离散神经网络与流式推理方向的能效通用人工智能博士项目

【项目介绍】 为实现节能、可持续且广泛可部署的人工智能目标，本研究将探索视觉和语言的通用模型，在保持对广泛任务有用的同时，最小化推理成本及其相关优化方法。研究工作将聚焦于量化神经网络、鲁棒的离散潜在空间、架构设计，建立在现代注意力机制和状态空间模型之上，原生兼容离散计算并能增量处理流式在线数据。

【研究团队】 研究团队为视觉识别小组，隶属于捷克共和国布拉格捷克技术大学控制论系。CTU在计算机视觉领域排名靠前。VRG小组与控制论系和计算机科学系的其他小组共同构成了一个大型且开放的国际科学环境，开展深度学习和人工智能相关主题的研究。定期举办科学活动，如阅读小组、研讨会、国际演讲者受邀讲座（如布拉格计算机科学研讨会、模式识别研讨会）。大学拥有用于研究的计算基础设施，包括系级本地GPU服务器和大学级GPU集群。VRG由Prof. Jiri Matas领导，专注于计算机视觉和机器学习的基础研究和应用。主要研究领域包括物体识别与检索、表示学习、跟踪、文本识别和计算机视觉中的最小问题。

【导师与项目】 导师Sasha (Oleksandr / Alexander) Shekhovtsov是CTU助理教授，教授“高级深度学习”课程，也是欧洲学习与智能系统实验室成员，这是一个由欧洲领先的AI和机器学习研究人员组成的网络。研究兴趣包括机器学习的统计方法（训练、处理不确定性、随机和生成模型分析等）、优化工具（自适应方法等）、架构设计和更高效AI的学习原则。近期专注于视觉和语言的训练量化方法，并在此方向领导一个小团队。

【申请要求】

1. 学历要求：拥有技术或数学相关硕士学位，在机器学习相关科目有深入学习，包括统计学、优化、数据分析、信号处理、人工神经网络、深度学习等；
2. 专业背景：扎实的数学背景或丰富的深度学习经验，能够理解方法的数学解释并用数学提出新的问题表述；
3. 编程能力：扎实的编程经验，能够理解Python/Pytorch代码，使用AI代理开发，并手动开发关键部分；
4. 综合素质：具有探索和深入研究问题的动力，具备批判性思维以识别实验和理论中的薄弱环节；
5. 语言要求：流利的英语。

【资助信息】 该职位将由Toyota Motor Europe（研究部门）部分资助，项目与该公司合作进行。您还将获得大学的博士津贴/支持。您的月净收入约为40-45k捷克克朗。该金额在捷克共和国的购买力可参考 https://data.oecd.org/chart/7j34。

【工作任务】

1. 开展更高效神经网络的新研究（理解、提出、实施、进行实验、撰写论文）；
2. 在国际会议和期刊上展示研究成果；
3. 积极与组内及全球研究人员合作；
4. 协助教学活动，如实验指导和学生指导；
5. 在计划的四年期限内完成博士论文。

【申请方式】 请将简历发送至O. Shekhovtsov (shekole@fel.cvut.cz)。如有任何问题，请随时联系。