有奖金、本硕可申,宾大、港中文、埃默里大学招收博士

又到了博士招生的季节,希望这些消息对正在立志学界深造的你有所帮助。

作为专业的全球人工智能信息服务平台,机器之心的读者中有大量活跃于人工智能学术领域的顶级学者,也有许多正在攻读 AI 方向的学生。

之前,机器之心发布了多篇与招收硕士 / 博士 / 博士后相关的文章,为广大读者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。本期我们将为大家介绍宾夕法尼亚大学、埃默里大学和香港中文大学的招生信息。

希望这些消息对正在立志学界深造的你有所帮助(排名不分先后)。

宾夕法尼亚大学讲席副教授李静


李静,宾夕法尼亚大学电子和系统工程系、计算机与信息科学系讲席副教授 (Eduardo D. Glandt Associate Professor)。

2009--2014 年在 IBM T. J. Watson 研发中心担任高级研究员,是 IBM 机器学习和硬件加速部门创立人之一。其主持的项目屡次转化为产品,为公司带来丰厚利润,并荣获 IBM 研究院最高技术成就奖。李静教授还是美国国家自然科学基金杰出青年基金(NSF CAREER Award)和美国国防高级研究署新锐教授奖(DARPA Young Faculty Award)的获得者。

个人主页:https://www.seas.upenn.edu/~janeli/
 
研究课题

李静副教授的近期主要研究课题包括:

  • 基于人工智能的计算机系统(包括架构、编译器、云端虚拟化和其他系统支持),具体方向可参考李教授和计算机系统 / 机器学习领域的专家 Bill Dally、Jeff Dean 等合著的《MLSys: The New Frontier of Machine Learning Systems》;

  • 深度学习算法优化(图像、语音、视频)和加速(FPGA); 

  • 智能存储。


实验室简介

李静教授领导的宾大智能计算实验室(Penn Computational Intelligence Lab)隶属于电子与系统工程系。该实验室拥有丰富的计算设施和实验资源,包括很多高科技公司尚未面市的高端芯片及服务器原型。

实验室注重产研结合,与 Microsoft、Google、Facebook、Amazon、Intel、IBM、Panasonic 等高科技公司有长期战略合作关系。其基于云端的深度学习项目已获首轮融资。实验室成员普遍获得多家高科技公司的实习生及全职工作机会。
 
招生要求

招聘博士生数量:每年提供至少两个博士全奖。如果有其他经费来源可提供 Penn 暑期科研机会,暑研表现突出的同学第二年申请博士可得到优先考虑 (现已通过暑假 intern 招到 2 名博士生)。欢迎大三、 研二的同学申请。

招聘博士生方向:对以上研究感兴趣,有以下背景的同学优先考虑。

  • 超算:熟悉 GPU-aware communication middleware,如 CUDA-aware MPI、NCCL、GPUDirect RDMA。

  • 编译器(compiler):熟悉 polyhedral optimization 和 auto vectorization;熟悉code generation, register allocation and instruction scheduling。


宾夕法尼亚大学(University of Pennsylvania ),简称宾大(UPenn),位于宾夕法尼亚州  最大城市费城 ,是一所全球顶尖的私立研究型大学 ,著名的八所常春藤盟校之一,北美顶尖大学学术联盟美国大学协会 14 所创始成员之一。宾大电子与系统工程系诞生了人类历史上第一台通用电子计算机 ENIAC ,被誉为现代计算机科学文明的发源地。
 
更多信息请参见实验室网站:https://li.seas.upenn.edu。 

联系方式:janeli@seas.upenn.edu
 
埃默里大学助理教授赵亮



赵亮,2020 年秋季入职埃默里大学担任计算机系助理教授,此前在乔治梅森大学信息科技学院和计算机学院担任助理教授。2016 年秋,获得弗吉尼亚理工大学的博士学位。

此外,Dr. Liang Zhao 曾获 2020 年美国自然科学基金委员会杰出青年奖(NSF CAREER AWARD)、2019 年 Jeffress Trust Award、2017 年弗吉尼亚理工大学计算机学院杰出博士奖,并入选 2016 年微软评选出的数据挖掘领域 20 位学术新星。他还获得 ICDM 2019 会议的最佳论文奖项。

研究方向:数据挖掘机器学习和优化。

个人主页:https://mason.gmu.edu/~lzhao9/

实验室简介

Dr. Liang Zhao 领导的实验室现有 7 名博士。实验室目前由 8 个基础科学研究项目资助,资金充足。

该实验室致力于数据挖掘机器学习,以及非凸优化领域的基础研究,如图网深度学习和生成、时空数据挖掘、可解释以及分布式深度学习、生物启发式人工智能,并运用它们解决前沿实际问题,比如事件预测、医疗、蛋白质结构预测、脑结构建模、集成电路设计等。

学术成果集中发表于数据挖掘人工智能机器学习顶级会议期刊,如 KDD、ICDM、TKDE、Proceedings of the IEEE、TKDD、TSAS、IJCAI、AAAI、WWW、NeurIPS、CIKM、SIGSPATIAL 和 SDM。
 
