Jedes Jahr graduieren am Berkeley Synthetic Intelligence Analysis (BAIR) Lab einige der talentiertesten und innovativsten Köpfe in den Bereichen künstliche Intelligenz und maschinelles Lernen. Unsere Doktoranden haben die Grenzen der KI-Forschung erweitert und sind nun bereit, sich auf neue Abenteuer in der Wissenschaft, der Industrie und darüber hinaus einzulassen.
Diese fantastischen Menschen bringen eine Fülle an Wissen, frischen Ideen und den Antrieb mit, weiterhin zur Weiterentwicklung der KI beizutragen. Ihre Arbeit bei BAIR, die von Deep Studying, Robotik und natürlicher Sprachverarbeitung bis hin zu Pc Imaginative and prescient, Sicherheit und vielem mehr reicht, hat bedeutende Beiträge zu ihren Fachgebieten geleistet und transformative Auswirkungen auf die Gesellschaft gehabt.
Auf dieser Web site präsentieren wir unsere Kollegen und erleichtern akademischen Einrichtungen, Forschungsorganisationen und Branchenführern die Entdeckung und Rekrutierung der neuesten Era von KI-Pionieren. Hier finden Sie detaillierte Profile, Forschungsinteressen und Kontaktinformationen zu jedem unserer Absolventen. Wir laden Sie ein, die potenziellen Kooperationen und Möglichkeiten zu erkunden, die diese Absolventen bieten, wenn sie ihr Fachwissen und ihre Erkenntnisse in neuen Umgebungen anwenden möchten.
Feiern Sie mit uns die Erfolge der jüngsten PhD-Absolventen von BAIR. Ihre Reise hat gerade erst begonnen, und die Zukunft, die sie mitgestalten werden, ist rosig!
Vielen Dank an unsere Freunde im Stanford KI-Labor für diese Idee!
E-mail: salam_azad@berkeley.edu
Webseite: https://www.azadsalam.org/
Berater: Ion Stoica
Kurzbeschreibung der Forschung: Mein Forschungsinteresse liegt allgemein im Bereich des maschinellen Lernens und der künstlichen Intelligenz. Während meiner Promotion habe ich mich auf Methoden zur Umgebungsgenerierung/Lehrplanerstellung für das Coaching autonomer Agenten mit Reinforcement Studying konzentriert. Insbesondere arbeite ich an Methoden, die algorithmisch verschiedene Trainingsumgebungen (d. h. Lernszenarien) für autonome Agenten generieren, um die Generalisierung und Stichprobeneffizienz zu verbessern. Derzeit arbeite ich an auf Massive Language Fashions (LLM) basierenden autonomen Agenten.
Jobs, an denen Sie interessiert sind: Forschungswissenschaftler, ML-Ingenieur
E-mail: aliciatsai@berkeley.edu
Webseite: https://www.aliciatsai.com/
Berater: Laurent El Ghaoui
Kurzbeschreibung der Forschung: Meine Forschung befasst sich mit den theoretischen Aspekten tiefer impliziter Modelle und beginnt mit einer einheitlichen „Zustandsraum“-Darstellung, die die Notation vereinfacht. Darüber hinaus untersucht meine Arbeit verschiedene Trainingsherausforderungen im Zusammenhang mit Deep Studying, darunter Probleme, die sich für konvexe und nicht-konvexe Optimierung eignen. Neben der theoretischen Erforschung erweitert meine Forschung die potenziellen Anwendungen auf verschiedene Problembereiche, darunter die Verarbeitung natürlicher Sprache und Naturwissenschaften.
Jobs, an denen Sie interessiert sind: Forschungswissenschaftler, Angewandter Wissenschaftler, Ingenieur für maschinelles Lernen
E-mail: catherine22@berkeley.edu
Webseite: https://cwj22.github.io
Berater: Masayoshi Tomizuka, Wei Zhan
Kurzbeschreibung der Forschung: Meine Forschung konzentriert sich auf maschinelles Lernen und Steuerungsalgorithmen für die anspruchsvolle Aufgabe des autonomen Rennfahrens in Gran Turismo Sport. Ich nutze meinen Hintergrund im Maschinenbau, um herauszufinden, wie maschinelles Lernen und modellbasierte optimale Steuerung sichere, leistungsstarke Steuerungssysteme für Roboter und autonome Systeme schaffen können. Ein besonderer Schwerpunkt meiner Arbeit liegt darauf, wie man Offline-Datensätze (z. B. Rennbahnen menschlicher Spieler) nutzen kann, um bessere, stichprobeneffizientere Steuerungsalgorithmen zu entwickeln.
