这些教授在招AI博士/硕士,来自上海交大、内华达大学、密歇根等高校

作为专业的全球人工智能信息服务平台,机器之心拥有大量活跃于人工智能学术领域的顶级学者,也有大量正在攻读 AI 专业的学生。

去年,机器之心发布了第一季招收硕士/博士/博士后的文章,为广大读者们传递了海内外招生的教授与实验室信息,引起了不错的反响。

如今,又到了博士招生的季节,我们整理了海内外多所实验室的招生信息。第一期,我们为读者们介绍了清华大学、香港科技大学第二期介绍了澳门科技大学人工智能课题组;本期我们将为大家介绍内华达大学、上海交通大学、密歇根州立大学等高校的招生信息。

希望这些消息能对正在立志在学界深造的你有所帮助(排名不分先后)。


内华达大学颜枫教授

Feng Yan(颜枫)博士是内华达大学的助理教授。他于 2011 年和 2016 年获得美国威廉玛丽大学的硕士和博士学位,2013 年和 2014 年分别在硅谷的惠普研究院和西雅图的微软研究院实习。2016 年加入美国内华达大学任助理教授,主导内华达大学大数据的研究和教育工作,任内华达大学智能数据和系统实验室的主任。

他主导的大数据项目于 2018 年获得美国 NSF BIGDATA 研究项目的资助(共 134 万美元,其中接近 98.4 万美元来自 NSF,35.8 万美元来自亚马逊云计算)。他主导的深度学习项目于 2018 年获美国 NSF CRII Award (17.5 万美元)。他和他的学生曾在 NIPS、KDD、SC、USENIX ATC、EuroSys 等国际顶级会议上及 IEEE 和 ACM 的顶级期刊上发表过文章。他和学生的研究成果于 2018 年获得 IEEE CLOUD 的最佳学生论文奖,于 2019 年获得 CLOUD 的最佳论文奖。

个人主页:https://www.cse.unr.edu/~fyan/index.html

实验室简介

内华达大学智能数据和系统实验室目前有博士研究生 8 人、硕士研究生 4 人、本科生数人。实验室非常强调与工业界的互动合作以发现和解决重要的实际科研问题。目前工业界的紧密合作伙伴包括:微软研究院、Google Brian、亚马逊、惠普实验室、IBM 研究院、贝尔实验室、百度研究院、NetApp ATG 和 EMC。

实验室的研究领域主要集中在对大数据、机器学习云计算的算法、应用、系统的设计与优化,特别是提高性能、效率、扩展性、稳定性、安全性等。实验室拥有丰富的计算资源来支持机器学习和系统方面的研究,包括总计近 40 万美元的亚马逊云计算资金、学校的超算中心(超过 2400 个 CPU 及 44 个 Nvidia P100 GPU、1PT 的存储设备和 100G/s 的网络速度)和实验室的 GPU 计算群(44 个高性能 Nvidia GPU)。

招生数量

招收 1 位博士生。

研究方向

机器学习系统和云计算相关的方向感兴趣,尤其是 MLaaS、联邦机器学习神经结构搜索和无服务器计算等课题。

联系方式

电子邮箱:fyan@unr.edu (mailto:fyan@unr.edu)


上海交大张拳石教授

张拳石是上海交通大学副教授。他于 2009 年在北京大学获得机器智能学士学位,之后进入日本东京大学空间信息科学中心就读,并于 2011 年和 2014 年获得硕士和博士学位。从 2014 年到 2018 年,他在美国加州大学洛杉矶分校担任博士后研究员。

他的研究兴趣涵盖计算机视觉机器学习,在深度学习图论、无监督学习目标检测三维重建、三维点云处理、知识挖掘等四个领域发表过顶级期刊和会议论文。目前,他的研究重点包括但不限于提升神经网络的可解释性、无监督或弱监督学习神经网络表达向语义图模型表达的转化、探索神经网络的内在表达对人类行为的反馈指导、解决构建全能型分布式神经网络在效率和模块化表达方面的瓶颈等。他是 AAAI-19 网络可解释性研讨会的联合主席,也是 CVPR-19 可解释性 AI 研讨会的联合主席。

个人主页:http://qszhang.com/

实验室简介

张拳石教授领导的实验室目前拥有四名博士生、一名硕士生和大约 20 名本科生,研究方向为可解释的 AI。

招生数量

招收一名博士生和一名硕士生,2021 年 9 月进入上海交通大学就读。

研究方向

  • 解释用 DNN 编码的语义;