学校院系简介

  • 美国综合排名常年 Top 20 (by US.NEWS)。

  • 世界排名常年 Top 70 左右 (by US.NEWS, Times, etc.)。

  • 位于全美第 9 大城市亚特兰大市,是全美亚洲人比例最高城市之一,安全方便。

  • 计算机排名 Top 30 (by TFE), 82 (by US.NEWS). 计算机系于 2018 年单独成系,之后一直在快速扩张和上升中。


招生要求

招聘博士生数量:3-5 名,2020 秋、2021 春或 2021 秋均可入学。奖学金涵盖每年 12 个月生活费、学费和各种保险。
 
招聘博士生方向:基础研究,同时解决前沿实际问题,具体方向请参考实验室介绍。

申请要求:

  • 本科(和硕士)为计算机及相关专业,具备较强的编程能力。本科为(应用)数学和物理专业也可申请。

  • 发表过论文,或具备较强数学基础者优先。

  • 对科学研究和高水平学术成果有很强热情。

  • 达到计算机专业规定的 GPA 和英文要求。


联系方式:感兴趣的同学请发送简历(最好包含 GRE 与 TOEFL 考试成绩)、本科及硕士成绩单,到 Dr. Liang Zhao:liang.zhao@emory.edu

香港中文大学助理教授周博磊


周博磊,香港中文大学信息工程系助理教授。18 年 MIT 博士毕业即加入港中大。在人工智能顶级会议和期刊发表五十余篇学术论文,论文总引用数超过一万次,其中两篇一作论文获得单篇引用超两千次的影响力。曾获 WAIC 云帆奖、MIT Tech Review’s Innovators under 35 亚太区奖、Facebook Fellowship、Microsoft Research Asia Fellowship 等奖项。

个人主页:http://bzhou.ie.cuhk.edu.hk/

课题组简介

周博磊领导的课题组是历史悠久的港中大多媒体实验室(MMLab)的一部分,经过两年建设后已初具规模,由大概 10 位成员(包括博士生、助研和本科生同学)组成,已经能够稳定地产出优秀的研究成果。

招生要求

招聘博士生数量:招收 1-2 名博士生。希望应聘的同学已经积累一定的研究经历,1-2 篇 AI 方向顶会发表文章。

招聘博士生方向:机器感知和机器决策的交叉方向。具体方向包括场景理解、生成模型强化学习、模型可解释性等等。详情参见周博磊个人主页最近公开的研究工作。

导师风格

目前我还是比较有精力和时间,会跟同学一起在感兴趣的研究课题上 hands-on 地工作,所以你会有很多机(压)会(力)show me your code :)。另外,我对我博士生的希望是,选对正确的问题,在一个前人很少涉足的方向上做出有连续性地一系列创新工作。

联系方式

bzhou@ie.cuhk.edu.hk

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。
入门宾夕法尼亚州立大学埃默里大学香港中文大学招生博士
相关数据
Microsoft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
周博磊人物

香港中文大学助理教授,MIT博士。研究兴趣:计算机视觉和机器学习,对视觉场景理解和可解释AI系统非常感兴趣。

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。

感知技术

知觉或感知是外界刺激作用于感官时,脑对外界的整体的看法和理解,为我们对外界的感官信息进行组织和解释。在认知科学中,也可看作一组程序,包括获取信息、理解信息、筛选信息、组织信息。与感觉不同,知觉反映的是由对象的各样属性及关系构成的整体。

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)

凸优化技术

凸优化,或叫做凸最优化,凸最小化,是数学最优化的一个子领域,研究定义于凸集中的凸函数最小化的问题。凸优化在某种意义上说较一般情形的数学最优化问题要简单,譬如在凸优化中局部最优值必定是全局最优值。凸函数的凸性使得凸分析中的有力工具在最优化问题中得以应用,如次导数等。 凸优化应用于很多学科领域,诸如自动控制系统,信号处理,通讯和网络,电子电路设计,数据分析和建模,统计学(最优化设计),以及金融。在近来运算能力提高和最优化理论发展的背景下,一般的凸优化已经接近简单的线性规划一样直捷易行。许多最优化问题都可以转化成凸优化(凸最小化)问题,例如求凹函数f最大值的问题就等同于求凸函数 -f最小值的问题。

数据挖掘技术

数据挖掘(英语:data mining)是一个跨学科的计算机科学分支 它是用人工智能、机器学习、统计学和数据库的交叉方法在相對較大型的数据集中发现模式的计算过程。 数据挖掘过程的总体目标是从一个数据集中提取信息,并将其转换成可理解的结构,以进一步使用。

生成模型技术

在概率统计理论中, 生成模型是指能够随机生成观测数据的模型,尤其是在给定某些隐含参数的条件下。 它给观测值和标注数据序列指定一个联合概率分布。 在机器学习中,生成模型可以用来直接对数据建模(例如根据某个变量的概率密度函数进行数据采样),也可以用来建立变量间的条件概率分布。

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。

图网技术

ImageNet 是一个计算机视觉系统识别项目, 是目前世界上图像识别最大的数据库。

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。

https://www.jiqizhixin.com/
图网络技术

2018年6月,由 DeepMind、谷歌大脑、MIT 和爱丁堡大学等公司和机构的 27 位科学家共同提交了论文《Relational inductive biases, deep learning, and graph networks》,该研究提出了一个基于关系归纳偏置的 AI 概念:图网络(Graph Networks)。研究人员称,该方法推广并扩展了各种神经网络方法,并为操作结构化知识和生成结构化行为提供了新的思路。

暂无评论
暂无评论~