PSU Suhang Wang招图神经网络方向全奖博士生

2021 年 10 月 27 日 图与推荐
宾夕法尼亚州立大学 (PSU, Penn State) 位列 CSRankings 排名全美第 26,其中 AI 方向排名全美第 23,QS ranking 全世界第 96。学校主校区位于宾夕法尼亚州的 State College,是一个典型的大学城,非常安全。绝大多数人口都是大学相关人员。学校日常有校车服务覆盖整个大学城,即使没车也能日常通勤。生活便利有许多中超和中餐馆,生活成本低。周围风景优美,还有一个可以容纳接近 10 万人的橄榄球场。机场离学校大概 15 分钟车程。距离匹兹堡 2.5 小时车程,费城 3 小时车程,华盛顿 DC 3.5 小时车程,纽约 4 小时车程。


Dr. Suhang Wang 在宾州州立大学 Information of Sciences and Technology (IST) 学院担任助理教授,现招收多名数据挖掘方向全奖博士,鼓励有较强的数学统计和编程能力的同学申请。




导师简介


Dr. Suhang Wang 在数据挖掘方向有着广泛的研究兴趣,包括但不限于:图神经网络 (Graph Neural Network),Fairness in Machine Learning,可解释机器学习 (Explainable AI),生成模型 (Generative Model),图神经网络鲁棒性 (Robust GNN),自监督学习 (Self-supervised learning) 等方向。他在 KDD, WWW, AAAI, IJCAI, CIKM, SDM, WSDM, ICDM, CVPR, IEEE TKDE, ACM TIST 等顶级会议和期刊发表 100+ 文章,目前 Google Scholar h-index 37,citation 7100+,Dr. Suhang Wang 与多家企业有着良好的合作关系,其指导的在校生及毕业生也都拿到在 Amazon, IBM, NEC 等企业的实习或工作邀请。


导师主页:
https://faculty.ist.psu.edu/szw494/

Google Scholar:
https://scholar.google.com/citations?user=cdT_WMMAAAAJ

申请截止日期
2021 年 12 月 15 日

申请方式
有意的同学请将成绩单和简历发送至 szw494@psu.edu

·
登录查看更多
0

相关内容

图神经网络 (GNN) 是一种连接模型,它通过图的节点之间的消息传递来捕捉图的依赖关系。与标准神经网络不同的是,图神经网络保留了一种状态,可以表示来自其邻域的具有任意深度的信息。近年来,图神经网络(GNN)在社交网络、知识图、推荐系统、问答系统甚至生命科学等各个领域得到了越来越广泛的应用。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
【UAI2021教程】贝叶斯最优学习,65页ppt
专知会员服务
63+阅读 · 2021年8月7日
近期必读的五篇KDD 2020【图神经网络 (GNN) 】相关论文_Part2
专知会员服务
157+阅读 · 2020年6月30日
必读的7篇 IJCAI 2019【图神经网络(GNN)】相关论文
专知会员服务
91+阅读 · 2020年1月10日
新泽西理工学院马耀教授招收推荐系统等方向博士研究生
机器学习与推荐算法
0+阅读 · 2022年4月15日
NJIT马耀,GNN方向博士招生~
图与推荐
0+阅读 · 2021年12月22日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月14日
Arxiv
12+阅读 · 2020年12月10日
Heterogeneous Deep Graph Infomax
Arxiv
12+阅读 · 2019年11月19日
VIP会员
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
Top
微信扫码咨询专知VIP会员