Jobs, an denen Sie interessiert sind: Forschungswissenschaftler und Robotik-/Steuerungsingenieur
E-mail: chawin.sitawarin@gmail.com
Webseite: https://chawins.github.io/
Berater: David Wagner
Kurzbeschreibung der Forschung: Ich interessiere mich allgemein für die Sicherheitsaspekte von maschinellen Lernsystemen. Die meisten meiner bisherigen Arbeiten liegen im Bereich des kontroversen maschinellen Lernens, insbesondere kontroverser Beispiele und der Robustheit von Algorithmen des maschinellen Lernens. In letzter Zeit beschäftige ich mich mit neuen Sicherheits- und Datenschutzrisiken bei großen Sprachmodellen.
Jobs, an denen Sie interessiert sind: Forschungswissenschaftler
E-mail: eko@berkeley.edu
Webseite: https://www.elizakosoy.com/
Berater: Alison Gopnik
Kurzbeschreibung der Forschung: Eliza Kosoy arbeitet mit Prof. Alison Gopnik an der Schnittstelle zwischen kindlicher Entwicklung und KI. Ihre Arbeit umfasst die Erstellung von Bewertungsmaßstäben für LLMs, die auf kindlicher Entwicklung basieren, sowie die Untersuchung, wie Kinder und Erwachsene GenAI-Modelle wie ChatGPT/Dalle verwenden und mentale Modelle über sie bilden. Sie ist Praktikantin bei Google und arbeitet im AI/UX-Staff und zuvor im Empathy Lab. Sie hat in Neurips, ICML, ICLR, Cogsci und Cognition veröffentlicht. Ihre Abschlussarbeit schuf eine einheitliche virtuelle Umgebung zum Testen von Kindern und KI-Modellen an einem Ort zum Zweck des Trainings von RL-Modellen. Sie hat auch Erfahrung im Aufbau von Startups und STEM-{Hardware}-Codierungsspielzeugen.
Jobs, an denen Sie interessiert sind: Forschungswissenschaftler (Kindesentwicklung und KI), KI-Sicherheit (Spezialisierung auf Kinder), Consumer Expertise (UX)-Forscher (Spezialisierung auf gemischte Methoden, Jugend, KI, LLMs), Bildung und KI (MINT-Spielzeug)
E-mail: fangyuwu@berkeley.edu
Webseite: https://fangyuwu.com/
Berater: Alexandre Bayen
Kurzbeschreibung der Forschung: Unter der Betreuung von Prof. Alexandre Bayen konzentriert sich Fangyu auf die Anwendung von Optimierungsmethoden auf Multi-Agenten-Robotersysteme, insbesondere bei der Planung und Steuerung automatisierter Fahrzeuge.
Jobs, an denen Sie interessiert sind: Fakultät oder Wissenschaftler im Bereich Steuerung, Optimierung und Robotik
E-mail: frances@berkeley.edu
Webseite: https://www.francesding.com/
Berater: Jacob Steinhardt, Moritz Hardt
Kurzbeschreibung der Forschung: Mein Forschungsschwerpunkt liegt auf maschinellem Lernen für die Proteinmodellierung. Ich arbeite an der Verbesserung der Klassifizierung von Proteineigenschaften und des Proteindesigns sowie daran, zu verstehen, was verschiedene Proteinmodelle lernen. Ich habe zuvor an Sequenzmodellen für DNA und RNA sowie an Benchmarks zur Bewertung der Interpretierbarkeit und Equity von ML-Modellen in verschiedenen Domänen gearbeitet.
Jobs, an denen Sie interessiert sind: Forschungswissenschaftler
E-mail: kathyjang@gmail.com
Webseite: https://kathyjang.com
Berater: Alexandre Bayen
Kurzbeschreibung der Forschung: In meiner Abschlussarbeit habe ich mich auf bestärkendes Lernen für autonome Fahrzeuge spezialisiert und mich auf die Verbesserung der Entscheidungsfindung und Effizienz in angewandten Umgebungen konzentriert. In zukünftigen Arbeiten möchte ich diese Prinzipien gerne auf umfassendere Herausforderungen in Bereichen wie der Verarbeitung natürlicher Sprache anwenden. Mit meinem Hintergrund möchte ich die direkten Auswirkungen meiner Bemühungen sehen, indem ich zu innovativer KI-Forschung und -Lösungen beitrage.
Jobs, an denen Sie interessiert sind: ML-Forscher/Ingenieur
E-mail: nikhil_ghosh@berkeley.edu
Webseite: https://nikhil-ghosh-berkeley.github.io/
Berater: Bin Yu, Tune Mei
Kurzbeschreibung der Forschung: Ich bin daran interessiert, ein besseres grundlegendes Verständnis von Deep Studying zu entwickeln und praktische Systeme zu verbessern, wobei ich sowohl theoretische als auch empirische Methoden anwende. Derzeit bin ich besonders daran interessiert, die Effizienz großer Modelle zu verbessern, indem ich studiere, wie man Hyperparameter entsprechend der Modellgröße richtig skaliert.
