曼大【机器学习】博士项目，截至在即！

University of Manchester

机器学习全奖博士项目

机器学习与深度学习剖析

机器学习和深度学习变得越来越火。突然之间，不管是了解的还是不了解的，所有人都在谈论机器学习和深度学习这两个名词了。Google trend清楚的展示了他们的火热程度。

那么什么是机器学习和深度学习呢？

机器学习(ML)利用算法分析和解释数据的模式及结构，以实现无需人工交互即可完成学习，从而对世界中发生的事做出推理和决策。简单来说，机器学习通过用户向计算机算法输入大量数据，然后计算机仅根据输入数据给出数据驱动型建议和决策。

“机器学习”是要基于大量数据的一项技术应用，通过大量的数据学习，形成智能化，同时其也是是实现人工智能的一个重要途径。常用的机器学习算法有：决策树、随机森林、逻辑回归、SVM、朴素贝叶斯、神经网络等。

深度学习是机器学习的一个分支，以人工神经网络为架构，通过模拟人脑进行分析学习，并模仿人脑的机制来解释数据的一种机器学习技术。最显著的应用是于非结构化数据的模式中，例如自然语言处理领域。

项目：变化环境中强化学习算法的缓解措施

申请截止日期：10/6/2022 hurry up！

项目详情：

众所周知，开发强化学习（RL）算法来训练游戏环境中的代理。代理训练通常是针对一个已知的、简化的或受限制的环境进行的。然而，部署的环境通常更加复杂，并受到一些变化和不确定因素的影响，而这些因素在训练环境中并没有体现。RL算法通常针对概率领域来描述性能，而不是能够应对随时间变化的环境。由此产生的RL代理的性能可望随着时间的推移而受到损害，但不一定是灾难性的。在这个博士项目中，我们关注的是（i）理解这种性能退化和（ii）开发缓解策略。更具体地说，该项目将侧重于创建一个训练和测试框架，包括一个动态环境的模拟引擎和一个可配置的RL方法。除了考虑环境的变化，模拟器和RL代理将需要考虑现实世界的挑战，如多个冲突的目标、稳健性和安全问题。

BAE系统公司的团队专注于先进模拟、优化和机器学习方面的前沿研究，因此对如何扩展RL以支持动态环境下的决策进行了投资。因此，该项目将直接为BAE系统公司正在进行的研究做出贡献。从科学的角度来看，该项目将导致跨学科的研究和产出，具有很高的质量和意义。

申请条件：

该项目为全额资助的博士生项目，接受来自全球的申请者，由EPSRC/BAE系统工业提供博士生奖学金。由于本课题的性质，候选人可能要接受安全检查。

项目：计算机图形学 – 材料外观建模和基于物理的渲染

申请截止日期：全年可申请

项目详情：

近年来，特别是在大流行病和每个人都在远程工作的情况下，计算机图形学的进步变得比以往任何时候都更加重要。物体的照片逼真建模和渲染是虚拟场景逼真度的关键组成部分，在虚拟现实、医学成像、在线零售和娱乐行业（如游戏和电影）中都有应用。我们专注于研究光如何与复杂的材料（如布、头发、毛皮和人体皮肤）相互作用，并使用最先进的渲染技术生成基于物理学的真实成像，以提供保真度以及互动或实时渲染的实用性。

该项目对使用新技术的高效渲染特别感兴趣，如细节水平和神经渲染，这是一种借助机器学习来加速渲染管道计算的新方法。该研究旨在开发外观建模和渲染领域的新算法和理论，具体方向可以根据申请人的兴趣和实力来讨论。有关该课题和未来项目的非正式咨询，可发邮件至 zahra.montazeri@manchester.ac.uk。

申请条件：

平等、多样性和包容是曼彻斯特大学成功的根本，也是我们所有活动的核心。该项目支持从职业中断等申请者的申请。同时可以考虑提供灵活的学习安排（包括兼职：50%、60%或80%，取决于项目/资助方）。

资助说明：

资助包括学费和年度津贴，至少为UKRI的最低标准（22/23学年为16,062英镑）。本研究项目是数学系的众多项目之一。项目多于资金，本项目与其他可用项目竞争资金。通常情况下，获得最佳申请者的项目将获得资助。

项目：用于作者身份识别的机器学习和自然语言处理

申请截止日期：30/6/2022

项目详情：

作者身份识别，有时也称为作者归属或作者分析，是指根据作者的语言使用情况来确定谁写了一份文件的任务。这个问题经常在文件是法医案件证据的情况下遇到，例如，当威胁信这样的文本的作者身份对调查至关重要时。更具体地说，这是法医语言学从业者经常需要的一项任务，法医语言学是一个相对较新的领域，涉及将语言学应用于法医问题。

作者身份识别已经从计算的角度得到了广泛的研究。然而，计算机科学中使用的标准方法可以通过语言学的洞察力进一步改进。

本项目包括对从机器学习和自然语言处理中借来的技术在语言学上的合理应用进行实验，以解决作者身份识别问题。

申请条件：

只接受自费申请者。申请人应具有计算机科学学位，最好有处理大型数据集的工作经验。