温哥华理工学院
温哥华理工学院的综合科研整体实力很强,在机器自学、统计数据自然科学相关应用领域领域的自然科学研究更是Pudukkottai。做为当代广度自学的发源地众所周知,这儿机器自学、人工智慧的自然科学研究气氛浓厚,以多大为核心理念,与他们系一条绿化带之隔的矢量理工学院(Vector Institute)是当今AI应用领域领域的两个主要中心;我也是矢量理工学院的附属教职员工众所周知(因此,我的小学生将自动获得共享使用数百台GPU集群的职权)。
统计统计数据工程学系整体实力强大,在多家排名中位列世界前20名乃至前10名;在这儿走出的很多小学生在学术界十分成功,知名Sheu包括统计统计数据界的大传人Larry Wasserman,而我系前段时间的毕业生在美国、国内和欧洲的学术界业界都有很好的placement;现阶段民泽方向齐全,在统计数据自然科学应用领域领域自然科学研究十分活跃,统计统计数据工程学系的Nancy Reid和Jeff Rosenthal曾获统计统计数据界最高的COPSS奖,多人曾获Sloan奖;他们做为两个统计统计数据系态度十分文雅,积极亲吻当代的机器自学技术,我个人十分享受这儿的自然科学研究气氛。
指导老师概要
牟建明,现阶段是温哥华理工学院统计统计数据工程学系(Department of Statistical Sciences, University of Toronto)讷伊县职的助理教授(tenure-track AP),同时在数学系(Computer Science)courtesy appointment。我于2017年大学毕业于北京理工学院信息自然科学技术理工学院,2023年毕业于加利福尼亚州伯克利理工学院电子工程学院(EECS, UC Berkeley),师事Martin Wainwright和Peter Bartlett,获博士学位。
自然科学研究应用领域领域是机器自学与统计数据自然科学方式论,这是两个逐渐融合产业发展的学科专业,涉及到统计统计数据与机器自学、沃苏什卡学、演算法方式论、应用领域数学等多个学科专业。我的自然科学研究浓厚兴趣较为广泛,对强化自学与乱数控制、自然法则推理与半参估计、乱数强化与逼近、蒙地卡罗取样与扩散过程、可计算性方式论、广度自学普遍化误差、脉冲响应个人隐私等难题都有过兼及。在统计统计数据、沃苏什卡、机器自学等应用领域领域的世界顶级学术期刊和会议上有余篇论文发表。
前段时间比较感浓厚兴趣的两个核心理念难题是:如何让机器自学帮助他们解决如前所述统计数据驱动的决策难题(data-driven decision-making),并达到最优的效果;如前所述这个难题他们可以产业发展出捷伊统计统计数据方式和强化演算法,提炼一些形式化的法则,以求将其用于实际应用领域。当代的机器自学(尤其是广度自学)技术很擅长插值表达式及原产,并在图像、语言等任务上展现出惊人的表现;但是当他们需要用机器自学技术来做决策时,插值表达式/原产本身是不够的,我认为现阶段方式的有效性还很缺乏,这也使得当代的统计统计数据和演算法方式论有了余力。
当然,我的自然科学研究浓厚兴趣也不限于这一类难题,做为我的小学生,你也可以有自己的自然科学研究路径,不必与我完全相同,有的是时候不一样的思路碰撞出的火光正是意念的源泉。只要你希望产业发展一些有意义的方式论来指导机器自学和统计数据自然科学的实践,他们就是同路人。
如果你想进一步了解我的自然科学研究,可以关注我的个人主页:
https://mouwenlong.github.io/
录取信息
现阶段我有若干博士生名额。我希望我未来的小学生在以下两个路径众所周知有专长:
1、数学,包括扎实的分析、概率等基础知识,喜欢做方式论证明,并有一定熟练度;
2、广度自学工程能力,特别是对应用领域领域内最新进展的熟悉,并乐于去理解其背后的原理。请注意两者居其一即可,并不需要面面俱到。统计统计数据学或者沃苏什卡学的背景是加分项但并不是必需的。只要你的数学背景或工程能力够强,并愿意探索,别的方面都不是难题。
如果你博士将要毕业,对于跟我做博士后感浓厚兴趣,也请联系我。他们系有很多有资金支持的博士后项目,如果自然科学研究浓厚兴趣合适,他们可以一起讨论一下申请其中一些项目的可能性。
申请方式
如果你申请他们系的博士生并且有意向加入我的自然科学研究组,可以在自然科学研究陈述(research statement)上面提我的名字,并且欢迎通过我的邮箱联系我:,请在邮件中包含如下内容:
1、标题请以“[Prospective student](包含括号,不包含引号)开头;
2、请附上个人简历和成绩单,如有论文也欢迎附在邮件中;
3、请用一小段话陈述自己的未来自然科学研究路径,或者附上自己的research statement.
咨询热线
0755-86358225