，是由深圳市英唐智能控制股份有限公司（上市公司：英唐智控，股票代码：300131）控股的高新技术企业。
优软科技致力于企业信息化管理系统和互联网平台的研发、咨询与应用，并在内裹率先推出基于浏览器的ERP应用平台。
公司的产品及服务包括：优软ERP软件、B2B解决方案、供应商管理系统、CRM管理系统、PLM管理系统、财务管理系统、优企云服以及构建制造行业自生态商业圈等领域，是国内领先的企业管理软件及ERP云服务商。
2016年，优软科技为了真正解决电子信息行业企业管理的众多难题，实现“让管理不再难，令生意更简单”的梦想，基于垂直细分的市场打造了“优软云”平台。
未来，优软科技将不断完善和优化“优软云”，按照“B2B商务+优软商城+优企云服+金融服务+公共服务+会员中心”协同发展的方向，投入更多的精力致力于“互联网+”的研究与发展。
优软科技始终秉承“实现理想、贡献社会”的企业宗旨，践行“真诚、平等、勤奋、创新”的企业精神，贯彻“传道、授业、解惑”的企业使命，亲切、开放、严谨的公司文化和科学规范的管理，凝聚大量优秀的人才。
优软科技拥有一支由优秀、资深的IT专家组成的技术团队，他们在产品开发、推广和维护方面默契合作，深刻理解“以客户为中心”的含义，将“服务”贯穿
于公司运作和管理的每一个细节，赢得客户广泛的信任和支持。
Ø相关事项公告如下：
Ø一、招收条件：
1、品学兼优，身心健康，无不良记录；
2、已经或即将获得博士学位，年龄在35岁以下 ；
3、 具备扎实的专业知识和较强的研发能力，专业方向适合公司博士后研究项目，有相关研究成果；
4、能全职从事博士后研究工作。
Ø研究课题与招聘要求：
研究课题：服务化的AI系统（integration of services AI systems）。
招聘要求：人工智能、计算机、数学、物理、软件工程、财务管理、金融等相关专业博士毕业生，熟悉 JAVA、C++、matlab、Python等至少一门语言，掌握至少一种机器学习编程框架
工作地点：深圳市南山区科技园
Ø三、福利待遇：
1、提供优厚薪资，提供良好的研究场所与研究设备
2、福利包括：完善的社保与公积金、带薪假期、丰富多彩的员工活动、配套齐全的员工宿舍等
3、协助申请深圳市相关人才待遇及深圳市政府公布的相关人才补贴
4、落户深圳，配偶及未成年子女随迁
Ø四、报名要求与联系方式
1、申请进站做博士后研究的人员，请提交个人简历电子版至联系邮箱。
2、联系方式
联系人：人力资源行政中心王卓黄南安
联系电话：0755-266166880755-26727788
联系邮箱：hr@usoftchina.com
公司地址：深圳市南山区科技园科技南五路英唐大厦5楼
公司网址：www.yitoa.comwww.ubtob.comwww.usoftchina.com
深圳市英唐智能控制股份有限公司
关于博士后创新基地博士后研究课题
服务化的AI系统
Ø研究课题
服务化的AI系统（integration of services AI systems）
Ø摘要
模块化和集成服务化技术在软件系统快速更新中扮演着重要的角色，他们使开发人员能够基于现有组件快速构建产生新的系统。这样的例子包括微内核操作系统，LAMP栈，微服务架构和网络。与此相反的是，现有的AI系统则是一整块的，这便导致系统很难开发测试和更新。
与此类似，模块化和集成服务化将会成为提升AI系统开发速度和应用度的关键，这会使在复杂系统中集成AI更加地容易。接下来，我们探讨几个关于模型和动作组合的研究问题。
模型组合（modelcomposition）对于开发更加复杂强大的AI系统至关重要。在一个模型服务系统中组合多种模型并以不同模式应用它们可以取得决策精度、延迟和吞吐量之间的折中效果。例如，我们可以序列化的查询模型，每一个模型可以反馈一个高准确度的决策或者说“我不知道”，然后决策会被传递到下一个模型。按照从最高到最低的“我不知道”比率和从最低到最高的延迟度来对模型加以排序，我们就可以同时优化延迟度和精确度了。
要想充分应用模型组合，仍然有很多难题亟待解决。例如（1）需要设计一种声明式语言（declarative language）来描述这些组件之间的拓扑结构和应用的性能目标，（2）为每个组件提供包括资源需求量、延时和产能在内的精确的性能模型，（3）通过调度和优化算法来计算出这些组件执行的计划，以及以最低消耗将组件匹配到相应的资源上来满足延时和吞吐量要求。
动作组合（actioncomposition）是将基本的决策/动作序列组织成低级原语，也称为选项（options）。例如对于无人驾驶汽车，某一个选项可以是当在高速公路上行驶时变更车道，执行的动作包括了加速减速，左右转向，打开转向灯等。对于机器人，某一个原语可以是抓取物体，执行的工作包括转动机器人的关节。选项已经在层级学习中被广泛的研究，它可以通过让代理选择一系列既存的选项来完成给定的任务而不是从更长的低级动作列表中选择，以此来极大地加速对新环境的学习或适应性。
丰富的选项库会使得新AI应用的开发就像当前的web开发人员通过调用强大的web接口以几行代码开发出应用一样，通过简单的组合恰当的选项来实现。另外，选项可以提升响应能力，因为基于选项来选择下一个动作要比在原始动作空间中选择一个动作简单得多。
Ø研究内容
设计AI系统和接口，使得模型和动作以一种模块化和灵活的方式进行组合，同时应用这些接口来开发丰富的模型和选项库以此极大简化AI应用的开发。
