机器学习,人工智能,深度表征学习/联邦学习方向职位类PhD机会（1）两个机器学习相关的博士生职位
项目背景
研究组致力于开发基于测量数据的学习、推理和行动的方法和具体工具。研究的基石之一是概率模型，使我们能够系统地表示和处理大多数数据中固有的不确定性。一个重要的目标是开发灵活的模型，能够捕捉复杂的动态现象及其环境，使机器和人类能够更好地理解我们周围的世界。数据和模型是我们研究的两个基石。第三块基石是学习算法，其基本目标是根据数据自动构建模型。开发高效准确的学习算法，能够处理高维模型、丰富的数据应用、复杂的模型结构和多样化的数据源，这仍然是一个重大的挑战，我们目前所面临的许多数据分析问题都是如此。我们研究的第四块也是最后一块基石是控制。这里的主要任务是利用所有从数据中学习到的并在概率模型中表现出来的东西，自动做出决定并以适当的方式影响当前的情况。（机翻凑合着理解哈~）
职位描述
本PhD职位研究项目将在机器学习领域内进行探索。以下会简要介绍两个潜在研究方向的例子。作为申请人，你不需要在你的申请中指定一个具体的研究课题（但如果你愿意，当然非常欢迎你这样做）。事实上，提供下面的主题主要是为了使广告中的职位更加具体。我们欢迎学生自带Proposal，每个博士生的确切研究课题将在成功任命后由学生和导师商讨决定。与这个职位最相关的潜在研究方向如下：
1）开发强大的机器学习方法
机器学习（ML）方法利用过去的训练数据来执行任务，协助人类决策或使其自动化。大多数方法建立在这样的假设上：来自训练环境和未来测试环境的数据分布将相互匹配。然而，当这些环境出现分歧时，最先进的学习方法的任务性能将下降，并可能导致错误的决策。在广泛的应用中，包括无线接收器定位、健康诊断和医疗决策支持，都需要对这种分歧具有鲁棒性的新方法。我们试图通过机器学习、统计学和优化的不同分支的思想和工具的交叉融合来开发这种方法。
2）为非线性动力学开发灵活的模型
动力学模型在解释我们周围的世界时是必不可少的。当涉及到非线性动力学建模时，灵活的模型有可能比简单的模型显著提高性能。这里的一个关键话题是设计具有较长记忆的深度模型。与此相关的任务是推导出可用于从测量数据中学习未知模型参数的算法。如果有兴趣，我们还将研究生命科学和医学的应用。
该职位工签合同最长可签5年，其中包括约20%的教学职责。
申请要求
要求申请者完成（或接近完成）理科硕士，或与博士论文主题相关领域的同等学历，具备良好的沟通能力，有足够熟练的英语口语和书面表达。具备创造性，做事有始有终，具备结构化的学习科研方法和能力。
其他要求
机器学习或统计理论方面的经验和课程将是加分项。
申请书应包括申请人申请此职位的动机说明（最多两页），包括候选人的资格和研究兴趣以及自我激励和建设性团队合作的证据。
申请书还应该包括一份简历；
学位和成绩（翻译成英文）；
硕士论文（或其草稿，和/或一些其他自制的技术文本），出版物和其他相关文件。
可以提供带有联系信息的推荐人，需要两封推荐信。
未完全完成理学硕士学位（或同等学历）的候选人可以提交申请，但所有申请人应说明最早的可入学日期。
工签及薪酬福利
为期最长5年的工签合同Contract，工资薪酬每年递增，平均每年年薪税前约合RMB 25W+。
申请流程及文书要求
请在2022年03月21日前通过进行申请，并提交以下材料：
动机信 2页内 (应说明感兴趣的领域和研究小组或项目)
简历 CV（2页内）
成绩单Transcript （学历、学位证书）
硕士论文（或Draft）
出版物（Optional）
两封推荐信RL 推荐人联系方式
【轻微赞赏，联系大可Offer获取申请方式及相关注意事项】
大可Offer团队核心成员及指导的学员先后拿下多个欧洲院校在机器学习、人工智能、数据科学等研究方向的职位类PhD（现在竞争异常激烈）。
团队还积累了相关应用交叉学科方向，如AI for Healthcare，CV for medicine research,智能交通与交通大数据，Smart Mobility， Learning System，Robotics and Perception，（工控）异常检测等相关方向的汇总信息及申请策略。有意（明年或后年）冲击职位类PhD，将读博士变成一项高薪工作的低年级小伙伴欢迎提前联系咨询，对应的提升自身实力，让自己更有实力解锁地球上最好的PhD项目。
（2）深度表征学习的博士生/博后职位-基础和新方向
广义的深度表征学习方面的博士和博士后职位机会，相关潜在课题方向包括：
生成模型
图形神经网络
神经ODEs/PDEs/SDEs，深度平衡模型，隐性模型
微分几何/信息几何/深度学习的代数方法
在有限的数据、分布性转变和/或不确定性下的学习
贝叶斯方法，概率图解模型，和近似推理
公平、多样和可解释的表示方法
非政策性强化学习、反向强化学习和因果强化学习
多Agent系统和AI辅助的人类指导模型
边缘学习(即在资源限制下的学习)
