青年学者报告通知

发布日期:2021-11-19 浏览次数:


软件学院青年学者报告会一


时间:11.20晚7点

主持人:冯桂焕副教授

报告题目报告人:

1、楚梦渝博士——基于深度学习的物理仿真

2、赵博博士——Efficient Data-Intensive Computing Systems

报告会形式:腾讯会议,会议ID:171 706 100



软件学院青年学者报告会


时间:11.21晚7点

主持人:葛季栋副教授

报告题目及报告人:

1、姚培森博士——Solidfying and Scaling SMT-based Program Analysis (高可用高性能的基于SMT的程序分析)

2、韩俊博士——基于深度学习的科学数据生成和表示

3、杨林博士——Online Optimization and Online Learning -Towards Competitive and No-regret Algorithms

报告会形式:腾讯会议,会议ID:449 417 486



学者简介


赵博

英国帝国理工学院博士后,博士毕业于德国柏林洪堡大学。研究方向为数据密集计算系统,包括机器学习系统,数据流管理系统,和代码优化技术。

报告题目:“ Efficient Data-Intensive Computing Systems"

 

楚梦渝

德国马克思普朗克计算机研究所的博士后。于2020年获得了慕尼黑工业大学的最优等博士学位,自博士学习以来,长期从事物理仿真和深度学习相融合的方向的研究,相关工作在计算机图形学、机器学习、流体力学等领域产生了一定的影响。

报告题目:基于深度学习的物理仿真

 

姚培森

目前是香港科技大学在读博士研究生,研究方向是编程语言与自动推理。他的研究致力于通过程序分析技术提高软件可靠性。相关成果已经累计帮助发现开源程序上千个软件缺陷,并在编程语言(PLDI, OOPSLA),软件工程(FSE, ASE, ISSTA), 以及信息安全(S&P)等领域的会议发表系列论文。


报告题目:Solidfying and Scaling SMT-based Program Analysis (高可用高性能的基于SMT的程序分析)


韩俊

圣母大学五年级博士生。研究兴趣包括科学可视化,可视计算和深度学习。设计了一系列数据驱动的算法和框架,用于生成和分析不同形式的科学数据。目前已发表了 10 多篇论文,其中 5 篇发表在 IEEE Transactions on Visualization and Computer Graphics。

报告题目: 基于深度学习的科学数据生成和表示

 

杨林

Lin Yang is a Postdoctoral Research Associate in Department of Computer Science of UMass Amherst, working with Professor Don Towsley and Mohammad Hajiesmaili. He got his PhD degree from The Chinese University of Hong Kong in 2018, supervised by Professor Wing Shing Wong. Prior to that, He received his BEng and Msc degree in 2012 and 2015, respectively, both from University of Science and Technology of China. His research interests cover multiple fundamental problems in theoretical machine learning and online optimization.


报告题目:Online Optimization and Online Learning -Towards Competitive and No-regret Algorithms 

报告内容:Decision-making and optimization is one of central areas of computer science, especially for large-scale networked computing systems and machine learning applications, where traditional algorithms have to be faced with imprecise system model, incomplete information, and high-dimensional data set. Motivated by those, there have been growing interests in strategies based online learning and online optimization. In this talk, I will introduce my recent work in online optimization and online learning, with multiple optimal results obtained for several classic problems, such as Expert, bandits, online Knapsack, online buffer management and online linear optimization.