当前位置:首页 > 文章列表 > 科技周边 > 人工智能 > 2023苹果学者名单公布,AI领域11位华人:清华游凯超等人入选

2023苹果学者名单公布,AI领域11位华人:清华游凯超等人入选

来源:51CTO.COM 2023-04-14 16:56:04 0浏览 收藏

亲爱的编程学习爱好者,如果你点开了这篇文章,说明你对《2023苹果学者名单公布,AI领域11位华人:清华游凯超等人入选》很感兴趣。本篇文章就来给大家详细解析一下,主要介绍一下,希望所有认真读完的童鞋们,都有实质性的提高。

又一家科技大厂发出了今年的 AI 奖学金计划。本周四,苹果机器学习研究中心(Apple Machine Learning Research)正式公布了 2023 年 AI(人工智能)、ML(机器学习)领域获得博士生奖学金的「苹果学者」名单。

图片

Apple Scholars in AI ML PhD 奖学金旨在表彰研究生至博士后阶段计算机科学与工程研究人员的贡献。每位学者在攻读博士学位时都会获得资助、实习机会以及在各自领域与苹果研究人员的指导。AI 与机器学习领域的苹果学者是根据每个候选者的创新研究、领导力及与合作者的记录,以及对推进各自领域的承诺而选出的。

今年共有 22 名年轻学者获得了苹果学者计划的资助,其中华人学者占据一半数量。

以下列出今年获得奖学金的华人学者:

Yutong Bai

图片

Yutong Bai 是约翰霍普金斯大学计算机科学博士生,导师是彭博杰出教授 Alan Yuille。Yutong Bai 的主要研究领域是计算机视觉。随着人工智能系统的广泛使用,对其潜在风险的担忧也在增加。为了构建一个更安全的系统,人们必须结合对现实和常识知识的更深入理解。Yutong Bai 的研究旨在构建监督少、鲁棒性强的人工智能系统,有望使人工智能更接近人类智能。基于此目标,Yutong Bai 探索了表征学习、自监督学习和可扩展的多模态学习。她的工作还曾入围 CVPR 2022 最佳论文奖。

江亦凡

图片

江亦凡(Yifan Jiang)是得克萨斯大学奥斯汀分校的博士生,导师是汪张扬(Atlas Wang)教授。他的研究兴趣包括生成模型、神经渲染和计算摄影。特别是,他旨在构建连接生成模型和神经渲染技术的机器智能,以在 2D 和 3D 场景中实现强大的应用程序,包括图像编辑 / 处理、新视图合成和 3D 创建。

Xisen Jin

图片

Xisen Jin 是南加州大学的博士生。其研究领域是让语言模型能够从永无止境的文本数据流中不断学习。他的研究降低了更新模型的成本,使其更容易建立个性化的模型,并保持模型中的知识是最新的。

Yong Lin

图片

Yong Lin 目前是香港科技大学的博士生,导师是张潼。他的研究领域为因果关系、机器学习算法和理论的交叉。具体来说,他的目标是建立可以泛化到未见过的测试分布的稳定的模型。

Jessy Lin

图片

Jessy Lin 是伯克利人工智能研究所的博士生,由 Dan Klein 和 Anca Dragan 指导。她的研究重点是建立使用语言与人合作并从人类反馈中学习的人工智能智能体。

Jingping Nie

图片

Jingping Nie 是哥伦比亚大学电子工程专业四年级的博士生,由姜小凡教授和 Matthias Preindl 教授指导。她的研究重点是 AIoT 系统中未来以人为本的智能和隐私意识的可穿戴设备的软硬件协同设计。

Yifu Qiu

图片

Yifu Qiu 是爱丁堡大学和剑桥大学的 ELLIS 博士生,由 Shay Cohen 博士、Anna Korhonen 教授和 Edoardo M. Ponti 博士指导。他的研究主要集中在多语言背景下的语言生成,包括提高模型在泛化、少量学习和可控性方面的基本能力。

Zijie Jay Wang

图片

Jay Wang 是佐治亚理工学院的博士生,导师为 Polo Chau。他在人工智能和信息可视化方面独特的混合专业知识使他能够利用人工智能的潜力来造福于每个人。Jay Wang 的研究领域是通过开发新的互动界面,使人们能够轻松地与大规模的人工智能系统进行互动,从而使人工智能具备负责任、可解释和可访问的特点。

Yi Wei

图片

Yi Wei 是清华大学的博士生,导师为鲁继文教授。他的研究兴趣是 3D 视觉,特别是专注于 3D 重建和 3D 场景理解。他的工作结合了传统的几何学和与深度学习,旨在帮助人工智能系统更好地理解 3D 现实世界。

游凯超

图片

游凯超是清华大学软件学院的三年级博士生,师从龙明盛教授。他的研究重点是机器学习中的迁移学习,特别是将深度学习中的各种形式的知识从一个来源调整到另一个来源。他的目标是在开放和动态环境中开发机器学习算法。他最近的工作包括领域自适应、模型自适应以及 model-hub 适应。游凯超曾获 2019 年清华大学特等奖学金(本科)。

Jiaqi Zhang

图片

Jiaqi Zhang 是麻省理工学院的博士生,导师为 Caroline Uhler。在生物医学应用的启发下,她的研究旨在发展顺序决策和因果关系交叉的统计和算法基础,更确切地说是在一个由潜在因果规则创造的系统中进行决策的策略设计。

以下是入选学者的完整名单:

图片

图片

图片

奖项公布页面:

​https://machinelearning.apple.com/updates/apple-scholars-aiml-2023​

理论要掌握,实操不能落!以上关于《2023苹果学者名单公布,AI领域11位华人:清华游凯超等人入选》的详细介绍,大家都掌握了吧!如果想要继续提升自己的能力,那么就来关注golang学习网公众号吧!

版本声明
本文转载于:51CTO.COM 如有侵犯,请联系study_golang@163.com删除
机器学习中训练和验证指标曲线图能告诉我们什么?机器学习中训练和验证指标曲线图能告诉我们什么?
上一篇
机器学习中训练和验证指标曲线图能告诉我们什么?
颠覆蛋白结构预测的AlphaFold 2,改变了科学史
下一篇
颠覆蛋白结构预测的AlphaFold 2,改变了科学史
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    263次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    312次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    294次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    270次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    87次使用