一. 导师简介

张文涛，北京大学国际机器学习研究中心助理教授、研究员、博士生导师，曾任职于腾讯机器学习平台部、Apple AIML以及Mila人工智能实验室。研究兴趣为以数据为中心的机器学习、图机器学习、机器学习系统和交叉学科应用（如Diffusion、多模态和AI4Science）。 他近5年在机器学习（ICML, NeurIPS, ICLR）、数据挖掘（KDD, WWW）和数据管理（SIGMOD, VLDB, ICDE）等领域发表CCF-A类论文40余篇，并获得多个最佳论文奖（如第一作者获WWW’22 Best Student Paper Award 和 通讯作者获APWeb-WAIM’23 Best Paper Runner Up Award）。他领导或参与开源了多个机器学习系统，如大规模图学习系统SGL、分布式机器学习系统Angel、和黑盒优化系统OpenBox。他曾获2021年度亚太地区唯一的Apple Scholar、2022世界人工智能大会云帆奖等多项荣誉。

导师学术主页: https://zwt233.github.io/，https://cmlr.pku.edu.cn/People/Faculty/5ce37bd8e3244030ae3f34e01d23e761.htm 

二. 招生简介

北大国际机器学习研究中心张文涛教授团队招收 研究助理（RA） / 实习生若干。对于推免/申请考核制的博士生/硕士生 ，建议提前进组联系实习。

三. 研究方向

1. 以数据为中心的机器学习(Data-centric ML)

近些年来AI模型发展遇到了瓶颈，大部分SOTA模型（如ChatGPT和SAM）都是沿用2017年提出的Transformer结构，性能收益来源由模型 --> 数据。我们课题组主要考虑优化Data quality, quantity 和 efficiency，以较低成本和较短时间来获得大量高质量数据。以大模型为例，在考虑数据获取成本和效率的前提下，研究科学和系统的数据质量评估策略，设计高效的数据选择方法，构建有效的数据配比方式，并探索使用大模型来辅助数据优化（如自动数据标注）。

2. AI4Science

AI4Science是人工智能和Science交叉领域，也是目前学术界和工业界前沿的热点方向。我们课题组主要考虑Science领域的药物发现和蛋白质结构预测等交叉应用。

3. 扩散模型（Diffusion Model），多模态学习，生成式AI

扩散模型是当前最热门的生成模型，其应用领域包含了CV、NLP以及交叉学科等，我们课题组主要探究扩散模型如何更好地应用于各种复杂生成场景，如文生图、文生视频、可控3D生成、多模态学习等，并和全球顶尖专家学者合作产出高质量论文。

4. 图机器学习(Graph ML)

图数据广泛存在于现实生活中，如微信里的社交网络，知识图谱以及淘宝推荐场景里的用户商品二部图。图机器学习也即“将机器学习应用于图数据”，有望解决传统深度学习无法处理的关系推理、可解释性等一系列问题。我们课题组主要考虑以图神经网络（GNN）为切入点，用DCML的思想来优化图数据（如图结构优化、图数据增强和图异常处理等）。

5. 机器学习系统(ML System)

ML 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。我们课题组主要考虑从系统层面来支持DCML任务，如支持多种类型（如Graph和Text）的数据格式，支持大规模数据的处理（如Distributed ML），以及降低系统的使用门槛（如AutoML）等。

四. 招生要求

需要至少满足以下一个要求，满足多个要求者优先考虑：

- 作为主要作者在顶级会议（如ICML/NeurIPS/ICLR/CVPR/ICCV/WWW/KDD/SIGMOD/VLDB等）发表过论文；

- 有机器学习基础，有相关研究和开源项目经验，并熟练掌握PyTorch等工具使用；

- 在科技公司或研究机构有过实习经历，对机器学习的应用有系统深刻理解，并在实习阶段取得过突出成果；

- 在Kaggle、天池和OGB 等比赛中取得过良好成绩；

- 有ACM/NOI/NOIP等信息学竞赛训练经历，有扎实的编程基础；

- 对机器学习基础研究和应用有浓厚兴趣，愿意独立思考，足够Self-motivated并渴望做出有影响力的科研成果。

五. 申请方式

请发送简历、成绩单、代表性论文或项目到：wentao_zhang@pku.edu.cn

邮件标题：姓名+专业+申请博士/硕士/研究助理/实习生

也可以加微信ID：z1299799152

六. 加入我们课题组有何优势？

1. 研究方向

- DCML、大模型、生成式AI和AI4Science等都是学术界/工业界前沿

- 作为一线青椒，我善于发现和提炼好的研究问题 （有影响力和现实意义，但under-explored的新问题，避免内卷）

2. 学生指导

- 每周按小方向组会分享（线下：静园六院208，线上：腾讯会议）和讨论

- 安排经验丰富的师兄/师姐带领入门，遇到问题随时讨论 （也可以随时找我）

- 根据每位学生的基础、兴趣和未来规划针对性制定培养方案，一对一指导

- 作为同龄人:)讨论学习、生活、工作和职业规划，尊重学生想法成为朋友😊

3. 合作资源

- 丰富的计算资源（如80GB Tesla A100集群）

- 工业界合作伙伴 (如Apple、腾讯、华为、上海AI Lab、百川智能等) 实习和工作推荐

- 学术界合作伙伴（如Mila、Stanford、ETH、HKUST、NUS和UQ等）交流机会

- 助研津贴（视参与程度）

4. 其他

- 推荐信和优先保送本课题组硕博（叉院PhD住宿和工位在校本部燕园校区）的机会

- 组内氛围融洽，定期组织团建（如徒步、羽毛球和聚餐等），自愿参加