Talk 1 9:00-10:00 

Responsible Machine Learning and Machine Learning for Science 

本报告分三部分：(一) 如何建立高效和可靠的机器学习系统；(二) 如何设计机器学习算法来解决科学问题，比如：药物开发和量子计算；(三) 对北卡罗来纳大学教堂山分校的简单分享。

About the speaker 

陈天龙博士将于 2024 年秋季加入北卡罗来纳大学教堂山分校计算机系担任助理教授。在这之前 (2023 - 2024)，他会加入麻省理工和哈佛大学担任博士后研究员。陈天龙博士分别于 2023 年和 2017 年获得了德州大学奥斯汀分校电子&计算机工程的博士学位，和中国科学技术大学 (少年班学院) 的应用数学和计算机双学士学位。他的主要研究方向是建立准确、可靠和高效的机器学习系统。他近期的研究方向主要聚焦于：(1) 重要的机器学习问题，包括稀疏神经网络、鲁棒性、可学习的优化算法、图网络和扩散模型；(2) 交叉学科的科学难题，比如生物工程、疫苗药物研发和量子计算。陈天龙博士曾先后获得了 Adobe 博士奖学金、IBM 博士奖学金、UT Austin 研究生院长奖学金和 LoG’22 最佳论文。陈天龙博士曾于各大顶会顶刊发表论文，包括 NeurIPS, ICML, ICLR, JMLR, CVPR, ICCV, ECCV, AAAI, TAPMI 等。

Talk 2 10:00-11:00 

神经网络架构理论与应用的结合

本报告将通过理论和实验分析深度神经网络的架构对其收敛速度、复杂度、泛化性能的影响，并进一步在没有任何训练成本的情况下，对网络架构的设计进行准确和高效的指导。将来，我们将进一步利用深度学习理论对训练神经网络的数据和优化过程进行指导和预测。本报告也将简单介绍Simon Fraser University和加拿大温哥华。

About the speaker 

陈武阳博士将于 2024 年秋季加入Simon Fraser University计算机系担任助理教授。2023 - 2024年，陈武阳博士将加入UC Berkeley统计系作为博士后。陈武阳本科毕业于中国科学技术大学，并于2023年获得美国德州大学奥斯汀分校电子计算机工程系的博士学位。

他的工作发表于各大顶会期刊 (NeurIPS, ICML, ICLR, JMLR, CVPR, ICCV, ECCV), 他的研究成果在2022年被美国国家科学基金会 (National Science Foundation, NSF) 的网站报道:

https://www.nsf.gov/news/news_summ.jsp?cntn_id=304639&org=CISE