Cada año, el Laboratorio de Investigación en Inteligencia Industrial de Berkeley (BAIR) gradúa a algunas de las mentes más talentosas e innovadoras en el campo de la inteligencia químico y el enseñanza necesario. Nuestros graduados de doctorado han ampliado las fronteras de la investigación en IA y ahora están listos para embarcarse en nuevas aventuras en el ámbito escolar, la industria y más allá.
Estas fantásticas personas aportan una gran cantidad de conocimientos, ideas nuevas y el impulso de seguir contribuyendo al avance de la IA. Su trabajo en BAIR, que alpargata desde el enseñanza profundo, la robótica y el procesamiento del jerigonza natural hasta la visión químico, la seguridad y mucho más, ha contribuido significativamente a sus campos y ha tenido impactos transformadores en la sociedad.
Este sitio web está dedicado a mostrar a nuestros colegas, lo que facilita que las instituciones académicas, las organizaciones de investigación y los líderes de la industria descubran y contraten a la nueva vivientes de pioneros de la IA. Aquí encontrará perfiles detallados, intereses de investigación e información de contacto de cada uno de nuestros graduados. Lo invitamos a explorar las posibles colaboraciones y oportunidades que estos graduados presentan mientras buscan aplicar su experiencia y conocimientos en nuevos entornos.
Únase a nosotros para celebrar los logros de los últimos graduados de doctorado de BAIR. Su alucinación recién comienza y el futuro que ayudarán a construir es brillante.
Gracias a nuestros amigos de la Laboratorio de inteligencia químico de Stanford ¡Por esta idea!
Correo electrónico: [email protected]
Sitio web: https://www.azadsalam.org/
Asesor(es): Ion Stoica
Sinopsis de la investigación: Mi interés en la investigación se centra en el campo del enseñanza necesario y la inteligencia químico. Durante mi doctorado me he centrado en métodos de vivientes de entornos/enseñanza curricular para entrenar agentes autónomos con enseñanza por refuerzo. En concreto, trabajo en métodos que generan de forma algorítmica diversos entornos de entrenamiento (es asegurar, escenarios de enseñanza) para agentes autónomos con el fin de mejorar la propagación y la eficiencia de la muestra. Actualmente, estoy trabajando en agentes autónomos basados en modelos de jerigonza grandes (LLM).
Empleos de interés: Sabio investigador, ingeniero de ML
Correo electrónico: [email protected]
Sitio web: https://www.aliciatsai.com/
Asesor(es): Laurent El Ghaoui
Sinopsis de la investigación: Mi investigación se adentra en los aspectos teóricos de los modelos implícitos profundos, comenzando con una representación unificada en «espacio de estados» que simplifica la notación. Adicionalmente, mi trabajo explora varios desafíos de entrenamiento asociados con el enseñanza profundo, incluidos los problemas que se pueden optimizar convexa y no convexa. Adicionalmente de la exploración teórica, mi investigación extiende las posibles aplicaciones a varios dominios de problemas, incluido el procesamiento del jerigonza natural y las ciencias naturales.
Empleos de interés: Sabio investigador, verificado esforzado, ingeniero de enseñanza necesario
Correo electrónico: [email protected]
Sitio web: https://cwj22.github.io
Asesor(es): Masayoshi Tomizuka y Wei Zhan
Sinopsis de la investigación: Mi investigación se centra en el enseñanza necesario y los algoritmos de control para la difícil tarea de las carreras autónomas en Gran Turismo Sport. Aprovecho mi experiencia en ingeniería mecánica para descubrir cómo el enseñanza necesario y el control perfecto basado en modelos pueden crear sistemas de control seguros y de parada rendimiento para robótica y sistemas autónomos. Un ceremonia particular mío ha sido cómo usar los conjuntos de datos fuera de término (por ejemplo, las trayectorias de carrera de los jugadores humanos) para informar algoritmos de control mejores y más eficientes en cuanto a muestras.
