تشيرونغ هو - MBZUAI MBZUAI

تشيرونغ هو

أستاذ مساعد في تعلّم الآلة

الاهتمامات البحثية

ينصبّ اهتمام البروفيسور "هو" البحثي الأساسي على أنظمة البرمجيات الخاصة بـ«تصنيع» برامج تعلّم الآلة (ML) على نطاق واسع. وهذه الأنظمة البرمجية يجب أن تتيح جملةً من المهام وتُؤتمتها وتُحسّنها، وهي: تركيب «اللبنات» الأساسية لبرامج وأنظمة تعلّم الآلة لبناء تطبيقات متطورة، والتوسّع للتعامل مع أحجام هائلة من البيانات والنماذج، وتخصيص الموارد وجدولتها، وضبط المعاملات الفائقة (hyperparameters)، وتوزيع الشيفرة على العتاد.

البريد الإلكتروني

inner_image

قبل انضمامه إلى جامعة محمد بن زايد للذكاء الاصطناعي، شارك البروفيسور Ho في تأسيس شركة Petuum Inc.‎ وتولّى فيها منصب المدير التقني (CTO)، وهي شركة ناشئة في مجال الذكاء الاصطناعي بلغت مصافّ شركات «اليونيكورن»، ونالت تكريم المنتدى الاقتصادي العالمي بوصفها «رائدة تقنية» (Tech Pioneer) لابتكارها لبنات بناء موحّدة تتيح إنتاج الذكاء الاصطناعي بأسلوب «خط التجميع»، على نحوٍ ميسور التكلفة ومستدام وقابل للتوسّع، ويتطلّب تدريبًا أقل للعاملين في المجال.

والبروفيسور "هو" عضو في اللجنة التقنية لاتحاد CASL مفتوح المصدر (المعني بتعلّم الآلة القابل للتركيب والمؤتمت والقابل للتوسّع).

وقد نالت أطروحته للدكتوراه جائزة SIGKDD لأفضل أطروحة لعام 2015 (المركز الثاني).

  • دكتوراه في تعلّم الآلة، جامعة كارنيغي ميلون، الولايات المتحدة الأمريكية
  • بكالوريوس في البيولوجيا الحاسوبية، جامعة كارنيغي ميلون، الولايات المتحدة الأمريكية
  • جائزة Jay Lepreau لأفضل بحث، في الندوة الخامسة عشرة لمعهد USENIX حول تصميم أنظمة التشغيل وتنفيذها، عام 2021 (OSDI '21)
  • جائزة أفضل بحث عن دراسة «Managed Communication and Consistency for Fast Data-Parallel Iterative Analytics»، ندوة ACM حول الحوسبة السحابية، عام 2015 (SoCC 2015)
  • جائزة SIGKDD لأفضل أطروحة لعام 2015 (المركز الثاني) عن أطروحته للدكتوراه

  • دراسة بعنوان – Pollux: Co-adaptive cluster scheduling for goodput-optimized deep learning نُشرت في مؤتمر OSDI، عام 2021.
  • دراسة بعنوان – Poseidon: An efficient communication architecture for distributed deep learning on GPU clusters نُشرت في مؤتمر USENIX ATC، عام 2017.
  • دراسة بعنوان – Strategies and principles of distributed machine learning on big data نُشرت في مجلة Engineering، المجلد 2، العدد 2، عام 2016.
  • دراسة بعنوان – Petuum: A new platform for distributed machine learning on big data نُشرت في مجلة IEEE Transactions on Big Data، المجلد 1(2)، عام 2015.
  • دراسة بعنوان – More effective distributed ML via a stale synchronous parallel parameter server نُشرت في مؤتمر NeurIPS، عام 2013.
  • فصل بعنوان – Analyzing Time-Evolving Networks using an Evolving Cluster Mixed Membership Stochastic Blockmodel (الفصل 22) ضمن كتاب Handbook of Mixed Membership Models and its Applications، عام 2014.

تواصل مع شؤون هيئة التدريس

مهتم بالعمل مع أعضاء هيئة التدريس لدينا
قم بتعبئة النموذج أدناه وسنقوم بالرد عليك.