加州大学Merced分校招收CS/CE博士生 (2022 Fall)

加州大学Merced分校EECS的Dong Li老师(faculty.ucmerced.edu/dong-li)招收CS博士生(2021 Spring/Fall)。李老师的研究方向是分布式并行系统（distributed and parallel systems）的设计和优化。具体来说他现在的研究课题有两个：（1）非易失性内存(non-volatile memory)在企业级和大规模并行系统的应用，这个课题现在跟Intel和Memverge合作，产研结合有很多实际并具有影响力的结果；（2）机器学习模型的性能优化，主要从系统角度减少模型训练的时间和功耗，这个课题现在跟microsoft， 西数(western digital)，Facebook, 还有SK Hynix 合作。

李老师之前在工业界工作过。跟工业界联系广泛(NVIDIA和Intel等，还有各大national labs such as Livermore National Lab和Berkeley National Lab)。他的PhD学生都有夏季实习机会。事实上他的所有的PhD学生第一年就都去实习了。今年组里的PhD学生实习单位包括HP Labs, Facebook research, and Tencent。李老师的研究文章经常发表在top conferences (SC，HPDC，MICRO，ASPLOS, PPoPP, FAST等)。 他的学生基本在第一年或者第二年就有CCFA类的文章。

另外，李老师能从学生角度着想，给予学生很多悉心的指导。他遵循因材施教的原则，根据学生的毕业志向，从第一年开始就量身打造学生的具体培训计划，并尽最大努力给学生提供成长的环境和需要的资源。李老师把栽培学生当作工作的最重要目标，真心希望每个学生在组里成材。欢迎各位感兴趣的同学联系李老师组里的学生，了解李老师培养学生的态度。

李老师不仅大力欢迎硕士研究生同学申请，并大力欢迎优秀本科生同学申请！李老师非常看重本科生的可塑性和活力，愿意花时间培养他们。

另外入学时间灵活。如有签证问题，可以暂时远程。

对学生的期望：
基本期望：
有很好的C/C++编程经验，有system programming experience (linux system);

高级期望（学生能达到最好，但不强求）
(1) 熟悉Linux file and storage system, 有一定的内核编程经验；
(2) 机器学习(包括deep learning)；
(3) 并行编程经验(MPI, OpenMP, CUDA)；
(4) 有大规模并行系统性能分析和建模的经历 (large-scale performance analysis and modeling)。

加州大学Merced分校地理位置优越，2小时到硅谷和旧金山（旧金山可以直飞中国很多地方，回家方便），2小时到加州黄金海岸，1小时到优胜美地国家公园。由于离硅谷近，工作和实习机会很多，还可以从硅谷及时获得业界的最新动态。UC Merced的HPC 方向排名是全美第7（csrankings.org）。虽然仅仅成立16年，上升势头迅猛，继2018年US News公立排名上升29名，后2019年再次上升32名与其他UC兄弟院校携手进入前50名（UC Merced 44名，UC Riverside 39名，UCSC 34名），到达这一成绩从无到有只用了16年。 在2021年US News 最新排名， UC Merced 在美国所有大学（包括公立和私立）排名93， 在过去4年内上升72个排名。

另外Merced生活成本便宜。当其他UC分校（比如UCSC，UCSD，UCI）的学生还在为找廉价而又靠近学校的出租房头疼的时候，Merced的学生很容易找到（而且RA/TA的钱足够花）

请感兴趣的同学把CV， transcript， 英语分数发到李老师邮箱dli35@ucmercededu。 福利:GRE成绩可以免除。