2022/11/18 17:10

UIUC信息学院汪浩瀚老师课题组招收全奖博士生及合作者，计算生物学和可信机器学习方向

新的一期博士招生正式启动！本期将为大家介绍 UIUC 信息学院汪浩瀚（Haohan Wang）老师课题组招收博士生及合作者的相关信息。

学校简介

UIUC，坐落于伊利诺伊州双子城厄巴纳–香槟市，是一所美国公立研究型大学。校友和教授中有 30 位获得诺贝尔奖，25 位获得普利策奖。工科专业在全球享有盛誉，几乎所有专业均位列全美前十，其中电气、土木、材料、环境、计算机均位列全美前五；会计学专业位列全美前三；信息科学专业常年位居全美第一。

UIUC 校友创建或参与创建了特斯拉、甲骨文、Youtube、Paypal、AMD、Yelp 等世界知名的公司和 IT 产品，以及 JavaScript、Swift 等编程语言。

学院及导师简介

提到 UIUC 的机器学习和人工智能类专业，大家首先想到的估计都是实力雄厚的计算机系常年盘踞在榜单的前几名，在最新的 US News 排名上更是仅次于 “四大” 的第五名位置。但是值得一提的是，汪老师所在的信息学院（School of Information Sciences），虽然院系小巧，却常年在 US News 等榜单上的信息科学类的排名高居榜首，据说第一名的位置已经二十余年未曾被撼动。

汪浩瀚（Haohan Wang）老师于 2022 年秋季加入 UIUC 信息学院出任助理教授，此前毕业于 Carnegie Mellon University，师从 AI 顶级学者 Eric Xing。

老师的主要研究方向为计算生物学（Computational Biology）和可信机器学习（ Trustworthy Machine Learning）。老师从 Computational Biology 的研究方向开始，在研究的过程中渐渐意识到 Trustworthy ML 在计算生物上的重要意义，于是将自己的研究方向开始同 Trustworthy ML 的角度扩张。也因为对于这两个领域结合的早期贡献，于 2019 年被 MIT 和 Harvard 联合授予了「next generation in biomedicine」的认可。

更多内容请见导师主页：https://haohanwang.github.io/

招生信息

两个研究方向：

Computational Biology
Trustworthy Machine Learning

Computation Biology：「我们致力于计算生物的研究，最主要的原因就是计算生物是一个有潜力让数百万千万黎民苍生免于疾病痛苦的课题。」

Trustworthy Machine Learning：「机器学习研究至今，早已有万千种变化，但是我认为 Trustworthy 是一个非常与众不同的课题，因为它直接关系到了这些万千变化中的任何一种，是否能真正的落地」

老师的 trustworthy ML 研究此前主要着力于 robustness，早在 domain generalization 变得如今天般炙手可热之前，老师的相关文章就曾在 2019 年发表于 ICLR 的 Oral。今后的研究方向希望可以扩展到 trustworthy ML 的其他层面，也在尝试从统计的角度上联系 trustworthy ML 的各个分支领域。另外，老师还是 Trustworthy ML Initiative 的主办者之一。

招生计划：

希望招收全奖 phd 学生 2-3 名；
Postdoc 等机会欢迎直接与老师联系；
长期开放 remote intern 机会，欢迎直接与老师联系。

招生要求：

对于科研极具热忱；
最好对于自己的人生有所规划；
专业背景达到学院的基本要求。

其他招生信息请见网站：

https://ischool.illinois.edu/degrees-programs/graduate/phd-information-sciences/apply

感兴趣的同学在申请时明确提及与老师（Haohan Wang）合作的意向，申请截止日期为 12 月 1 日。

汪浩瀚老师也长期招募 remote intern，如有各种问题，欢迎直接联系老师邮箱

haohanw@illinois.edu。

「TalentAI」是机器之心最新招聘栏目，欢迎有招聘需求的高校实验室、企业与我们联系合作。邮箱：liyazhou@jiqizhixin.com

入门博士招生

相关数据

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。

来源：Mitchell, T. (1997). Machine Learning. McGraw Hill.

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）

来源：Russell, S., & Norvig, P. (2003). Artificial Intelligence: A Modern Approach.

规划技术

人工智能领域的「规划」通常是指智能体执行的任务/动作的自动规划和调度，其目的是进行资源的优化。常见的规划方法包括经典规划（Classical Planning）、分层任务网络（HTN）和 logistics 规划。

来源：机器之心

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/