2020腾讯犀牛鸟精英人才培养计划课题介绍（五）——机器学习及其相关应用研究
2020腾讯犀牛鸟精英人才培养计划课题介绍（五）——机器学习及其相关应用研究
精英人才培养计划是一项校企联合人才培养项目，入选学生将受到业界顶尖技术团队与高校导师的联合指导及培养。培养期间，学生将获得3个月以上到访腾讯开展科研访问的机会，基于真实产业问题及海量数据，验证学术理论、加速成果应用转化、开阔研究视野。同时项目组将为学生搭建线上和线下学习、交流平台，帮助学生挖掘更多潜能。学生通过“十分精英圈”线上平台，随时获取前沿技术资讯、沉淀科研收获与心得；通过“智学研讨会”及“智享交流会”等线下平台，积极参与海内外顶级学术会议及学术专家交流活动；通过“精英研学营”进阶平台，对话产业专家、修炼职场智慧、开拓创新思维。
12个前沿方向，69项课题
申报截止日期：2020年1月19日
同学们，记得抓紧时间申报哦！
上期介绍了
下面让我们一起来看看第五个方向吧！
课题方向（五）
机器学习及其相关应用研究
1
深度学习推理引擎研究（地点：上海）
随着人工智能业务落地的不断深入，模型算法的快速迭代和多种边缘侧及端侧计算平台的崛起对深度学习推理引擎的自适应性和高性能提出了更苛刻的要求。传统的深度学习推理引擎框架采用人工优化算子，然后建立运行时图解释器来解决内存分配调度等问题。而深度学习编译器则提供了一种端到端的自动化方法，能在多个层面扩大搜索空间，并充分利用人工优化经验。本课题将主要围绕以下内容展开研究：（1）计算图优化，研究在IR层完成算子融合、Layout变换等多种优化技术；（2）代码自动生成，研究针对CUDA/LLVM/OpenCL/Metal等各种后端，设计代码调度策略，自动生成高性能代码；（3）优化空间自动搜索，研究利用强化学习等机器学习方法对目标平台进行自动迭代优化，搜索最佳优化方案。
导师简介
导师1：腾讯高级研究员，硕士毕业于北京航空航天大学，从事多年高性能计算、机器学习和自动驾驶等方向工作。目前主要研究领域是高性能计算、CPU/GPU/DSP平台体系结构和深度学习等方面。
导师2：腾讯高级研究员，博士毕业于中国科学院大学，在腾讯从事多年机器学习方向工作。目前主要研究领域是机器学习平台搭建、大规模分布式系统设计、深度模型结构设计、深度模型量化训练和超参数学习等方面研究。
2
自动学习算法（地点：深圳）
在大数据营销和推荐领域，机器学习的应用需要大量的人工干预，包括特征提取、模型选择、参数调节和网络结构设计等机器学习流程的各个步骤。如何建立一套自动学习的方案，使机器学习模型在尽量少的人工干预情况下取得足够好的效果，是一项非常重要的工作。本课题的目标是对机器学习流程中的部分步骤或者全流程进行自动化的学习，降低大数据营销和推荐领域机器学习的使用门槛。
3
深度学习压缩与加速（地点：深圳）
深度学习模型压缩与加速是工业界重点关注的研究领域。本课题目标对深度学习模型，特别是对于图神经网络进行压缩与加速研究，包括但不限于加速网络结构设计、模型裁剪与稀疏化、超参优化等。
导师简介（课题2和课题3）
腾讯专家研究员，西安交通大学数学系硕士。目前主要负责微信用户行为分析及预测、微信社交数据挖掘和建模等工作。
43
强化学习在农业种植上的探索及应用（地点：深圳）
AI+农业课题创新地把作物仿真模型和真实自动化温室结合到统一的开发平台，能充分利用高效的计算机运算能力，加快农业技术迭代速度，突破人类种植经验局限。农作物生长周期长且数据成本高，对算法（尤其是强化学习算法）提出根本性的挑战。但也为计算机科学及控制科学提供了一套标准而有直接实际应用背景的实验平台，开展了相应的理论及算法研究，创立了有效的跨学科研究的理论基础。