  • 具有可解释特征和可解释架构的端到端学习 DNN;

  • 沟通学习;

  • DNN 表达能力的理论解释;

  • 解释典型的深度学习方法,如知识蒸馏、网络压缩、对抗学习;

  • 解释网络架构的工具;

  • 网络架构和特征的调试;

  • 类脑智能

联系方式

电子邮箱:zqs1022@sjtu.edu.cn

个人主页:qszhang.com

其他信息

强烈建议所有申请者先在实验室进行短期(如三个月)实习,以展示自己的科研能力并发表研究论文。申请者的住宿费会得到实验室的部分资助。


密歇根州立大学张弥教授

张弥教授本科毕业于北京大学,博士毕业于美国南加州大学,现任密歇根州立大学电子与计算机工程系(ECE)和计算机科学与工程系(CSE)助理教授。

张弥教授的主要研究领域包括移动端及分布式深度学习模型和系统、自动化机器学习以及深度学习计算机视觉语音识别中的应用。他和他的学生在相关国际顶级会议及期刊发表学术论文 50 余篇,学术成果被国内外顶级媒体(如时代周刊、连线杂志、MIT 科技评论、CNN、机器之心等)报道 100 余次。

张弥教授先后获得 2015 年 ACM UbiComp 会议最佳论文奖提名、2018 年 IEEE CNS 会议最佳论文奖、2019 年 ICCV Neural Architects Workshop 最佳论文奖提名。此外,张弥教授及其研究团队在 2017 年 NSF Hearables Challenge 全美竞赛中获得第三名,在 2016 年 NIH Pill Image Recognition Challenge 全美竞赛中获得冠军。

个人主页:https://www.egr.msu.edu/people/profile/mizhang

实验室简介

张弥教授所领导的机器学习系统实验室主要从事深度学习算法和系统的研发以及在虚拟现实设备、无人驾驶汽车/飞机、智能移动和可穿戴设备、物联网中的应用。实验室和多家世界著名高科技公司有着紧密的合作关系,包括微软、谷歌、三星英特尔、贝尔实验室、福特等。这些合作关系为实验室的博士生提供了大量的实习和就业机会。

招生数量

博士生 3 名,全额奖学金。2020 年 1 月或者 9 月入学均可。

研究方向

  • 机器学习系统;

  • 设备上机器学习

  • 移动和物联网 AI

  • 以人为本的 AI

联系方式:

电子邮箱:mizhang@egr.msu.edu

个人主页:http://www.egr.msu.edu/~mizhang


美国东北大学虞琦教授

Rose Yu(虞琦)是美国东北大学计算机学院助理教授。她本科毕业于浙江大学,2017 年在美国南加州大学拿到博士学位,后曾在加州理工学院担任博士后研究员。她曾获南加州大学计算机学院最佳博士论文奖等。

她主要致力于图神经网络强化学习/模仿学习的理论和应用研究,尤其是大规模时空数据,研究兴趣包括优化、深度学习、时空推理。其中,她最感兴趣的是物理学与机器学习之间的交叉研究。她的工作已经应用于动态系统的学习、运动分析、智能交通及气候信息学。

个人主页:http://roseyu.com/

实验室简介

波士顿东北大学人工智能方向全美排名 13 (http://csrankings.org/)。全新实验室位于波士顿市中心 177 Hungtington Ave 大厦 22 层。现有博士研究生三人,硕士研究生和本科生多名。

招生数量

博士生 1-2 人。

研究方向

  • 神经网络强化学习/模仿学习的理论和应用

  • 动态系统

  • 基于物理的机器学习

联系方式

招生页面:http://roseyu.com/prospective.html


路易斯维尔大学 Roman V. Yampolskiy 教授

Roman V. Yampolskiy 是路易斯维尔大学的副教授和终身教授,是该校网络安全实验室的创始人和负责人,博士毕业于美国纽约州立大学布法罗分校。

Yampolskiy 教授的主要研究方向包括 AI 安全、通用人工智能、行为生物识别、网络安全、数字取证、遗传算法模式识别等。他出版的论文、书籍超过 100 多部,其研究成果被 1000 多位研究者引用,以 22 种语言被多家媒体报道 250 多次。

