Bair Logo.png


Cada año, el Laboratorio de Investigación de Inteligencia Artificial de Berkeley (BAIR) gradúa a algunas de las mentes más talentosas e innovadoras en inteligencia artificial y aprendizaje automático. Nuestro doctorado. Cada uno de los graduados ha ampliado las fronteras de la investigación de la IA y ahora está listo para embarcarse en nuevas aventuras en el mundo académico, la industria y más allá.

Estas fantásticas personas traen consigo una gran cantidad de conocimientos, nuevas ideas y un impulso para seguir contribuyendo al avance de la IA. Su trabajo en BAIR, que abarca desde el aprendizaje profundo, la robótica y el procesamiento del lenguaje natural hasta la visión por computadora, la seguridad y mucho más, ha contribuido significativamente a sus campos y ha tenido impactos transformadores en la sociedad.

Este sitio web está dedicado a mostrar a nuestros colegas, facilitando que las instituciones académicas, las organizaciones de investigación y los líderes de la industria descubran y contraten a la nueva generación de pioneros de la IA. Aquí encontrará perfiles detallados, intereses de investigación e información de contacto de cada uno de nuestros graduados. Lo invitamos a explorar las posibles colaboraciones y oportunidades que presentan estos graduados mientras buscan aplicar su experiencia y conocimientos en nuevos entornos.

Únase a nosotros para celebrar los logros de los últimos graduados de doctorado de BAIR. ¡Su viaje apenas comienza y el futuro que ayudarán a construir es brillante!

Gracias a nuestros amigos del Laboratorio de IA de Stanford por esta idea!



Correo electrónico: salam_azad@berkeley.edu
Sitio web: https://www.azadsalam.org/

Asesor(es): Ion estoica

Anuncio de investigación: Mi interés investigador se sitúa ampliamente en el campo del Machine Learning y la Inteligencia Artificial. Durante mi doctorado me he centrado en Generación de Entorno/Métodos de Aprendizaje Curricular para la formación de Agentes Autónomos con Aprendizaje por Refuerzo. Específicamente, trabajo en métodos que generan algorítmicamente diversos entornos de entrenamiento (es decir, escenarios de aprendizaje) para que agentes autónomos mejoren la generalización y la eficiencia de la muestra. Actualmente, estoy trabajando en agentes autónomos basados ​​en Large Language Model (LLM).
Empleos interesados ​​en: Científico investigador, ingeniero de aprendizaje automático


Alicia Tsai


Correo electrónico: aliciatsai@berkeley.edu
Sitio web: https://www.aliciatsai.com/

Asesor(es): Laurent El Ghaoui

Anuncio de investigación: Mi investigación profundiza en los aspectos teóricos de los modelos implícitos profundos, comenzando con una representación unificada del «espacio de estados» que simplifica la notación. Además, mi trabajo explora varios desafíos de capacitación asociados con el aprendizaje profundo, incluidos problemas susceptibles de optimización convexa y no convexa. Además de la exploración teórica, mi investigación amplía las aplicaciones potenciales a diversos dominios de problemas, incluido el procesamiento del lenguaje natural y las ciencias naturales.
Empleos interesados ​​en: Científico investigador, científico aplicado, ingeniero de aprendizaje automático


Catalina Weaver


Correo electrónico: catherine22@berkeley.edu
Sitio web: cwj22.github.io

Asesor(es): Masayoshi Tomizuka, Wei Zhan

Anuncio de investigación: Mi investigación se centra en el aprendizaje automático y los algoritmos de control para la desafiante tarea de las carreras autónomas en Gran Turismo Sport. Aprovecho mi experiencia en Ingeniería Mecánica para descubrir cómo el aprendizaje automático y el control óptimo basado en modelos pueden crear sistemas de control seguros y de alto rendimiento para robótica y sistemas autónomos. Un énfasis particular mío ha sido cómo aprovechar conjuntos de datos fuera de línea (por ejemplo, las trayectorias de carreras de jugadores humanos) para informar algoritmos de control mejores y más eficientes.
Empleos interesados ​​en: Científico investigador e ingeniero en robótica/controles


Chawin Sitawarin


Correo electrónico: chawin.sitawarin@gmail.com
Sitio web: https://chawins.github.io/