Empleos de interés: Sabio investigador e ingeniero de robótica y controles
Correo electrónico: [email protected]
Sitio web: https://chawins.github.io/
Asesor(es): David Wagner
Sinopsis de la investigación: Me interesan en universal los aspectos de seguridad y protección de los sistemas de enseñanza necesario. La mayoría de mis trabajos anteriores se centran en el enseñanza necesario adversarial, en particular los ejemplos adversariales y la solidez de los algoritmos de enseñanza necesario. Más recientemente, me entusiasman los riesgos emergentes de seguridad y privacidad en los modelos de jerigonza de gran tamaño.
Empleos de interés: Sabio investigador
Correo electrónico: [email protected]
Sitio web: https://www.elizakosoy.com/
Asesor(es): Alison Gopnik
Sinopsis de la investigación: Eliza Kosoy trabaja en la intersección del exposición de niño y la IA con la profesora Alison Gopnik. Su trabajo incluye la creación de puntos de relato evaluativos para los LLM basados en el exposición de niño y el estudio de cómo los niños y los adultos utilizan los modelos GenAI como ChatGPT/Dalle y forman modelos mentales sobre ellos. Es pasante en Google y trabaja en el equipo de IA/UX y anteriormente en Empathy Lab. Ha publicado en Neurips, ICML, ICLR, Cogsci y Cognition. Su trabajo de argumento creó un entorno potencial unificado para probar a niños y modelos de IA en un solo empleo con el fin de entrenar modelos RL. Igualmente tiene experiencia en la creación de empresas emergentes y juguetes de codificación de hardware STEM.
Empleos de interés: Sabio investigador (exposición de niño e IA), seguridad de la IA (especializado en niños), investigador de experiencia de adjudicatario (UX) (especializado en métodos mixtos, lozanía, IA, LLM), educación e IA (juguetes STEM)
Correo electrónico: [email protected]
Sitio web: https://fangyuwu.com/
Asesor(es): Alexandre Bayen
Sinopsis de la investigación: Bajo la tutela del profesor Alexandre Bayen, Fangyu se centra en la aplicación de métodos de optimización a sistemas robóticos multiagente, particularmente en la planificación y el control de vehículos automatizados.
Empleos de interés: Profesor o verificado investigador en control, optimización y robótica.
Correo electrónico: [email protected]
Sitio web: https://www.francesding.com/
Asesor(es): Jacob Steinhardt y Moritz Hardt
Sinopsis de la investigación: Mi investigación se centra en el enseñanza necesario para el modelado de proteínas. Trabajo para mejorar la clasificación de propiedades de proteínas y el diseño de proteínas, así como para comprender qué aprenden los diferentes modelos de proteínas. Anteriormente trabajé en modelos de secuencias de ADN y ARN, y en puntos de relato para evaluar la interpretabilidad y la imparcialidad de los modelos de enseñanza necesario en todos los dominios.
Empleos de interés: Sabio investigador
Correo electrónico: [email protected]
Sitio web: https://kathyjang.com
Asesor(es): Alexandre Bayen
Sinopsis de la investigación: Mi trabajo de argumento se ha especializado en el enseñanza por refuerzo para vehículos autónomos, centrándose en mejorar la toma de decisiones y la eficiencia en entornos aplicados. En el trabajo futuro, estoy ansioso por aplicar estos principios a desafíos más amplios en dominios como el procesamiento del jerigonza natural. Con mi experiencia, mi objetivo es ver el impacto directo de mis esfuerzos al contribuir a la investigación y las soluciones innovadoras de IA.
Empleos de interés: Sabio/ingeniero de investigación de ML
Correo electrónico: [email protected]
Sitio web: https://nikhil-ghosh-berkeley.github.io/
Asesor(es): Bin Yu, canción Mei
Sinopsis de la investigación: Estoy interesado en desarrollar una mejor comprensión básica del enseñanza profundo y mejorar los sistemas prácticos, utilizando metodologías tanto teóricas como empíricas. Actualmente, estoy especialmente interesado en mejorar la eficiencia de los modelos grandes estudiando cómo resquilar adecuadamente los hiperparámetros con el tamaño del maniquí.