导师简介
腾讯专家研究员，先后毕业于浙江大学和美国德州大学阿灵顿分校（计算机博士学位）。在人工智能、机器学习等领域顶级期刊及杂志中发表论文40余篇，并多次获得最佳论文奖及最佳博士论文奖。
5
多智能体协作机制在游戏AI中的研究（地点：深圳）
通过机器学习、博弈论等方法，探索多智能体间进行协作的问题。在给定游戏环境中，实现多智能体通过协作完成指定任务的目标并达到实用的工程化要求。
导师简介
腾讯专家研究员，博士毕业于新加坡国立大学工业与系统工程系。从事人工智能技术在游戏研发和运营中的落地应用，与多款热门游戏有紧密合作。
6
时变异构网络表示学习（地点：深圳）
在腾讯平台，用户产生了海量的行为数据，如何对用户的多源异构、且时变的行为数据进行特征表达，是一项非常重要的工作。其成果将作为特征数据用于下游的机器学习任务，进而优化产品的用户体验。该项目建议研究方向为构建无监督Embedding算法，对时变的多源异构信息网路进行特征表达。
导师简介
腾讯专家研究员，华南理工大学数学系硕士。毕业后一直从事数据挖掘相关工作。目前主要负责Network Embedding和社交画像建设等项目。
7
深度学习在大规模程序分析领域的应用研究（地点：上海）
随着软件复杂度的不断提升，大规模源代码和二进制程序的漏洞挖掘工作面临新的机遇和挑战。计算机语言和自然语言有相似之处，但又存在着独特的语法结构和分析技术。本研究项目希望把深度学习相关技术（例如自然语言处理、图嵌入等）应用于大规模程序分析工作中，其成果可能对传统的漏洞挖掘工作有较大促进。建议研究方向：（1）程序语言或机器语言的函数级别表征研究，例如用于异构二进制函数的相似性比对；（2）计算机语言的自动生成技术研究，例如自动生成符合语法结构的程序代码用于编译器（解释器）模糊测试；（3）基于程序语义表征的安全属性分析研究，例如API误用分析、已知/未知漏洞检索等。
导师简介
腾讯专家研究员，毕业于上海交通大学。长期从事于把程序分析相关技术应用于软件安全和漏洞挖掘领域。目前主要研究兴趣是把自然语言处理、图神经网络等机器学习技术应用于程序语言的安全分析。研究成果发表在信息安全领域Black Hat、人工智能领域AAAI等会议。
8
大规模异构游戏网络GCN计算（地点：深圳）
游戏复杂网络直接描述了玩家在游戏内的亲疏关系，可以为各种任务提供数据支持。然而游戏网络规模巨大，且包含了多样的玩家互动和玩家特征。开发高效的大规模GCN算法，可以在处理异构网络信息的同时，平衡算法效率和分布式计算带来的信息损失。
导师简介
腾讯高级研究员，本科毕业于南开大学计算机系，博士毕业于澳洲昆士兰大学，之后在UIUC新加坡研究所ADSC任两年博士后研究员。主要研究领域有社交网络数据挖掘和大规模图表征等。已发表8篇CCF A类论文。
机器学习及其相关应用研究方向有哪个课题戳中你吗？
了解更多课题方向请访问链接
https://www.withzz.com/project/detail/54
或直接扫描下方二维码查看
更多课题介绍，敬请期待后续推送！
往期推送回顾：
申请指南
开放申请 | 2020年度“腾讯犀牛鸟精英人才培养计划”申请启动
关于2020年度腾讯“犀牛鸟精英人才培养计划”你最想知道的十大问题
课题方向
2020腾讯犀牛鸟精英人才培养计划课题介绍（一）——机器人相关技术研究
2020腾讯犀牛鸟精英人才培养计划课题介绍（二）——AI医疗相关研究
2020腾讯犀牛鸟精英人才培养计划课题介绍（三）——自动驾驶相关研究
2020腾讯犀牛鸟精英人才培养计划课题介绍（四）——量子计算相关研究
我就知道你“在看”
腾讯云开发者
