博士生申请 | 卡耐基梅隆大学陈贝迪招收2023年秋季入学博士生

我们组将来会致力于以发展 (advance) 和普及人工智能系统 (democratize AI) 为目标，高效的机器学习 (efficient ML) 为核心，从算法 (algorithms) / 模型 (modeling) / 系统及硬件 (system & hardware) / 应用 (applications) 等多个角度的研究。具体的方向和工具包括但是不限于探索/学习/实现：

• [模型] 高效 (wall-clock time, memory) 的大模型训练，微调，推论，以及在边缘设备(edge device)的部署
• [模型] 新的模型和拟合数据的方法, e.g, semi-parametric models, forward-only models， Sparse / MoE models
• [算法] 矩阵的近似/快速算法, e.g., sublinear algorithms, probabilistic data structures, fast transforms
• [系统] 系统和硬件的共同设计 (co-design)，分布式及去中心化算法 (distributed / decentralized systems)
• [应用] 自然语言处理 (NLP)，计算机视觉(CV), 科学应用 (Science) e.g., new material discovery, antenna / circuits design

2

导师简介

• 数学和理论基础（最起码 - 线性代数， 凸优化，概率论，偏微分方程）
• 除了跟进最新的算法和模型，能静下心来读经典文章 （跟时尚一样，十年一轮回，很多新的idea是基于以前的算法在不同的时间不同的应用发挥了不同的作用）
• 基本算法开发、分析、调试（好的infra / codebase会让科研效率提升）
• 底层语言掌握 C++, CUDA, Benchmarking (我们组的算法都偏理论，在硬件上实现加速需要更底层的编程)
• 交流和合作（做报告，写作，组内组外合作的能力非常重要）

• Collaboration：我们是一只队伍，希望大家互相尊重互相学习。比如对于每个项目，文章初稿，报告练习大家都能互相交流提建议。
• Efficiency: 科研需要花大量时间和精力。希望大家在科研的时候严谨认真有效率，在科研外的时间能保持自己的业余兴趣爱好。
• Diversity: 欢迎并支持有不同背景的成员 （我会尽最大努力因材施教）。每个人都有自己擅长的领域和方向，大家可以一起构建创新、跨学科的学术氛围。

入群交流

△扫描加入官方交流群