Asesor(es): David Wagner

Anuncio de investigación: Estoy ampliamente interesado en los aspectos de seguridad y protección de los sistemas de aprendizaje automático. La mayoría de mis trabajos anteriores pertenecen al ámbito del aprendizaje automático adversario, en particular ejemplos contradictorios y la solidez de los algoritmos de aprendizaje automático. Más recientemente, estoy entusiasmado con los riesgos emergentes de seguridad y privacidad en los grandes modelos lingüísticos.
Empleos interesados ​​en: Investigador científico



Eliza Kosoy


Correo electrónico: eko@berkeley.edu
Sitio web: https://www.elizakosoy.com/

Asesor(es): Alison Gopnik

Anuncio de investigación: Eliza Kosoy trabaja en la intersección del desarrollo infantil y la IA con la profesora Alison Gopnik. Su trabajo incluye la creación de puntos de referencia evaluativos para LLM basados ​​en el desarrollo infantil y el estudio de cómo los niños y adultos usan modelos GenAI como ChatGPT/Dalle y forman modelos mentales sobre ellos. Es pasante en Google y trabaja en el equipo de AI/UX y anteriormente en Empathy Lab. Ha publicado en Neurips, ICML, ICLR, Cogsci y cognición. Su trabajo de tesis creó un entorno virtual unificado para probar niños y modelos de IA en un solo lugar con el fin de entrenar modelos de RL. También tiene experiencia en la creación de empresas emergentes y juguetes de codificación de hardware STEM.
Empleos interesados ​​en: Investigador Científico (desarrollo infantil e IA), Seguridad de la IA (especializado en niños), Investigador de Experiencia de Usuario (UX) (especializado en métodos mixtos, juventud, IA, LLM), Educación e IA (juguetes STEM)


Fangyu Wu


Correo electrónico: fangyuwu@berkeley.edu
Sitio web: https://fangyuwu.com/

Asesor(es): Alexandre Bayén

Anuncio de investigación: Bajo la tutoría del Prof. Alexandre Bayen, Fangyu se centra en la aplicación de métodos de optimización a sistemas robóticos multiagente, particularmente en la planificación y control de vehículos automatizados.
Empleos interesados ​​en: Profesor o científico investigador en control, optimización y robótica.


Frances Ding


Correo electrónico: frances@berkeley.edu
Sitio web: https://www.francesding.com/

Asesor(es): Jacob Steinhardt, Moritz Hardt

Anuncio de investigación: Mi investigación se centra en el aprendizaje automático para el modelado de proteínas. Trabajo para mejorar la clasificación de las propiedades de las proteínas y el diseño de las proteínas, además de comprender lo que aprenden los diferentes modelos de proteínas. Anteriormente trabajé en modelos de secuencia para ADN y ARN, y puntos de referencia para evaluar la interpretabilidad y equidad de los modelos de aprendizaje automático en todos los dominios.
Empleos interesados ​​en: Investigador científico


Kathy Jang


Correo electrónico: kathyjang@gmail.com
Sitio web: kathyjang.com

Anuncio de investigación: Mi trabajo de tesis se ha especializado en el aprendizaje reforzado para vehículos autónomos, centrándose en mejorar la toma de decisiones y la eficiencia en entornos aplicados. En trabajos futuros, estoy ansioso por aplicar estos principios a desafíos más amplios en dominios como el procesamiento del lenguaje natural. Con mi experiencia, mi objetivo es ver el impacto directo de mis esfuerzos contribuyendo a la investigación y soluciones innovadoras de IA.
Empleos interesados ​​en: Científico/ingeniero investigador de ML



Nikhil Ghosh


Correo electrónico: nikhil_ghosh@berkeley.edu
Sitio web: https://nikhil-ghosh-berkeley.github.io/

Asesor(es): Bin Yu, Song Mei

Anuncio de investigación: Estoy interesado en desarrollar una mejor comprensión fundamental del aprendizaje profundo y mejorar los sistemas prácticos, utilizando metodología tanto teórica como empírica. Actualmente, estoy especialmente interesado en mejorar la eficiencia de modelos grandes estudiando cómo escalar adecuadamente los hiperparámetros con el tamaño del modelo.
Empleos interesados ​​en: Investigador científico


Olivia Watkins


Correo electrónico: oliviawatkins@berkeley.edu
Sitio web: https://aliengirlliv.github.io/oliviawatkins

