研究项目概述
2022年3月，某机构与卡内基梅隆大学宣布了第二批研究生研究奖学金获得者，标志着该公司扩大支持硕士和博士研究生科研工作的努力。该项目于2021年启动，支持研究生在自动推理、计算机视觉、机器人、语言技术、机器学习、运筹学和数据科学等领域开展科学研究。
今年获奖者包括两名新研究员和两名2022年连任研究员。研究员还将获邀参加某机构的科学实习面试。
研究员及研究方向
Shantanu Gupta - 机器学习
研究方向：开发"在可访问多个数据源（具有相关成本结构）且每个数据源返回不同特征子集的情况下，高效估计目标参数的算法。在预算约束下，必须决定每个时间步查询哪个数据源。这些方法适用于半参数模型中的参数估计，其中需要估计高维 nuisance 参数（例如倾向得分）来估计目标参数（例如平均处理效应）"。
Ian Waudby-Smith - 统计学
研究方向：在线变点检测算法，旨在"确定在线数据流是否发生分布变化以及变化时间。例如，检测网站每日流量是否发生显著变化，或用户对A/B测试的响应是否非平稳。该提案关注在现实非参数假设下开发解决此类问题的方法论和实用算法"。
Emre Yolcu - 计算机科学
研究方向：自动推理和证明复杂性，主要目标是"更好地理解证明系统的相对优势，这些系统旨在通过促进比解析（支撑CDCL求解器的证明系统）更强的证明系统中的高效证明搜索，实现当今SAT求解器的下一步演进。为实现此目标，正在开发优雅且模块化的证明技术，使我们能够证明这些系统间的分离，最终帮助我们有原则地指向一个在理论上具有理想表达能力、在实践中易于证明搜索的证明系统"。
Minji Yoon - 计算机科学
研究方向：图深度学习，目标是"使图深度学习更加实用。为产生更广泛的影响，需要使图深度学习（1）减少手工工作，如超参数调优；（2）满足实际约束，包括可扩展性和隐私。为实现这些目标，提出（a）自动化图深度学习算法搜索，（b）可跨不同领域迁移且只需最小微调的通用神经模块，以及（c）重新定义传统问题表述，考虑现实世界中的可扩展性和隐私约束"。
研究领域
- 机器学习
- 自动推理
技术标签
- 持续学习
- 图神经网络
- 学术合作