个人主页:http://cecs.louisville.edu/ry/

实验室简介

路易斯维尔大学的网络安全实验室创建于 2008 年,旨在成为计算机及网络安全、生物识别、数字取证领域的领先研究中心。该实验室欢迎所有对安全相关课题研究感兴趣的学生。在该实验室从事研究的学生非常自豪,因为他们是首批致力于 Artimetrics 研究的研究者。Artimetrics 是一个研究领域,旨在识别、分类和验证用于安全、定制或其他用途的机器人、软件和虚拟现实智能体。

实验室页面:http://cecs.louisville.edu/security/

招生数量

博士生 5 人(如果申请者能拿到政府奖学金)

研究方向

  • AI 安全

  • 通用人工智能

  • 技术

  • 技术奇点

  • 网络安全

  • 生物识别

联系方式

电子邮箱:roman.yampolskiy@louisville.edu

如果您的实验室也正在招收博士生,且希望通过我们的平台进行招募,可以通过以下邮箱联系我们:liyazhou@jiqizhixin.com。

入门上海交通大学招生博士
相关数据
亚马逊机构

亚马逊(英语:Amazon.com Inc.,NASDAQ:AMZN)是一家总部位于美国西雅图的跨国电子商务企业,业务起始于线上书店,不久之后商品走向多元化。目前是全球最大的互联网线上零售商之一,也是美国《财富》杂志2016年评选的全球最大500家公司的排行榜中的第44名。

https://www.amazon.com/
相关技术
英特尔机构

英特尔是计算创新领域的全球领先厂商,致力于拓展科技疆界,让最精彩体验成为可能。英特尔创始于1968年,已拥有近半个世纪产品创新和引领市场的经验。英特尔1971年推出了世界上第一个微处理器,后来又促进了计算机和互联网的革命,改变了整个世界的进程。如今,英特尔正转型成为一家数据公司,制定了清晰的数据战略,凭借云和数据中心、物联网、存储、FPGA以及5G构成的增长良性循环,提供独到价值,驱动日益发展的智能互联世界。英特尔专注于技术创新,同时也积极支持中国的自主创新,与产业伙伴携手推动智能互联的发展。基于明确的数据战略和智能互联全栈实力,英特尔瞄准人工智能、无人驾驶、5G、精准医疗、体育等关键领域,与中国深度合作。面向未来,英特尔致力于做中国高价值合作伙伴,在新科技、新经济、新消费三个方面,着力驱动产业协同创新,为实体经济增值,促进消费升级。

https://www.intel.com/content/www/us/en/company-overview/company-overview.html
相关技术
微软机构

微软是美国一家跨国计算机科技公司,以研发、制造、授权和提供广泛的计算机软件服务为主。总部位于美国华盛顿州的雷德蒙德,最为著名和畅销的产品为Microsoft Windows操作系统和Microsoft Office办公室软件,以及Xbox的游戏业务。微软是美国《财富》杂志2015年评选的世界500强企业排行榜中的第95名。

https://www.microsoft.com/en-us/about
IBM机构

是美国一家跨国科技公司及咨询公司,总部位于纽约州阿蒙克市。IBM主要客户是政府和企业。IBM生产并销售计算机硬件及软件,并且为系统架构和网络托管提供咨询服务。截止2013年,IBM已在全球拥有12个研究实验室和大量的软件开发基地。IBM虽然是一家商业公司,但在材料、化学、物理等科学领域却也有很高的成就,利用这些学术研究为基础,发明很多产品。比较有名的IBM发明的产品包括硬盘、自动柜员机、通用产品代码、SQL、关系数据库管理系统、DRAM及沃森。

https://www.ibm.com/us-en/
相关技术
张拳石人物

上海交通大学副教授,加州大学洛杉矶分校(UCLA)统计学博士后。研究方向包括可解释的神经网络、可解释的生成网络、预训练神经网络的无监督语义化以及神经网络的无监督/弱监督学习。

深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

虚拟现实技术

虚拟现实,简称虚拟技术,也称虚拟环境,是利用电脑模拟产生一个三维空间的虚拟世界,提供用户关于视觉等感官的模拟,让用户感觉仿佛身历其境,可以及时、没有限制地观察三维空间内的事物。用户进行位置移动时,电脑可以立即进行复杂的运算,将精确的三维世界视频传回产生临场感。

