博士申请 | 多伦多大学孙强教授招收生成模型/LLM方向全奖博士/博后/实习生

7月前

合适的工作难找？最新的招聘信息也不知道？

AI 求职为大家精选人工智能领域最新鲜的招聘信息，助你先人一步投递，快人一步入职！

多伦多大学

多伦多大学 (University of Tornoto) 统计科学系的统计学习与工程实验室(Statistics, Learning, and Engineering(StatsLE Lab))由孙强教授于 2019 年成立。多大的综合科研实力很强，在机器学习、数据科学相关领域的研究更是相当突出。统计科学系实力强大，在多家排名中位列世界前20名乃至前10名；在这里走出的很多学生在学术界非常成功，包括统计界的大宗师Larry Wasserman 以及最近的学生也有去UChicago做AP的；目前系里方向齐全，在数据科学领域研究非常活跃，统计科学系的多人曾获统计界最高的COPSS奖或者其他的奖项比如Sloan奖，加拿大的统计最高学术奖CRM-SSC奖项。

StatsLE Lab 目前焦于深度学习理论和工程，强化学习，集成学习，迁移学习，生成式AI，以及科学和决策智能 (AI for Science and Decisions)。实验室相关研究工作多次发表在统计，人工智能，机器学习, 数据科学的顶级会议或期刊上，包括 Annals of Statistics, JASA, Biometrika, JMLR, TPAMI, ICLR, ICML, NeurIPS, AISTATS, UAI, Nature Communications, Molecular Psychiatry等。实验室以当前统计和机器学习的基本问题为背景，面向全球人工智能重点需求，确立了深度学习理论，在线学习，集成学习，和迁移学习为主的机器学习以及科学决策智能的基础研究。我们组的比较广泛既有理论又有工程，所以欢迎理论和工程方面的人加入我们。

导师简介

孙强博士目前是多伦多大学统计科学系的副教授，同时担任StatsLE实验室主任。在此之前，孙强教授在普林斯顿大学 (Princeton University) 担任Associate Scholar，在北卡罗来纳大学教堂山 (UNC-CH) 取得的博士学位，在中国科学技术大学去的本科学位。孙强教授目前的研究领域包括集成学习，迁移学习，可信机器学习，以及科学和决策智能等。他已经以第一作者或通讯作者在统计和机器学习等国际顶级会议及期刊发表超过40篇论文，并多次担任国际顶级学术会议及期刊的领域主席和副主编，并且多次受邀于国际顶级学术会议和学术机构做报告。孙强教授曾给与诺亚方舟杰出讲座，并且是UNC-CH杰出校友。

个人主页：

https://sites.google.com/view/qsun

招生信息

StatsLE Lab有意招收实习生，25年的PhDs，和从现在随时都可以开始的博士后：

1. 招做diffusion/autoregression models, LLMs有经验的优先 (这个方向在原有的奖学金基础上会提供额外funding/internship，总共的stipend非常高，在多伦多可以活得很舒适了。提供unlimited GPUs；

2. 招做trustworthy AI相关的方向的PhD；

3. 我们希望招1-2个PhDs in AI + Fintech的同学做学术+落地的项目；

4. 招访问学生和实习生@GenAI/trustworthy AI, 一般需要external fund，比如CSC。我们如果有能力会再额外提供一些钱。如果做生成模型的话, 会有额外internship提供 + unlimited GPUs。

1和4中额外的funding/internship有限，先到先得。不跟业界合作的research项目，学界GPU资源比较有限，所以我们会更偏向于机制/理论的研究。

总体来说，我们组希望做连接theory和practice的桥梁，所以希望学生们两边都能做一些。当然你可以有自己的侧重, 我们不限制具体的topics只要大的方向不是差的特别远就行。Never say never, 但我们的经验是，如果只做应用没有一点理解或者只推公式但没有一点应用的sense，可能都不是特别适合我们组。

实习生的话GenAI和trustworthy AI都招。招PhD的话希望能先跟我们做过intern合作过看看是否互相fit。不一定要产出papers（有一定结果即可），只是想看一下科研的天赋和工作的态度和习惯。因为这个原因我们一般也不会提供funding给实习生，除非有特别适配的项目和学生。

招生要求

我希望我未来的学生在以下两个方向之一有专长：

1. 数学，包括扎实的分析、概率等基础知识，喜欢做理论证明，并有一定熟练度；

2. 深度学习工程能力，特别是对领域内最新进展的熟悉，并乐于去理解其背后的原理。请注意两者居其一即可，并不需要面面俱到。当然如果这两方面都喜欢是最好的啦。

关于博士后

如果你博士将要毕业，对于跟我做博士后感兴趣，也请联系我。我们系有很多有资金支持的博士后项目，如果研究兴趣合适，我们可以一起讨论一下申请其中一些项目的可能性。详情见：

https://sites.google.com/view/qsun

https://pzwiernik.github.io/DoSS-Research/

申请方式

欢迎感兴趣的学生申请。组里之前做的比较偏方法论/机制理解/理论, 但是现在也在做一些工程的项目。所以非常偏工程带一点统计的背景也完全没有问题。请感兴趣的同学按照先先面的格式发邮件到我的邮箱 [email protected]:

Please use email subject as "Prospective intern/visiting student/PhD (pick one): Your Name - Your Affiliation". Please describe your 1) Education background; 2) Research experience and achievements; 3) Programming/Theoretical skills. Please attach your resume (including your publications, ranking/GPA, anything important) with a pdf file, and a sample of the longest programs you have written or a Github link if you claim you have strong engineering skills.