导师介绍：

Shuai Zhang, 博士毕业于伦斯勒理工学院（RPI）, 本科毕业于中国科学技术大学（USTC）, 于2023年秋季加入新泽西理工学院（NJIT）数据科学系担任助理教授。他的研究目标主要在于theoretical foundations of AI和design of principled and efficient learning algorithms，以实现更好，更安全和更高效的AI learning systems。目前的兴趣在于大模型中的迁移学习(parameter-efficient transfer learning)和稀疏学习（sparse learning）。他与IBM Thomas J. Watson Research Center和MIT-IBM Watson AI Lab有过深入的合作经历。他作为第一作者在多个著名ML/AI/信号处理期刊会议 ( ICML / ICLR / NeurIPS/ TSP / TNNLS )发表论文。

导师主页：https://inchs708.github.io/shuaizhang.github.io/index.html
Google Scholar: https://scholar.google.com/citations?user=RvDk-iwAAAAJ&hl=en

研究方向（包括但不限于）:

Learning Theory: generalization ability of deep learning model & algorithms.
Non-convex Optimization: convergence analysis of training emerging neural networks, convergence analysis of other non-convex machine learning problems.
Parameter-efficient Transfer Learning: focusing on both the theoretical foundations and algorithm design of parameter-efficient transfer learning approach, especially in the applications involved foundation models (Large Language Models).
Deep Reinforcement Learning: Transfer learning and RL from human feedback
Graph Neural Network: graph sampling & sparsification in GNN learning.
Spatial-temporal Data Analysis.

招生：

2-3名博士生，全额奖学金（TA/RA, 含学费、保险和生活补助）
希望申请的同学对ML/AI相关的非凸优化问题和快速算法设计或者对数学有着强烈的兴趣。具有良好的数学基础，编程能力和沟通能力。CS/EE/Math/Stat等本科及其以上学历。

联系方式：

邮箱： sz457@njit.edu , 标注主题（PhD Application with {your name}）
请附上你的cv和成绩单，以及一小段自我介绍及研究兴趣

学校背景介绍:

新泽西理工学院在2022年QS世界大学排名全美排名第90，计算机专业排名全美第75位，同时新泽西理工学院还被评选为美国东北部地区最佳导学和性价比最高大学之一。新泽西理工学院位于新泽西纽瓦克，离纽约市曼哈顿车程约30分钟，有丰富的实习和就业机会。新泽西纽瓦克市拥有国际大型机场，城市轻轨公共系统完善，交通十分便利。