今晚7:30 | 和大家聊聊我是如何从博士到博导的

点击蓝字

关注我们

AI TIME欢迎每一位AI爱好者的加入！

6月16日晚 7:30-8:30

AI TIME邀请了张弘扬老师跟大家分享他从博士到博导的经验。

哔哩哔哩直播通道

★ 嘉宾简介 ★

张弘扬，滑铁卢大学计算机学院新晋助理教授，并隶属于加拿大向量研究院。他在4年时间内（2015-2019）获得卡内基梅隆大学机器学习系博士学位，师从Maria-Florina Balcan和David P. Woodruff。2019至2021年期间，张博士于芝加哥丰田技术研究院完成博士后工作，师从Avrim Blum和Greg Shakhnarovich。他的近期研究方向包括可信赖机器学习，人工智能安全，自监督学习，并强调理论与实践的结合。张博士的多项理论工作已经被广泛应用于CVPR、NeurIPS等举办的国际大赛中，并荣获第一名多次（千支参赛队伍）。相关成果已发表在JMLR, ICML, NeurIPS, COLT, SODA, ITCS, ICALP, Proceedings of the IEEE, IEEE Trans. on Info. Theory等多个顶级会议和期刊，撰写专著一本，并担任多个会议的领域主席。

（个人主页：https://hongyanz.github.io）

分享内容：

我的科研生涯：从博士到博导

分享内容简介：

这次演讲将分享我近期的一些研究成果，以及我从博士生到教授的工作经验。演讲将由两部分组成。

在演讲的第一部分，我将分享我最近在对抗攻防方面的研究。针对深度学习的攻击有两种防御方式：1）经验防御模型；2）有证明保障的防御模型。经验防御模型方面，我会介绍我们团队在NeurIPS 2018对抗视觉挑战中的获胜方法TRADES。该方法帮助我们在400个团队和3000个提交方案中赢得了第一名的成绩。为了使TRADES具有可证明的鲁棒性，我们采用随机平滑的方法研究了有证明保障的防御模型。我们提供了正面和负面的理论结果。我们的分析揭示了通过“基于随机噪声方法”实现认证鲁棒性的本质困难，并引出了未来工作的新方向。最后，对抗攻击方面，我还将介绍我们在最近的CVPR 2021安全AI挑战赛：ImageNet无限制对抗攻击中的获胜方案。使用该方法，我们在1559支队伍中赢得了第一名的成绩。

在演讲的第二部分，我将分享我寻找学术岗位的经验（包括教职申请和博士申请）。希望我的经验能够帮助更多人在未来的学术职业道路上取得成功。

重要

信息

张老师组计划于2022年春天/秋天招收多名带全额奖学金的硕士/博士研究生。有意向的同学请发送邮件至hongyanz@ttic.edu，并附上：（1）简历及成绩排名；（2）一段自我介绍，研究兴趣及计划。

大家抓紧机会，也许你就会成为张老师的学生哦！

今日视频推荐

直播结束后我们会邀请讲者在微信群中与大家交流，请添加“AI TIME小助手（微信号：AITIME_HY）”，回复“phd”，将拉您进“AI TIME PhD 交流群-2”！

AI TIME微信小助手

主       办：AI TIME 、AMiner

合作伙伴：智谱·AI、中国工程院知领直播、学堂在线、学术头条、biendata、数据派、 Ever链动

合作媒体：学术头条

AI TIME欢迎AI领域学者投稿，期待大家剖析学科历史发展和前沿技术。针对热门话题，我们将邀请专家一起论道。同时，我们也长期招募优质的撰稿人，顶级的平台需要顶级的你，

请将简历等信息发至yun.he@aminer.cn！

微信联系:AITIME_HY

AI TIME是清华大学计算机系一群关注人工智能发展，并有思想情怀的青年学者们创办的圈子,旨在发扬科学思辨精神，邀请各界人士对人工智能理论、算法、场景、应用的本质问题进行探索，加强思想碰撞，打造一个知识分享的聚集地。

更多资讯请扫码关注

我知道你

在看

哦

~

点击 阅读原文 了解更多精彩