选题与问题界定
围绕统计机器学习、扩散模型、贝叶斯推断、概率图模型、基于神经微分方程的深度生成模型判断研究问题是否可做、边界是否清楚，把宽泛方向收敛成可执行的研究目标。
Prof. Yang
- 院校
- 省级重点高校、助理教授、QS250高校
- 专业
- 计算机科学与技术
- 学历
- 博士
研究方向
统计机器学习、扩散模型、贝叶斯推断、概率图模型、基于神经微分方程的深度生成模型
专家介绍
发表16篇顶级国际会议/期刊论文，包括ICML、AAAI、UAI、ICDM等； 在机器学习多个顶级学术会议，包括NeurIPS、ICML、ICLR、AISTATS、AAAI担任程序委员和审稿人。
辅导风格深入浅出，善于将复杂的理论知识以通俗易懂的方式传授给学生。 在专业能力上，对神经微分方程和深度生成模型的融合有着深刻理解，能指导学生准确把握模型架构设计，优化训练过程。 在论文写作方面，秦老师帮助学生清晰阐述模型创新点，合理安排实验设计与结果分析，让学生的论文兼具理论深度与实践价值，其辅导的学生在该领域研究中进步显著。
公开页面采用脱敏身份与头像展示，具体专家匹配以咨询沟通、材料阶段和可公开资料为准。
可支持的项目
论文辅导技术支持
支持方式
方法与材料路径
结合计算机科学与技术常见研究范式，梳理文献、数据或案例材料的获取与组织方式，明确方法路线的取舍依据。
写作与规范对标
按目标期刊或学位论文要求核对结构、论证链条与格式规范，形成可逐条执行的修改清单。
审稿意见回应
把审稿与评审意见拆解为可执行的修改任务，明确回应口径、优先级以及需要补充的材料范围。
适用人群
- 正在推进计算机科学与技术方向学位论文或期刊投稿的研究生
- 需要研究方法与写作规范支持的高校教师、科研人员
- 希望把交叉方向的研究问题落到具体方案的跨学科研究者
常见问题
如何匹配到Prof. Yang？
提交研究方向、当前阶段与目标（毕业、投稿或课题申报），学术顾问按方向吻合度与档期进行匹配，最终合作方向以沟通确认为准。
公开信息为什么采用脱敏展示？
页面仅展示经本人授权的脱敏身份、院校类型与研究方向，不公开真实姓名与具体单位，用于保护专家隐私。
可以支持计算机科学与技术方向的哪些阶段？
可介入选题与文献、研究设计、数据分析、写作修改与投稿前复核等阶段，具体支持范围在首次沟通时确认。
是否提供代写或录用保证？
不提供代写、代投与结果保证，只提供研究过程的方法支持与规范指导，论文成果由研究者本人独立完成。
