Öt Berkeley-hallgató kapta meg a Siebel Scholars ösztöndíját

A hallgatók a program 2027-es évfolyamához csatlakoznak

A Berkeley Engineering szeptember 18-i közlése szerint öt UC Berkeley-hallgatót tüntettek ki a Siebel Scholars Foundation 2027-es évfolyamának tagjaként. Mindannyian a számítástechnika területén folytatnak doktori szintű tanulmányokat.

A kitüntetettek a bioengineering, a számítástechnika és az üzleti tudományok területén dolgozó, több mint 2000 korábbi díjazotthoz csatlakoznak. A Siebel Scholars program az Egyesült Államok, Kína, Franciaország, Olaszország és Japán egyetemein tanuló kiválasztott hallgatókat támogatja.

35 000 dolláros támogatást kapnak

A program 35 000 dolláros támogatást ítél oda a kiválasztott hallgatóknak. A díjazottakat kiemelkedő tanulmányi eredményeik és bizonyított vezetői képességeik alapján választják ki. A Berkeley Engineering szerint átlagosan évfolyamuk legjobb 5 százalékába tartoznak, sokan pedig a legjobb 1 százalékban vannak.

Mark Asta, a Berkeley mérnöki karának dékánja és a Roy W. Carlson Chair of Engineering tisztség viselője szerint az elismerés a kar legtehetségesebb hallgatóit méltatja. A Berkeley közleménye Asta szavait idézve azt írta, hogy büszkék a díjazottakra, és azt várják tőlük, hogy az ösztöndíj segítségével új kutatási irányokat kövessenek, amelyek előmozdítják a tudást és az innovációt a saját területükön.

Robotika, gépi tanulás és nyelvi modellek

Alexander Proshkin robotok tanulásával, megerősítéses tanulással és azzal foglalkozik, hogyan alakíthatnak ki az intelligens rendszerek érdemi megértést a fizikai világról.

Nicolas Rakela a gépi tanulási rendszerek hardverét és az alacsony pontosságú numerikus eljárásokat vizsgálja a hatékony következtetés érdekében. Saathvik Selvan azt kutatja, hogyan érthetik meg és hogyan kezelhetik a gépek a fizikai világot, különös figyelemmel a háromdimenziós vizuális érzékelésre és a robotok ügyes manipulációjára.

Hiya Shah a robotika biztonságával, a megerősítéses tanulással és az emberközpontú robotikával foglalkozik. Karen Shieh azt vizsgálja, miként tehetik a nagy nyelvi modellek hozzáférhetőbbé és hatékonyabbá a szoftverbiztonsági eszközöket.

A bejelentés alapján a támogatás közvetlenül az öt hallgató kutatási irányainak folytatását segítheti. A felsorolt témák a fizikai világgal kapcsolatba lépő robotrendszerektől és a gépi tanulás hatékony hardveres megvalósításától a robotbiztonságig és a szoftverbiztonsági eszközökig terjednek.