博士申请 | 美国普渡大学张如琪老师组招收机器学习方向博士/硕士/实习生

实验室简介

我们组希望以概率论和统计学习为基础，来建立高度实用、可靠的机器学习新方法。我们专注于概率机器学习 (Probabilistic machine learning) 和贝叶斯深度学习(Bayesian deep learning)，致力于开发具有理论保证的快速、稳健的训练和推断方法，以及探索它们在真实大数据与深度神经网络上的应用。我们的研究方向包括但不限于：

1. Reliable and scalable probabilistic modeling (such as uncertainty quantification, Bayesian inference, MCMC)

2. Large-scale training & inference (such as stochastic algorithms, quantization, sparse learning)

3. Learning with discrete structure (such as graph, text, binary neural networks)

4. Learning under privacy, fairness, safety constraints