物理学、计算机视觉、药物发现、材料设计、合成生物学、量子化学等方面的应用
结构化空间的量子机器学习
（3）隐私保护和联邦学习的博士职位
由于数据持有者不能分享他们的数据，许多机器学习的应用受到训练数据可用性的限制。这个项目的目的是通过有效的保护隐私的学习方法来开发这个基本问题的解决方案，这些方法允许在保证数据不泄漏的情况下安全地结合来自多个数据持有者的数据。可能的方法包括通过对每一方的模型进行个性化处理，将跨语境的联合学习扩展到协作学习中，并开发生成保护隐私的合成数据的方法。安全和隐私将由差分隐私和安全多方计算的组合来保证。
在这个项目中，你将在这些保证下开发新的学习方法，并将其应用于现实世界的问题。合作的机会将使这些方法在学术和工业应用中得到测试。一个强有力的候选人将有机器学习或相关领域的背景。在差分隐私和/或安全多方计算方面的经验是申请加分项。
机会（2）和（3）2022年02月06日截止申请，需要递交Cover Letter， CV， 推荐人联系方式。
（4）面向未来环境友好型交通的交通控制---博士职位
研究领域、要求和期望
博士生将在以下一个或多个领域进行研究：
道路交通建模、估计和控制
基于人工智能的建模和数据驱动的控制应用于未来的交通系统
应用于未来交通系统的分散和协调的多目标系统优化
潜在的学生应满足以下要求：
及时完成相关领域的硕士学位： 交通工程、电气/通信工程、计算机科学、运筹学/系统工程或统计学/数学/物理学；
熟悉工程中使用的定量方法，特别强调数据驱动的方法，以及应用这些方法解决工程问题的技能；
良好的编程能力；
有能力在团队中工作
愿意积极学习新知识
非常好的英语水平
成功的申请人应具备完成下述任务的能力：
在顶级期刊和科学会议上发表文章
参与研究计划书的编写
指导硕士生
（如适用）在硕士课程中授课
马上截止：2022年01月20日截止申请，需要递交Motivation Letter， CV， Description of research interests，硕士论文，推荐人联系方式等。如有意向了解相关其他available机会的同学，小窗联系。
（5）组合优化和机器学习的交叉应用以支持能源转型的博士职位
该博士生的主要目标是为能源系统的最佳投资和运营开发计算效率高的模型，考虑到电力、热能和天然气之间的交叉耦合，同时包括关键的系统灵活性约束，以促进决策，实现高效和可持续的未来能源系统。预期的方法是在机器学习和优化的交叉点上开发新的技术，以找到正确的建模细节水平，平衡准确性和可计算性。
职责：
在组合优化和机器学习领域进行科学研究
实施和评估研究原型
撰写并在国际场合发表科学报告，如会议和期刊
在国际会议上展示成果
与领域专家合作
参与研究小组的其他科研和教学活动
即将截止：2022年02月06日截止申请，需要递交Motivation Letter， CV， 硕士学位证及成绩单，硕士论文，Publications(如有)、推荐人联系方式等。
如有意向了解相关其他available机会的同学，小窗联系。
【轻微赞赏，联系大可Offer获取上述机会的申请方式及相关注意事项】
心动了!然而背景暂时不匹配,怎么办？
该职位再次印证了大可Offer多年前的预判，"万物"---各理工科均可DeepLearning炼丹，均会慢慢向data-driven，AI-based方法靠拢。
为提升竞争力，建议有志于申请欧洲职位类PhD的各类理工科低年级同学要尽早准备。如果没有AI相关背景，应该尽早自主学习并通过项目训练自己在AI尤其是Deep Learning（DL+DRL）方面的能力。推荐深度学习四大名著，尤其是DL花书+动手学深度学习，如需PDF电子版可以小窗联系。
对于学有余力，需要进行科研背景提升的低年级研究生及大二以上的本科生，推荐由我们团队奋战在科研一线的名校博后/博士开设的领域“留学过来人手把手在线1V1实践提升”项目，特色方向“数据科学、交通、EE/CS”, 链接如下：
[1] 大可Offer背景能力提升项目：(1)数据科学与人工智能入门&实践+(2)研究论文-头雁计划&追逐计划Topics列表
头条号：大可奇观世界
相关硕士项目及近期其他Ph.D.职位机会
数据科学留学欧洲院校推荐 Data Science
若干有趣的人文、心理、管理、商科等方向的博士汇总---全球最新PhD/博后/RA职位系列(40)
交通、人工智能、优化、建筑设计等相关高薪博士职位汇总---全球最新PhD/博后/RA职位系列(39)
交通&AI相关PhD职位4枚：可解释AI Twins用于交通/智慧、可塑性城市---全球最新PhD/博后/RA职位系列(38)
交通相关博后职位两枚：UCL 交通建模+出行行为建模---全球最新PhD/博后/RA职位系列(37)
高薪【50W RMB】计算科学方向职位类PhD机会：地球上最好(壕)的PhD项目ETH---全球最新PhD/博后职位系列(36)
愿以吾辈之肩膀，助力后来者更好的申请瞭望！