模式识别技术

模式识别(英语:Pattern recognition),就是通过计算机用数学技术方法来研究模式的自动处理和判读。 我们把环境与客体统称为“模式”。 随着计算机技术的发展,人类有可能研究复杂的信息处理过程。 信息处理过程的一个重要形式是生命体对环境及客体的识别。其概念与数据挖掘、机器学习类似。

计算机视觉技术

计算机视觉(CV)是指机器感知环境的能力。这一技术类别中的经典任务有图像形成、图像处理、图像提取和图像的三维推理。目标识别和面部识别也是很重要的研究领域。

神经网络技术

(人工)神经网络是一种起源于 20 世纪 50 年代的监督式机器学习模型,那时候研究者构想了「感知器(perceptron)」的想法。这一领域的研究者通常被称为「联结主义者(Connectionist)」,因为这种模型模拟了人脑的功能。神经网络模型通常是通过反向传播算法应用梯度下降训练的。目前神经网络有两大主要类型,它们都是前馈神经网络:卷积神经网络(CNN)和循环神经网络(RNN),其中 RNN 又包含长短期记忆(LSTM)、门控循环单元(GRU)等等。深度学习是一种主要应用于神经网络帮助其取得更好结果的技术。尽管神经网络主要用于监督学习,但也有一些为无监督学习设计的变体,比如自动编码器和生成对抗网络(GAN)。

云计算技术

云计算(英语:cloud computing),是一种基于互联网的计算方式,通过这种方式,共享的软硬件资源和信息可以按需求提供给计算机各种终端和其他设备。

监督学习技术

监督式学习(Supervised learning),是机器学习中的一个方法,可以由标记好的训练集中学到或建立一个模式(函数 / learning model),并依此模式推测新的实例。训练集是由一系列的训练范例组成,每个训练范例则由输入对象(通常是向量)和预期输出所组成。函数的输出可以是一个连续的值(称为回归分析),或是预测一个分类标签(称作分类)。

图论技术

图论是以“图”为研究对象的一个数学分支,是组合数学和离散数学的重要组成部分。图是用来对对象之间的成对关系建模的数学结构,由“顶点”(又称“节点”或“点”)以及连接这些顶点的“边”(又称“弧”或“线”)组成。值得注意的是,图的顶点集合不能为空,但边的集合可以为空。图可能是无向的,这意味着图中的边在连接顶点时无需区分方向。否则,称图是有向的。

语音识别技术

自动语音识别是一种将口头语音转换为实时可读文本的技术。自动语音识别也称为语音识别(Speech Recognition)或计算机语音识别(Computer Speech Recognition)。自动语音识别是一个多学科交叉的领域,它与声学、语音学、语言学、数字信号处理理论、信息论、计算机科学等众多学科紧密相连。由于语音信号的多样性和复杂性,目前的语音识别系统只能在一定的限制条件下获得满意的性能,或者说只能应用于某些特定的场合。自动语音识别在人工智能领域占据着极其重要的位置。

图神经网络技术

图网络即可以在社交网络或其它基于图形数据上运行的一般深度学习架构,它是一种基于图结构的广义神经网络。图网络一般是将底层图形作为计算图,并通过在整张图上传递、转换和聚合节点特征信息,从而学习神经网络基元以生成单节点嵌入向量。生成的节点嵌入向量可作为任何可微预测层的输入,并用于节点分类或预测节点之间的连接,完整的模型可以通过端到端的方式训练。

遗传算法技术

遗传算法是计算数学中用于解决最优化的搜索算法,是进化算法的一种。进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择以及杂交等。 遗传算法通常实现方式为一种计算机模拟。对于一个最优化问题,一定数量的候选解可抽象表示为染色体,使种群向更好的解进化。

知识蒸馏技术

Hinton 的工作引入了知识蒸馏压缩框架,即通过遵循“学生-教师”的范式减少深度网络的训练量,这种“学生-教师”的范式,即通过软化“教师”的输出而惩罚“学生”。为了完成这一点,学生学要训练以预测教师的输出,即真实的分类标签。这种方法十分简单,但它同样在各种图像分类任务中表现出较好的结果。

模仿学习技术

模仿学习(Imitation Learning)背后的原理是是通过隐含地给学习器关于这个世界的先验信息,就能执行、学习人类行为。在模仿学习任务中,智能体(agent)为了学习到策略从而尽可能像人类专家那样执行一种行为,它会寻找一种最佳的方式来使用由该专家示范的训练集(输入-输出对)。

