NJIT马耀,招收图神经网络方向博士生

2022 年 8 月 21 日 图与推荐

马耀是新泽西理工学院(New Jersey Institute of Technology)的助理教授。新泽西理工学院在2020年的QS世界大学排名之美国大学排行榜中排名第74,它的计算机专业在csrankings.org上排名第全美第75位。另外,NJIT地处大纽约地区,离曼哈顿仅30分钟车程,有丰富的实习和就业机会。

马耀目前的研究领域为数据挖掘和机器学习,研究兴趣包括但不限于图神经网络及其在医疗健康、推荐系统、社会计算等领域的应用,知识图谱以及机器学习模型的健壮性等。他是密歇根州立大学杰出博士生奖以及 NSF CRII Award获得者。他的论文多次发表在机器学习,数据挖掘的顶级会议和期刊(如ICLR,ICML,KDD,WWW,SIGIR和TKDE等)。他是AAAI图神经网络和KDD图深度学习教学讲座的主要组织者和演讲者,这些教学讲座都获得了领域内外的巨大关注和广泛好评。他写作了图深度学习方向的重要学术图书Deep Learning on Graphs(中文版:《图深度学习》)。本书的中英文版本都广受欢迎,好评。

实验室主页:

https://dami-lab.github.io/people/

个人主页:

https://web.njit.edu/~ym329/

招生简介:

招收2023年春季季或者2023年秋季入学的博士生,提供全额奖学金(包含a.全额学费免除:约33000美元 b.工资:约34000美元)。实验室资金充足,并且有丰富的计算资源。

有意向的同学请发送邮件联系,投递邮箱:yao.ma@njit.edu

邮件建议:

1) 邮件主题建议为如下格式:PhD Open Position {名字}

2) 请附上你的简历以及成绩单

3) 请附上一小段你的自我介绍以及研究兴趣


登录查看更多
2

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
专知会员服务
69+阅读 · 2021年7月4日
专知会员服务
43+阅读 · 2020年7月15日
【CCL 2019】2019信息检索趋势,山东大学教授任昭春博士
专知会员服务
29+阅读 · 2019年11月12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
PSU Suhang Wang招图神经网络方向全奖博士生
图与推荐
1+阅读 · 2021年10月27日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2015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
4+阅读 · 2013年2月4日
国家自然科学基金
0+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
6+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年11月24日
Principal Neighbourhood Aggregation for Graph Nets
Arxiv
17+阅读 · 2020年6月7日
Arxiv
101+阅读 · 2020年3月4日
Arxiv
12+阅读 · 2019年2月26日
Arxiv
23+阅读 · 2017年3月9日
VIP会员
相关基金
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2015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
4+阅读 · 2013年2月4日
国家自然科学基金
0+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
6+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
相关论文
Arxiv
0+阅读 · 2022年11月24日
Principal Neighbourhood Aggregation for Graph Nets
Arxiv
17+阅读 · 2020年6月7日
Arxiv
101+阅读 · 2020年3月4日
Arxiv
12+阅读 · 2019年2月26日
Arxiv
23+阅读 · 2017年3月9日
Top
微信扫码咨询专知VIP会员