全额奖学金机会,顶级AI+医疗研究机构,澳科大、密歇根州立大学招收博士生

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。

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澳门科技大学医学院医疗人工智能实验室和密歇根州立大学机器学习系统实验室的招生信息。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)。

澳门科技大学医学院教授张康


张康,医学博士,遗传学博士,现任澳门科技大学医学院教授和科大医院眼科临床医生。

张康教授在四川大学获得生物化学学士学位后赴美,成为新中国成立以来哈佛大学和麻省理工学院第一个获得 3 个博士学位的中国大陆学者(医学博士:哈佛大学和麻省理工学院;遗传学博士:哈佛大学),也是美国约翰霍普金斯大学威尔马眼科中心第一个来自新中国的眼科住院医生。

张康教授曾获得 Burroughs Wellcome 基金会临床科学家转化型研究奖等多项国际奖项,以及北京大学长江学者、2010 年美国最佳眼科医生、2016、2018 年眼科最具影响力世界 100 强、2019 年全球高被引学者等称号。他在 WOS 核心合集引用量高达 24,240,高被引指数达 73。

在眼科学、干细胞、医学人工智能、生物材料和 3D 打印、遗传学以及精准医学领域,张康教授拥有丰富的临床实践经验和基础科研成果,在 New England Journal of Medicine、Nature、Science、Cell、Nature Genetics、Nature Medicine、Cell Stem Cell、Molecular Cell、PNAS、JCI 等国际知名期刊上发表文章 200 多篇。

个人主页:https://scholar.must.edu.mo/scholar/100923

实验室简介

澳门科技大学医学院属下医疗人工智能实验室于 2020 年 1 月 1 日正式启动。实验室由医学院张康教授组办,是一所专业智能医疗研发中心,可培养高端医疗科研人才。


实验室主要为医学院的研究生及博士生,提供一个专业的科研环境以进行先进研究课题的实验,对前沿技术进行探索。

同时,实验室通过与校外著名学术机构、医院及企业合作,搭建产学研跨学科综合平台,打造临床带教,加强学院的科研实力。主要研究技术包括:数据挖掘、生物资讯、图像标注与分割、深度学习迁移学习自然语言处理、自然计算、机器学习、资讯检索等技术在临床中的应用研究。

招生要求

招聘博士生数量:2020 年在研博士生 2 名

招聘博士生方向:遗传学、干细胞、医学人工智慧、精准医疗、眼科学、生物材料和 3D 打印等

联系方式:kanve822@hotmail.com

密歇根州立大学电子与计算机工程系和计算机科学与工程系副教授张弥


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)副教授。

张弥教授的主要研究领域包括深度学习模型压缩、自动化机器学习联邦学习、分布式深度学习模型训练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。

张弥教授及其研究团队在 2019 年 Google MicroNet Challenge 世界竞赛(CIFAR-100 赛道)中获得第四名, 2017 年 NSF Hearables Challenge 世界竞赛中获得第三名,在 2016 年 NIH Pill Image Recognition Challenge 世界竞赛中获得冠军。

个人主页:http://www.egr.msu.edu/~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究工作。实验室和多家世界著名高科技公司有着紧密的合作关系,包括亚马逊、Facebook、谷歌、微软、三星等。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。

招生要求

招聘博士生数量:3 名,全额奖学金,2021 年 1 月或者 9 月入学均可。

招聘博士生方向:终端及分布式深度学习算法、框架与系统、移动计算、智能物联网、智能视频监控、移动医疗等

联系方式:mizhang@egr.msu.edu

往期招生信息:

有奖金、本硕可申,宾大、港中文、埃默里大学招收博士 
招生季到来!UCSD、加拿大西安大略大学、MLIA 实验室、阿尔伯塔大学博士招生中 
理论港科大AI
相关数据
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)

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。

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。

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。

自然语言处理技术

自然语言处理(英语:natural language processing,缩写作 NLP)是人工智能和语言学领域的分支学科。此领域探讨如何处理及运用自然语言;自然语言认知则是指让电脑“懂”人类的语言。自然语言生成系统把计算机数据转化为自然语言。自然语言理解系统把自然语言转化为计算机程序更易于处理的形式。

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。

联邦学习技术

如何在保护数据隐私、满足合法合规要求的前提下继续进行机器学习,这部分研究被称为「联邦学习」(Federated Learning)。

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/
迁移学习技术

迁移学习 是属于机器学习的一种研究领域。它专注于存储已有问题的解决模型,并将其利用在其他不同但相关问题上。比如说,用来辨识汽车的知识(或者是模型)也可以被用来提升识别卡车的能力。计算机领域的迁移学习和心理学常常提到的学习迁移在概念上有一定关系,但是两个领域在学术上的关系非常有限。

北京大学机构

北京大学创办于1898年,初名京师大学堂,是中国第一所国立综合性大学,也是当时中国最高教育行政机关。辛亥革命后,于1912年改为现名。2000年4月3日,北京大学与原北京医科大学合并,组建了新的北京大学。原北京医科大学的前身是国立北京医学专门学校,创建于1912年10月26日。20世纪三、四十年代,学校一度名为北平大学医学院,并于1946年7月并入北京大学。1952年在全国高校院系调整中,北京大学医学院脱离北京大学,独立为北京医学院。1985年更名为北京医科大学,1996年成为国家首批“211工程”重点支持的医科大学。两校合并进一步拓宽了北京大学的学科结构,为促进医学与人文社会科学及理科的结合,改革医学教育奠定了基础。

官网,http://www.pku.edu.cn/
推荐文章
暂无评论
暂无评论~