Jobs, an denen Sie interessiert sind: Forschungswissenschaftler
E-mail: oliviawatkins@berkeley.edu
Webseite: https://aliengirlliv.github.io/oliviawatkins
Berater: Pieter Abbeel und Trevor Darrell
Kurzbeschreibung der Forschung: Meine Arbeit umfasst RL, BC, Lernen von Menschen und die Verwendung von Frequent Sense-Basic-Mannequin-Argumentation für Agentenlernen. Ich interessiere mich für das Lernen von Sprachagenten, Überwachung, Ausrichtung und Robustheit.
Jobs, an denen Sie interessiert sind: Forschungswissenschaftler
E-mail: rcao@berkeley.edu
Webseite: https://rmcao.web
Berater: Laura Waller
Kurzbeschreibung der Forschung: Meine Forschung befasst sich mit computergestützter Bildgebung, insbesondere mit der Raum-Zeit-Modellierung für dynamische Szenenwiederherstellung und Bewegungsschätzung. Ich arbeite auch an optischen Mikroskopietechniken, optimierungsbasiertem optischem Design, Ereigniskameraverarbeitung und neuartiger Ansichtswiedergabe.
Jobs, an denen Sie interessiert sind: Wissenschaftlicher Mitarbeiter, Postdoc, Fakultät
E-mail: ryanhoque@berkeley.edu
Webseite: https://ryanhoque.github.io
Berater: Ken Goldberg
Kurzbeschreibung der Forschung: Algorithmen für Imitationslernen und bestärkendes Lernen, die auf große Roboterflotten skalierbar sind, die Manipulations- und andere komplexe Aufgaben durchführen.
Jobs, an denen Sie interessiert sind: Forschungswissenschaftler
E-mail: sdt@berkeley.edu
Webseite: https://www.qxcv.web/
Berater: Stuart Russell
Kurzbeschreibung der Forschung: Meine Forschung konzentriert sich darauf, Sprachmodelle sicher, strong und zuverlässig zu machen. Ich habe auch Erfahrung in den Bereichen Imaginative and prescient, Planung, Imitationslernen, Verstärkungslernen und Belohnungslernen.
Jobs, an denen Sie interessiert sind: Forschungswissenschaftler
E-mail: shishirpatil2007@gmail.com
Webseite: https://shishirpatil.github.io/
Berater: Josef González
Kurzbeschreibung der Forschung: Gorilla LLM – LLMs den Umgang mit Instruments beibringen (https://gorilla.cs.berkeley.edu/); LLM Execution Engine: Garantiert Reversibilität, Robustheit und minimiert den Explosionsradius für in Benutzer- und Unternehmens-Workflows integrierte LLM-Agenten; POET: Speichergebundene und energieeffiziente Feinabstimmung von LLMs auf Edge-Geräten wie Smartphones und Laptops (https://poet.cs.berkeley.edu/).
Jobs, an denen Sie interessiert sind: Forschungswissenschaftler
E-mail: spetryk@berkeley.edu
Webseite: https://suziepetryk.com/
Berater: Trevor Darrell, Joseph Gonzalez
Kurzbeschreibung der Forschung: Ich arbeite an der Verbesserung der Zuverlässigkeit und Sicherheit multimodaler Modelle. Mein Schwerpunkt liegt auf der Lokalisierung und Reduzierung von Halluzinationen für Bild- und Sprachmodelle sowie auf der Messung und Nutzung von Unsicherheit und der Minderung von Voreingenommenheit. Mein Interesse liegt darin, Lösungen für diese Herausforderungen in tatsächlichen Produktionsszenarien anzuwenden, und nicht nur in akademischen Umgebungen.
Jobs, an denen Sie interessiert sind: Angewandter Forschungswissenschaftler im Bereich generative KI, Sicherheit und/oder Zugänglichkeit
E-mail: xingyu@berkeley.edu
Webseite: https://xingyu-lin.github.io/
Berater: Pieter Abbeel
Kurzbeschreibung der Forschung: Meine Forschung konzentriert sich auf Robotik, maschinelles Lernen und Computersehen. Dabei ist das Hauptziel, verallgemeinerbare Roboterfähigkeiten aus zwei Blickwinkeln zu erlernen: (1) Lernen strukturierter Weltmodelle mit räumlichen und zeitlichen Abstraktionen. (2) Vorabtraining visueller Darstellungen und Fähigkeiten, um den Wissenstransfer aus internetweiten Bilddatensätzen und Simulatoren zu ermöglichen.
Jobs, an denen Sie interessiert sind: Fakultät oder wissenschaftlicher Mitarbeiter
E-mail: yyu@eecs.berkeley.edu
Webseite: https://yaodongyu.github.io/
Berater: Michael I. Jordan, Yi Ma
Kurzbeschreibung der Forschung: Meine Forschungsinteressen liegen allgemein in der Theorie und Praxis des vertrauenswürdigen maschinellen Lernens, einschließlich Interpretierbarkeit, Datenschutz und Robustheit.
Jobs, an denen Sie interessiert sind: Fakultät