科研实习 | 北京大学国际机器学习研究中心张文涛教授招收科研实习生/RA

研究方向

1. 数据驱动的机器学习(Data-centric ML)：近些年来AI模型发展遇到了瓶颈，大部分SOTA模型（如ChatGPT和SAM）都是沿用2017年提出的Transformer结构，性能收益来源由模型 --> 数据。我们课题组主要考虑优化Data quality, quantity 和 efficiency，以较低成本和较短时间来获得大量高质量数据。

2. AI4Science：AI4Science是人工智能和Science交叉领域，也是目前学术界和工业界前沿的热点方向。我们课题组主要考虑Science领域的药物发现和蛋白质结构预测等交叉应用。

3. 扩散模型（Diffusion Model）：多模态学习扩散模型是当前最热门的生成模型，其应用领域包含了CV、NLP以及交叉学科等，我们课题组主要探究扩散模型如何更好地应用于各种复杂生成场景，如文生图、文生视频、可控3D生成、多模态学习等，并和全球顶尖专家学者合作产出高质量论文。

4. 图机器学习 (Graph ML)：图数据广泛存在于现实生活中，如微信里的社交网络，知识图谱以及淘宝推荐场景里的用户商品二部图。图机器学习也即“将机器学习应用于图数据”，有望解决传统深度学习无法处理的关系推理、可解释性等一系列问题。我们课题组主要考虑以图神经网络（GNN）为切入点，用DCML的思想来优化图数据（如图结构优化、图数据增强和图异常处理等）。

5. 机器学习系统 (ML System)：ML System是人工智能和计算机系统的交叉领域，也是目前计算机系统研究前沿的热点方向。我们课题组主要考虑从系统层面来支持DCML任务，如支持多种类型（如Graph和Text）的数据格式，支持大规模数据的处理（如Distributed ML），以及降低系统的使用门槛（如AutoML）等。