强化学习技术

强化学习是一种试错方法,其目标是让软件智能体在特定环境中能够采取回报最大化的行为。强化学习在马尔可夫决策过程环境中主要使用的技术是动态规划(Dynamic Programming)。流行的强化学习方法包括自适应动态规划(ADP)、时间差分(TD)学习、状态-动作-回报-状态-动作(SARSA)算法、Q 学习、深度强化学习(DQN);其应用包括下棋类游戏、机器人控制和工作调度等。

自动化机器学习技术

机器学习最近在许多应用领域取得了长足的进步,这促成了对机器学习系统的不断增长的需求,并希望机器学习系统可以被新手快速地熟悉并使用。相应地,越来越多的商业企业推出产品旨在满足这种需求。这些服务需要解决的核心问题是:在给定数据集上使用哪种机器学习算法、是否以及如何预处理其特征以及如何设置所有超参数。这即是自动化学习(AutoML)企图解决的问题。

香港科技大学机构

香港科技大学(The Hong Kong University of Science and Technology),简称港科大(HKUST),为东亚研究型大学协会、环太平洋大学联盟、亚洲大学联盟、中国大学校长联谊会、京港大学联盟、粤港澳高校联盟重要成员,并获AACSB和EQUIS双重认证,是一所亚洲顶尖、国际知名的研究型大学。该校以科技和商业管理为主、人文及社会科学并重,尤以商科和工科见长。

百度机构

百度(纳斯达克:BIDU),全球最大的中文搜索引擎、最大的中文网站。1999年底,身在美国硅谷的李彦宏看到了中国互联网及中文搜索引擎服务的巨大发展潜力,抱着技术改变世界的梦想,他毅然辞掉硅谷的高薪工作,携搜索引擎专利技术,于 2000年1月1日在中关村创建了百度公司。 “百度”二字,来自于八百年前南宋词人辛弃疾的一句词:众里寻他千百度。这句话描述了词人对理想的执着追求。 百度拥有数万名研发工程师,这是中国乃至全球最为优秀的技术团队。这支队伍掌握着世界上最为先进的搜索引擎技术,使百度成为中国掌握世界尖端科学核心技术的中国高科技企业,也使中国成为美国、俄罗斯、和韩国之外,全球仅有的4个拥有搜索引擎核心技术的国家之一。

http://home.baidu.com/
三星机构

三星集团是韩国最大的跨国企业集团,同时也是上市企业全球500强,三星集团包括众多的国际下属企业,旗下子公司有:三星电子、三星物产、三星航空、三星人寿保险、雷诺三星汽车等,业务涉及电子、金融、机械、化学等众多领域。 三星集团成立于1938年,由李秉喆创办。三星集团是家族企业,李氏家族世袭,旗下各个三星产业均为家族产业,并由家族中的其他成员管理,集团领导人已传至 李氏第三代,李健熙为现任集团会长,其子李在镕任三星电子副会长。

通用人工智能技术

通用人工智能(AGI)是具有一般人类智慧,可以执行人类能够执行的任何智力任务的机器智能。通用人工智能是一些人工智能研究的主要目标,也是科幻小说和未来研究中的共同话题。一些研究人员将通用人工智能称为强AI(strong AI)或者完全AI(full AI),或称机器具有执行通用智能行为(general intelligent action)的能力。与弱AI(weak AI)相比,强AI可以尝试执行全方位的人类认知能力。

机器之心机构

机器之心,成立于2014年,是国内最具影响力、最专业、唯一用于国际品牌的人工智能信息服务与产业服务平台。目前机器之心已经建立起涵盖媒体、数据、活动、研究及咨询、线下物理空间于一体的业务体系,为各类人工智能从业者提供综合信息服务和产业服务。

目标检测技术

一般目标检测(generic object detection)的目标是根据大量预定义的类别在自然图像中确定目标实例的位置,这是计算机视觉领域最基本和最有挑战性的问题之一。近些年兴起的深度学习技术是一种可从数据中直接学习特征表示的强大方法,并已经为一般目标检测领域带来了显著的突破性进展。

神经结构搜索技术

神经结构搜索(NAS)表示自动设计人工神经网络(ANN)的过程。

三维重建技术

三维重建是指利用二维投影或影像恢复物体三维信息(形状等)的数学过程和计算机技术。

暂无评论
暂无评论~