About mmlab@sigs group

    网络多媒体是异构网络环境下大规模用户与海量媒体内容交互、传播、演化形成的媒体形态，用以满足高动态、高并发的多模态信息访问需求。大规模网络多媒体本质是一个由内容、网络和用户三个域相互耦合所形成的复杂系统。传统网络多媒体分发理论与方法一直受限于三域相互独立的简化假设，割裂地对网络资源进行局部优化配置，导致有限的网络资源与用户高动态高并发媒体需求之间产生难以逾越的鸿沟。多媒体边缘网络与用户行为分别是多媒体内容分发的主要载体和内驱力，是近年来优化多媒体内容服务的主要切入点。如何揭示媒体内容、网络拓扑和用户行为的内在相互作用机理，发展大规模多媒体的资源跨域协同计算理论与方法，实现系统性跨域协同的资源优化配置，是学术界关注的前沿课题。
    针对以往工作在网络与行为挖掘、内容部署与分发、边缘智能部署等方面的不足，课题组尝试从多媒体边缘网络与用户行为跨域联合挖掘入手，建立边缘网络态势感知与行为预测模型，优化多媒体内容分发，并通过模型轻量化与精度-延迟联合的模型部署，实现服务质量驱动的多媒体边缘智能推理以及多媒体边缘内容服务策略，解决大规模多媒体内容分发面临的挑战性问题。研究成果方面，课题组发表计算机学会推荐A类国际会议论文40余篇，发表JCR Q1区期刊论文20余篇。研究成果先后获得2017年教育部自然科学一等奖、2018年国家自然科学奖二等奖，2019年深圳市青年科技奖，2020年电子学会技术发明一等奖。先后5次获得国际会议和期刊等最佳论文奖和2次最佳论文提名。成果被知名技术媒体MIT Technology Review、Synced Review等报道。

    课题组有浓郁的学术氛围。组内同学获清华大学优秀毕业生、清华大学优秀毕业论文、清华大学计算机系优秀毕业生、清华大学国际研究生院优秀专业实践一二等奖等奖项，毕业进入腾讯、阿里、字节跳动、微软、快手、美团等头部企业，并获相应人才计划，或前往多伦多大学、清华大学、香港中文大学、西蒙菲莎大学继续深造。

招收对象

• 专业硕士：通过计算机技术专业硕士项目招生
• 学术硕士：通过TBSI硕士项目招生
• 工学博士：通过计算机科学与技术招生
• 工程博士：通过清华鹏城联合博士项目招生

研究方向

• 分布式机器学习（Distributed Machine Learning Group（分布式机器学习小组） ）
• 模型轻量化（ Efficient Deep Learning Group （高效深度学习小组） ）
• 模型部署与推理（Deep Model Deployment and Inference (D2I) ）
• 沉浸媒体（Challenges in Metaverse Research: A Generative Model Perspective ）
• 大语言模型（‣ ）

候选人要求

• 专业背景：计算机、电子、自动化、数学等方向
  • 本科生具有良好的计算机基础（随申请附编程能力的背书材料，如算法比赛、工程项目等），英文能力（随申请附英文能力的背书材料，如等级考试等），数学能力（随申请附数学能力的背书材料，如课程考试、竞赛等）；
  • 研究生除上述能力，应已经具备一定的研究能力（随申请附已发表论文成果等）。
• 自驱动、积极向上、身心健康
  • 在个人陈述或推荐信材料中，描述展示自驱力的研究经历，以及体现自主性、自我激励和独立工作的能力的事例。提及面对压力和困难时的积极应对方式，以及你如何对待学术挑战的事例。

考查流程

• 联系导师的时间
  • 推免的大致时间：硕士7-8月，博士8-9月
  • 考研面试的大致时间：硕士12-1月，博士12-1月
  • 建议在确定了规划之后，尽可能早联系导师，一遍优先安排后续考查
• 课题组考查
  • 题目分配：通常为论文阅读、小型课题、以及参与现有项目等形式
  • 课题开展：通常2-4周为周期，期间可以与相应的小组进行讨论
  • 课题组面试：课题组面试