师弟师妹们好！
我是科大10级的陈武阳，明年夏天将加入Simon Fraser University计算机系，目前在招收机器学习/人工智能/计算机视觉/计算生物学方向博士生，我计划招收2-4个学生
微信文章链接: https://mp.weixin.qq.com/s/2o93Qo4VPmiJ0Sq1YQRwcg
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:
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
导师介绍
陈武阳博士将于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
个人主页： https://chenwydj.github.io/
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
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