Asesor(es): Pieter Abbeel y Trevor Darrell

Anuncio de investigación: Mi trabajo implica RL, BC, aprender de los humanos y utilizar el razonamiento de modelos básicos de sentido común para el aprendizaje de agentes. Estoy entusiasmado con el aprendizaje, la supervisión, la alineación y la solidez de los agentes lingüísticos.
Empleos interesados ​​en: Investigador científico


Ruiming Cao


Correo electrónico: rcao@berkeley.edu
Sitio web: https://rmcao.net

Asesor(es): Laura Waller

Anuncio de investigación: Mi investigación se centra en imágenes computacionales, particularmente el modelado espacio-temporal para la recuperación dinámica de escenas y la estimación de movimiento. También trabajo en técnicas de microscopía óptica, diseño óptico basado en optimización, procesamiento de cámaras de eventos y renderizado de vistas novedosas.
Empleos interesados ​​en: Científico investigador, postdoctorado, profesorado.


Ryan Hoque


Correo electrónico: ryanhoque@berkeley.edu
Sitio web: https://ryanhoque.github.io

Asesor(es): Ken Goldberg

Anuncio de investigación: Algoritmos de aprendizaje por imitación y aprendizaje por refuerzo que se adaptan a grandes flotas de robots que realizan manipulaciones y otras tareas complejas.
Empleos interesados ​​en: Investigador científico


Sam Toyer


Correo electrónico: sdt@berkeley.edu
Sitio web: https://www.qxcv.net/

Asesor(es): Estuardo Russell

Anuncio de investigación: Mi investigación se centra en hacer que los modelos de lenguaje sean seguros, robustos y protegidos. También tengo experiencia en visión, planificación, aprendizaje por imitación, aprendizaje por refuerzo y aprendizaje por recompensa.
Empleos interesados ​​en: Investigador científico


Shishir G. Patil


Correo electrónico: shishirpatil2007@gmail.com
Sitio web: https://shishirpatil.github.io/

Asesor(es): José González

Anuncio de investigación: Gorilla LLM: Enseñar a los LLM a utilizar herramientas (https://gorilla.cs.berkeley.edu/); Motor de ejecución de LLM: garantiza la reversibilidad, la solidez y minimiza el radio de explosión para los agentes LLM incorporados en los flujos de trabajo de usuarios y empresas; POET: Ajuste fino de LLM vinculado a la memoria y con eficiencia energética en dispositivos periféricos como teléfonos inteligentes y computadoras portátiles (https://poet.cs.berkeley.edu/).
Empleos interesados ​​en: Investigador científico


Suzie Petryk


Correo electrónico: spetryk@berkeley.edu
Sitio web: https://suziepetryk.com/

Asesor(es): Trevor Darrell, José González

Anuncio de investigación: Trabajo para mejorar la confiabilidad y seguridad de los modelos multimodales. Mi atención se ha centrado en localizar y reducir las alucinaciones para modelos de visión y lenguaje, además de medir y utilizar la incertidumbre y mitigar los sesgos. Mis intereses radican en aplicar soluciones a estos desafíos en escenarios de producción reales, en lugar de únicamente en entornos académicos.
Empleos interesados ​​en: Científico investigador aplicado en IA generativa, seguridad y/o accesibilidad.


Xingyu Lin


Correo electrónico: xingyu@berkeley.edu
Sitio web: https://xingyu-lin.github.io/

Asesor(es): Pieter Abbeel

Anuncio de investigación: Mi investigación se centra en la robótica, el aprendizaje automático y la visión por computadora, con el objetivo principal de aprender habilidades robóticas generalizables desde dos ángulos: (1) Aprender modelos mundiales estructurados con abstracciones espaciales y temporales. (2) Capacitación previa en representación visual y habilidades para permitir la transferencia de conocimientos desde simuladores y conjuntos de datos de visión a escala de Internet.
Empleos interesados ​​en: Profesor o científico investigador.


Yao Dong Yu


Correo electrónico: yyu@eecs.berkeley.edu
Sitio web: https://yaodongyu.github.io/

Asesor(es): Michael I. Jordan, Yi Ma

Anuncio de investigación: Mis intereses de investigación se centran ampliamente en la teoría y la práctica del aprendizaje automático confiable, incluida la interpretabilidad, la privacidad y la solidez.
Empleos interesados ​​en: Facultad