休斯敦大学 计算机系 招收 人工智能/机器学习 全奖博士 CS AI/ML PhD（2025 春/秋）
12709
休斯敦大学（University of Houston）计算机系（Department of Computer Science）招收 人工智能/机器学习 全奖博士 CS AI/ML PhD（2025 春/秋）
招收职位：博士（2025春季/秋季），实习生（2024秋季）
学校简介：
休斯敦大学（University of Houston)，简称UH，是德州一所公立研究型大学，也是休斯敦大学系统的主要学府，位于休斯敦市中心东南区。UH创校于1927年，至今已拥有超过46,000名学生和895英亩的校园，是德州第四大高校。卡内基学术基金会将UH评为R1：“具有最高研究活动的博士学位授予机构”之一。学校每年投入学术研究经费高达2.4亿美元。2024年《美国新闻与世界报导》（US News）在全美公立大学中排名70位，工程学院排名69位，在CSRankings.org中计算机专业排名96位。UH学科涵盖广泛，包括自然科学、工程、医学、护理、财经、法律、管理、环境、建筑、教育、旅游、艺术等，并在校园内运营着35个研究中心和研究所。跨学科研究包括超导体研究、太空商业化开发和太空探索、生物医学科学和工程、能源和自然资源以及人工智能（AI）。同时，休斯敦是美国第四大城市，是一座国际化、多元化的城市，交通便利，拥有世界一流的城市设施。UH附近还有著名的德州医学中心（TMC）、美国宇航局（NASA）和多家知名企业，为学校的研究提供了丰富的资源。
导师信息：Jingchao Ni 倪竞超 （1point3acres.com）
倪竞超博士将于2024年秋季加入休斯敦大学计算机科学系担任助理教授。此前，他先后于NEC北美研究院（NEC Labs, 2018 - 2022）和亚马逊集团AWS AI Labs（2022 - 2024）担任研究员。倪竞超博士毕业于宾夕法尼亚州立大学，本科毕业于四川大学。其研究领域包括机器学习和数据科学，特别关注开放场景尤其是在数据受限训练环境和动态推理环境或任务中机器学习模型的鲁棒性、泛化能力和可靠性。同时，他热衷于研究动态数据（如时间序列）和结构数据（包括图、网络）的相关机器学习方法并推广其在生物医学、神经科学、智能医疗、信息物理系统、智能运维等领域的应用。他在多家机器学习和数据挖掘顶级会议（如ICLR、ICML、NeurIPS、AAAI、CVPR、KDD、WWW）和期刊（如IEEE TKDE、ACM TKDD）发表论文40余篇，引用2000余次，申请（包括获批）专利20余项。此外，他长期与多家大学实验室和企业实验室保持着良好的合作关系，并将致力于为学生提供丰富的学术合作和企业实习机会。更多信息欢迎访问他的个人主页：nijingchao.github.io
研究领域：
提供支持：
招收学生要求：
申请方式：
请将简历、成绩单及其他自选材料发送到邮箱（1point3acres.com）。邮件标题建议使用“[PhD Application] 您的姓名”或“[Intern Application] 您的姓名”格式。
招收职位：博士（2025春季/秋季），实习生（2024秋季）
学校简介：
Preview
休斯敦大学（University of Houston)，简称UH，是德州一所公立研究型大学，也是休斯敦大学系统的主要学府，位于休斯敦市中心东南区。UH创校于1927年，至今已拥有超过46,000名学生和895英亩的校园，是德州第四大高校。卡内基学术基金会将UH评为R1：“具有最高研究活动的博士学位授予机构”之一。学校每年投入学术研究经费高达2.4亿美元。2024年《美国新闻与世界报导》（US News）在全美公立大学中排名70位，工程学院排名69位，在CSRankings.org中计算机专业排名96位。UH学科涵盖广泛，包括自然科学、工程、医学、护理、财经、法律、管理、环境、建筑、教育、旅游、艺术等，并在校园内运营着35个研究中心和研究所。跨学科研究包括超导体研究、太空商业化开发和太空探索、生物医学科学和工程、能源和自然资源以及人工智能（AI）。同时，休斯敦是美国第四大城市，是一座国际化、多元化的城市，交通便利，拥有世界一流的城市设施。UH附近还有著名的德州医学中心（TMC）、美国宇航局（NASA）和多家知名企业，为学校的研究提供了丰富的资源。
导师信息：Jingchao Ni 倪竞超 （1point3acres.com）
倪竞超博士将于2024年秋季加入休斯敦大学计算机科学系担任助理教授。此前，他先后于NEC北美研究院（NEC Labs, 2018 - 2022）和亚马逊集团AWS AI Labs（2022 - 2024）担任研究员。倪竞超博士毕业于宾夕法尼亚州立大学，本科毕业于四川大学。其研究领域包括机器学习和数据科学，特别关注开放场景尤其是在数据受限训练环境和动态推理环境或任务中机器学习模型的鲁棒性、泛化能力和可靠性。同时，他热衷于研究动态数据（如时间序列）和结构数据（包括图、网络）的相关机器学习方法并推广其在生物医学、神经科学、智能医疗、信息物理系统、智能运维等领域的应用。他在多家机器学习和数据挖掘顶级会议（如ICLR、ICML、NeurIPS、AAAI、CVPR、KDD、WWW）和期刊（如IEEE TKDE、ACM TKDD）发表论文40余篇，引用2000余次，申请（包括获批）专利20余项。此外，他长期与多家大学实验室和企业实验室保持着良好的合作关系，并将致力于为学生提供丰富的学术合作和企业实习机会。更多信息欢迎访问他的个人主页：nijingchao.github.io
研究领域：
- 机器学习：生成模型、概率模型、小样本学习、异常检测、OOD分析、自监督学习、图神经网络、大模型（LLM）等
- 数据科学：时间序列（time series）、数据流、图（graph）、自然语言，及相关的多模态模型
- AI应用（AI for Science/Social Good）：生物医学、神经科学、智能医疗、信息物理系统、智能运维等
提供支持：
- 全额奖学金支持
- 研究设施（包括实验室、计算机、GPU服务器、高性能计算集群）
- 全方位指导、鼓励并支持参加国内外学术会议、学术合作和企业实习
招收学生要求：
- 本科或硕士就读计算机或相关专业（如软件、信息、电子、数学、统计、物理等）均可
- 拥有学术热情，自学能力强，逻辑思维严密，对科研有强烈兴趣
- 有良好的编程和数学基础，以及良好的沟通、表达、和寻求帮助的能力
申请方式：
请将简历、成绩单及其他自选材料发送到邮箱（1point3acres.com）。邮件标题建议使用“[PhD Application] 您的姓名”或“[Intern Application] 您的姓名”格式。
- 23
9条回复