实验室介绍：崔斌老师现为北京大学计算机学院教授、数据科学与工程研究所所长、教育部长江学者特聘教授、博士生导师，多年来主要在人工智能、大数据等领域进行前沿研究，在理论和技术创新以及系统研发上取得多项成果，已在国际顶级学术会议和期刊发表学术论文100余篇。另外，实验室持续与工业界展开丰富合作。2017年，课题组与腾讯公司成立北京大学-腾讯协同创新实验室，深度合作并开源了分布式机器学习平台Angel。实验室还与阿里巴巴、苹果、百度、快手、华为、中兴通讯等多家知名企业开展项目合作和前沿探索，解决实际问题，进行科研成果的转化落地。课题组同学曾数十次获得包括CCF优博、北大优博、学术十杰、微软学者、苹果奖学金、谷歌奖学金等荣誉。

更多实验室相关信息：

- 崔斌老师个人主页：https://cuibinpku.github.io/

- 实验室开源代码：https://github.com/PKU-DAIR

- 实验室公众号：PKU-DAIR（可扫码关注公众号）

目前实验室以下方向项目组招收本校本科科研实习生：

1. 机器学习/深度学习系统

AI 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。AI系统领域主要是针对机器学习或深度学习算法，在计算机系统实际执行时面临的性能、易用性等多方面挑战进行研究，往往需要同时对算法执行（比如模型结构，反向传播）和底层实现（如编译、计算、访存、调度、分布式通信）进行优化。项目组开源了由北大自主研发的分布式深度学习系统-河图，并在推荐模型、图神经网络、大规模预训练模型（如GPT、LLaMA等）等多种模型上开展了系统性的优化工作，在SIGMOD、VLDB、ICDE、KDD等CCF-A类顶级会议上发表了十余篇学术论文，荣获2022年VLDB大会可扩展数据科学最佳论文奖（Best Scalable Data Science Paper）、CCF大数据与计算智能大赛综合特等奖以及机器之心「AI中国」2021年度十大开源事件等荣誉，受邀在智源大会、机器之心、ChinaSys等渠道进行分享。

相关阅读：

计算机学院崔斌教授团队获得数据库国际会议VLDB最佳论文奖

https://mp.weixin.qq.com/s/wAlAUKIJWeKOZrwq2a0bPw

北大河图发布分布式训练神器Galvatron, 一键实现大模型高效自动并行

https://mp.weixin.qq.com/s/levwBKhbp3dJAIslvqyZAQ

2. 自动化机器学习

自动化机器学习包含黑盒优化，自动化超参数优化，神经网络结构搜索等具体技术方向。其核心目标在于替代传统的人力优化机器学习任务，在数据挖掘、金融、材料设计等领域已取得广泛的应用。项目组目前在该领域已有扎实的基础，已在VLDB、KDD、NeurIPS、ICML、AAAI等一流国际会议中发表学术论文十余篇，并曾在国际AutoML竞赛中获得冠军。项目组自研并已开源超参数优化与机器学习流程优化系统，其中自研黑盒优化服务OpenBox受业界广泛关注，并荣获第四届CCF软件开源大赛自由组唯一特等奖。同时，项目组与快手、字节、腾讯、华为等多家企业保持深度合作，相关成果已在业务实践中落地，并取得显著的收益。

相关阅读：

实验室团队获国际AutoML竞赛冠军

https://mp.weixin.qq.com/s/CGrVYSq_nFj7dVWN8fheCw

实验室团队开源高效的通用黑盒优化系统OpenBox

https://mp.weixin.qq.com/s/g_mixfg35mrpk5hRLihUYg

3. 智能数据库系统

数据库系统（DB）和人工智能（AI）的交叉融合是数据库领域研究的重要发展趋势之一。项目组致力于研究基于数据驱动的机器学习与统计优化技术来解决数据库系统的疑难问题，提高系统性能与稳定性，降低系统成本，如运维管控智能化和内核优化等；同时研究如何通过数据库技术提高AI系统的执行效率。相关研究成果已发表于SIGMOD、VLDB等一流国际会议，倍受业界广泛关注，已应用于阿里云、中兴等企业。

相关阅读：

实验室团队研究成果在阿里云数据库中的落地应用

https://mp.weixin.qq.com/s/ePkjf09HYe4vCd1U8rT_TQ

4. 图机器学习

图机器学习是一类基于机器学习技术处理图结构数据的方法，它已经成为各大机器学习相关国际顶会的最热门的研究领域之一。项目组对图机器学习的研究主要包含图数据，图模型和图系统三个层面，在过去3年共发表了30多篇CCF A类论文，覆盖了机器学习（ICML、NeurIPS和ICLR）、数据挖掘（KDD、WWW）和数据库（SIGMOD、VLDB和ICDE）三个领域的国际顶会，并获得了多个最佳论文奖（如CCF A类顶会WWW‘22 Best Student Paper Award和APWeb-WAIM’23 Best Paper Runner Up Award）。我们刷新了国际权威图机器学习基准测试榜单Open Graph Benchmark三个最大开源图数据的GNN世界纪录，并联合腾讯机器学习平台部，初步开源了能自动化建模亿级节点的大规模图学习系统SGL。

相关阅读：

WWW 2022最佳论文出炉：北京大学团队获唯一最佳学生论文奖

https://mp.weixin.qq.com/s/CzPNQyXM1W9lc0EUIvjemg

实验室团队与腾讯联合，刷新GNN最强榜单OGB世界纪录

https://mp.weixin.qq.com/s/tGss6m22xABWqhJPl4P9aw

本次招生面向本校本科生，有如下条件者优先考虑：

- 对上述方向有热情，有较强的自我驱动能力

- 良好的数学、计算机基础

- 扎实的编程基础（C++或Python），有ACM/NOI/NOIP等信息学竞赛训练经历优先

- 了解基本的机器学习算法 

进入实验室后你可以获得：

- 优秀的科研履历和项目参与经验

- 推荐信和优先保送本课题组研究生的机会

- 接触前沿研究，合作发表顶级学术论文

- 实验室师兄师姐的亲自指导，快速上手

有意向者请发送邮件至联系人邮箱，并抄送至bin.cui@pku.edu.cn（崔斌老师），邮件请注明个人的基本信息、特长、项目经历（可选）等

- 机器学习/深度学习系统方向：ccchengff@pku.edu.cn

- 自动化机器学习方向：shenyu@pku.edu.cn

- 智能数据库系统方向：zhang_xinyi@pku.edu.cn

- 图机器学习方向：wentao.zhang@pku.edu.cn