Simon Fraser University计算机系陈武阳助理教授招收机器学习/计算机视觉方向博士生

admin

注册大润晟泽论坛，查看更多干货！
您需要 登录 才可以下载或查看附件。没有帐号？注册账号



x

招收职位: 博士联系教授: Dr. Wuyang Chen (wuyang@sfu.ca)个人主页: https://chenwydj.github.io/







sfu.jpeg (890.16 KB, 下载次数: 0)

下载附件
 保存到相册

sfu.jpeg
昨天 11:25 上传




学校介绍

Simon Fraser University是加拿大著名的公立研究型大学，地处温哥华，是加拿大气候最好的地方关于SFU计算机系: https://www.sfu.ca/computing/about.html北美 (US+Canada) 计算机系排名 #37: https://csrankings.org/#/index?all&northamerica北美 (US+Canada) AI/ML/CV/Graphics 排名 #23: https://csrankings.org/#/index?ai&vision&mlmining&graph&northamerica【选校参考｜Simon Fraser University】https://zhuanlan.zhihu.com/p/571395898



温哥华作为加拿大西部的国际化大城市，有很多高科技公司，就业环境好。温哥华云集了世界各地的美食，不论是品尝异域特色还是家乡风味都首屈一指
【为什么说温哥华是世界最宜居住的地方之一】https://www.zhihu.com/question/267245634/answer/998177411

导师个人介绍

陈武阳博士 (https://chenwydj.github.io/) 将于2024年夏季加入Simon Fraser University计算机系担任助理教授。2023 - 2024年，陈武阳博士加入UC Berkeley统计系作为博士后。陈武阳本科毕业于中国科学技术大学，并于2023年获得美国德州大学奥斯汀分校电子计算机工程系的博士学位。陈武阳博士的工作发表于各大顶会期刊 (NeurIPS, ICML, ICLR, JMLR, CVPR, ICCV, ECCV), 他的研究成果在2022年被美国国家科学基金会 (National Science Foundation, NSF) 的网站新闻报道: https://www.nsf.gov/news/news_summ.jsp?cntn_id=304639&org=CISE


实验室提供的支持:和导师一对一的研究指导, 充足的研究经费和GPU算力支持和其它知名高校和研究机构的顶级课题组的合作交流在工业界的实习机会


研究方向广告Powered ByVideo Player is loading.Play VideoPlaySkip BackwardUnmuteCurrent Time 0:00/Duration 0:00Loaded: 0%0:00Stream Type LIVESeek to live, currently behind liveLIVERemaining Time -0:00 1xPlayback RateChaptersChaptersDescriptionsdescriptions off, selectedSubtitlessubtitles settings, opens subtitles settings dialogsubtitles off, selectedAudio TrackPicture-in-PictureFullscreenThis is a modal window.Beginning of dialog window. Escape will cancel and close the window.TextColorWhiteBlackRedGreenBlueYellowMagentaCyanOpacityOpaqueSemi-TransparentText BackgroundColorBlackWhiteRedGreenBlueYellowMagentaCyanOpacityOpaqueSemi-TransparentTransparentCaption Area BackgroundColorBlackWhiteRedGreenBlueYellowMagentaCyanOpacityTransparentSemi-TransparentOpaqueFont Size50%75%100%125%150%175%200%300%400%Text Edge StyleNoneRaisedDepressedUniformDropshadowFont FamilyProportional Sans-SerifMonospace Sans-SerifProportional SerifMonospace SerifCasualScriptSmall CapsReset restore all settings to the default valuesDoneClose Modal DialogEnd of dialog window.Advertisement.vdo_next_stay_wrapper {background-color: rgb(138, 136, 136);}

在过去十年中，人工智能（AI）和深度学习取得了实质性的进展。在深度学习最成功的领域 (计算机视觉，自然语言)，人们一般采用以下策略：获取大量数据，设计并使用梯度下降训练神经网络，然后用训练好的模型在任务中进行预测。然而，这种一般的策略存在很多局限性和问题，包括：耗费大量的数据、复杂的深度网络架构、耗时的网络训练、难以分析的预训练模型。当使用深度学习解决数据/标签稀缺、先验未知、信噪比低的问题时，这些问题会变得尤为明显。现有的解决方案（例如数据蒸馏、模型压缩）仍然是经验性的、数据驱动的，并且计算量大。
因此，我们实验室主要关注的问题是：如何从深度学习的原理和理论出发，用最小的训练成本，来加速和改良深度学习？
具体来说，我们实验室通过弥合深度学习理论和应用之间的差距，来解决核心技术问题。我们的目标是研究实用的深度学习理论，并加以指导实践和应用。实验室的核心方法将从四个方面研究深度学习：数据的选择和增强、神经网络的初始化和网络结构、神经网络的训练、预训练好的神经网络。实验室利用深度学习理论加速并提升深度学习在计算机视觉，自然语言，以及其他科学问题 (生物信息、科学计算) 上的应用。


实验室对学生的预期:有强烈的科研热情和做出高质量研究的愿望有扎实的数学基础 (线性代数, 微积分, 概率论)有充分的编程经验 (已掌握常用深度学习工具的使用, 例如PyTorch或TensorFlow)

优先考虑有如下背景的同学: 深度学习, 机器学习, 计算机视觉, 自然语言处理, 计算生物。

如何申请和联系我们

博士申请链接 (截止日期 2024年1月18日): https://www.sfu.ca/computing/prospective-students/graduate-students/admissions.html


感兴趣的同学欢迎填写表格 (方便导师提前安排面试):
https://www.wjx.cn/vm/OXYYxrz.aspx


如果对Simon Fraser University或研究课题有问题, 请通过邮件 (wuyang@sfu.ca) 联系我们