清华大学算机系崔鹏课题组招聘因果机器学习/可信AI/生物信息学博士后，欢迎感兴趣的朋友关注。崔鹏老师是清华大学计算机系长聘副教授，也是集智俱乐部“后chatGPT”读书会的发起人之一，以及集智俱乐部“因果科学”社区的重要成员。
崔鹏老师是清华大学计算机系长聘副教授，入选中组部万人计划青年拔尖人才，ACM杰出科学家。崔鹏老师课题组长期聚焦于因果启发的稳定学习和可信决策等，2016年开始与美国科学院院士、斯坦福大学Susan Athey教授共同将因果统计思想与机器学习框架进行融合性研究，提出并发展了因果启发的稳定学习理论方法体系，在智慧医疗、互联网经济等场景取得显著应用价值。课题组在Nature Machine Intelligence、ICML、NeurIPS、KDD等机器学习和数据挖掘顶级会议和期刊上发表论文100余篇，相关工作被《Scientific American》报道，累积引用超过1.8万次。崔鹏老师担任IEEE TKDE、ACM TOMM、ACM TIST、IEEE TBD、KAIS等国际期刊编委，ICML、NeurIPS、KDD等国际顶级会议领域主席，曾获得国家自然科学二等奖、教育部自然科学一等奖、CCF-IEEE CS青年科学家奖等。更多信息请参见崔鹏老师的集智斑图学术主页，可以获取个人主页地址，以及查看崔鹏老师分享过的活动、读书会、路径等，帮助大家更好的了解：
https://pattern.swarma.org/user/70330崔鹏老师课题组研究方向聚焦人工智能技术落地的核心痛点问题，包括：
·因果机器学习：搭建因果学习与机器学习之间的桥梁，发现大数据背后的因果产生机制，改善机器学习的分布外泛化能力和可解释性。
·可信人工智能：解决人工智能技术在预测和决策场景中的稳定性、公平性和可回溯性问题。
·AI+生命科学：综合生物学、医学和人工智能的理论与技术，开发可用于生命科学领域的机器学习方法及其应用。计划招聘博士后若干，基本要求：
·博士毕业或者将毕业，在机器学习、生物学、医学等相关方向的顶级会议或期刊有2～3篇优秀代表作。
·有统计推断基础，编程能力强，具有生物信息学相关交叉背景的申请者优先。
·善于团队合作，具有大型项目参与经验的申请者优先。
·有良好的文献阅读和科研论文撰写能力；高度的责任心和学术道德精神。（1）按照国家和清华大学博士后相关管理办法的有关规定享受相关待遇，优秀者待遇从优。
（2）国内博士后支持申请“博士后创新人才支持计划”；海外博士后支持申请“博士后国际交流项目引进计划”；国内外博士后均支持申请清华大学“水木学者”计划；支持申请博士后基金、青年科研基金等。
应聘者通过电子邮件提交应聘材料，并附上个人简历（包括个人基本情况，教育和工作经历，科研工作概述，论文发表情况或其他成果）。学位证书、成绩单和其它可证明本人能力及水平的相关资料。邮件主题请注明“应聘博士后岗位”。
联系人：何老师
电子邮箱：heyuethu@tsinghua.edu.cn
清华大学计算机科学学院崔鹏副教授联合北京师范大学系统科学学院张江教授和瑞典卡罗琳斯卡医学院高级研究员 Hector Zenil合作在Entropy杂志发起的Causality and Complex Systems特刊正在征稿中，欢迎对相关话题感兴趣的研究者投稿，会议文章也可投稿。
主要信息如下：
期刊：Entropy (ISSN 1099-4300)
栏目：复杂性
特刊主题：因果与复杂系统（Causality and Complex Systems）
征稿截止日期：2023年11月7日
通过以下链接或文末“阅读原文”进入官网查看更多信息：
https://www.mdpi.com/journal/entropy/special_issues/causality_complex_systems
2022年11月30日，一个现象级应用程序诞生于互联网，这就是OpenAI开发的ChatGPT。从问答到写程序，从提取摘要到论文写作，ChatGPT展现出了多样化的通用智能。于是，微软、谷歌、百度、阿里、讯飞，互联网大佬们纷纷摩拳擦掌准备入场……但是，请先冷静一下…… 现在 all in 大语言模型是否真的合适？要知道，ChatGPT的背后其实就是深度学习+大数据+大模型，而这些要素早在5年前的AlphaGo时期就已经开始火热了。5年前没有抓住机遇，现在又凭什么可以搭上大语言模型这趟列车呢？集智俱乐部特别组织“后 ChatGPT”读书会，由北师大教授、集智俱乐部创始人张江老师联合肖达、李嫣然、崔鹏、侯月源、钟翰廷、卢燚等多位老师共同发起，旨在系统性地梳理ChatGPT技术，并发现其弱点与短板。
哥伦比亚大学 CausalAI 实验室主任 Elias Bareinboim 在其 ACM 邀请文章中提到：“如果我们希望下一代人工智能系统是安全的，稳健的，与人类兼容的，提升人类社会福祉的，那么把因果之梯和人类经验连接起来是至关重要的步骤”。回顾人类从亚里士多德开始的 2000 多年的因果研究历程，探求事物之间的因果关系是哲学、自然科学和社会科学等众多研究所追求的终极目标。那么如何让 AI 系统超越曲线拟合，攀登因果之梯思考为什么，并使用因果建模回答因果问题？是本次读书会希望解决的问题。
详情请见：
连接统计学、机器学习与自动推理的新兴交叉领域——因果科学读书会再起航
