理论机器学习

自然数据具有某种“善意”的结构，使得理论上极其困难的问题在实际中变得可解。

理论机器学习领域需要培养面对混乱、不确定现实进行建模及批判性评估模型的能力，而非仅解决定义明确的开放问题。

真正零指导的本科生独立发表案例集中在算力需求低、理论性强的方向，比如算法优化、理论机器学习或某些形式化验证工作。