Empleos de interés: Sabio investigador
Correo electrónico: [email protected]
Sitio web: https://aliengirlliv.github.io/oliviawatkins
Asesor(es): Pieter Abbeel y Trevor Darrell
Sinopsis de la investigación: Mi trabajo implica enseñanza necesario, enseñanza basado en hechos, enseñanza de humanos y uso de razonamiento basado en modelos de sentido popular para el enseñanza de agentes. Me entusiasma el enseñanza, la supervisión, la adscripción y la solidez de los agentes lingüísticos.
Empleos de interés: Sabio investigador
Correo electrónico: [email protected]
Sitio web: https://rmcao.net
Asesor(es): Laura Waller
Sinopsis de la investigación: Mi investigación se centra en la creación de imágenes computacionales, en particular en el modelado espacio-temporal para la recuperación dinámica de escenas y la estimación del movimiento. Igualmente trabajo en técnicas de microscopía óptica, diseño óptico basado en la optimización, procesamiento de cámaras de eventos y renderizado de vistas novedosas.
Empleos de interés: Sabio investigador, posdoctorado, profesor
Correo electrónico: [email protected]
Sitio web: https://ryanhoque.github.io
Asesor(es): Ken Goldberg
Sinopsis de la investigación: Algoritmos de enseñanza por imitación y enseñanza por refuerzo que se escalan a grandes flotas de robots que realizan manipulaciones y otras tareas complejas.
Empleos de interés: Sabio investigador
Correo electrónico: [email protected]
Sitio web: https://www.qxcv.net/
Asesor(es): Stuart Russell
Sinopsis de la investigación: Mi investigación se centra en alcanzar que los modelos lingüísticos sean seguros, robustos y confiables. Igualmente tengo experiencia en visión, planificación, enseñanza por imitación, enseñanza por refuerzo y enseñanza por remuneración.
Empleos de interés: Sabio investigador
Correo electrónico: [email protected]
Sitio web: https://shishirpatil.github.io/
Asesor(es): José González
Sinopsis de la investigación: Gorilla LLM: enseñar a los LLM a usar herramientas (https://gorilla.cs.berkeley.edu/); LLM Execution Engine: asegurar la reversibilidad, la robustez y minimizar el radiodifusión de crisis para los agentes LLM incorporados en los flujos de trabajo de los usuarios y de la empresa; POET: ajuste fino de los LLM en dispositivos periféricos, como teléfonos inteligentes y computadoras portátiles, con término de memoria y eficiencia energética (https://poet.cs.berkeley.edu/).
Empleos de interés: Sabio investigador
Correo electrónico: [email protected]
Sitio web: https://suziepetryk.com/
Asesor(es): Trevor Darrell, Joseph González
Sinopsis de la investigación: Trabajo para mejorar la fiabilidad y la seguridad de los modelos multimodales. Me he centrado en emplazar y sujetar las alucinaciones para los modelos de visión y jerigonza, por otra parte de contar y utilizar la incertidumbre y mitigar el sesgo. Me interesa aplicar soluciones a estos desafíos en escenarios de producción reales, en empleo de hacerlo nada más en entornos académicos.
Empleos de interés: Sabio de investigación aplicada en inteligencia químico generativa, seguridad y/o accesibilidad.
Correo electrónico: [email protected]
Sitio web: https://xingyu-lin.github.io/
Asesor(es): Pieter Abbeel
Sinopsis de la investigación: Mi investigación se centra en la robótica, el enseñanza necesario y la visión químico, con el objetivo principal de cultivarse habilidades robóticas generalizables desde dos ángulos: (1) cultivarse modelos mundiales estructurados con abstracciones espaciales y temporales. (2) entrenar previamente la representación visual y las habilidades para permitir la transferencia de conocimientos desde conjuntos de datos y simuladores de visión a escalera de Internet.
Empleos de interés: Profesor o verificado investigador
Correo electrónico: [email protected]
Sitio web: https://yaodongyu.github.io/
Asesor(es): Michael I. Jordan, Yi Ma
Sinopsis de la investigación: Mis intereses de investigación se centran ampliamente en la teoría y la praxis del enseñanza necesario confiable, incluida la interpretabilidad, la privacidad y la solidez.
Empleos de interés: Poder