欢迎！

你好！我的名字是英镇（Yingzhen）我希望你喜欢这个网站。😀

我对建立可靠的机器学习系统感兴趣，它可以推广到看不见的环境。我使用概率建模和表示学习来实现这一目标，我的一些研究主题包括：

1. （深层）概率图形模型设计；
2. 快速准确（贝叶斯）推理/计算技术；
3. 计算和下游任务的不确定性量化；
4. 鲁棒自适应机器学习系统。

总的来说，我还对迁移/元学习、信息理论、优化和顺序数据建模感兴趣。

我目前是计算机系在伦敦帝国理工学院。请参阅面向未来学生的信息或与我合作的信息自2024年3月以来，我也是图灵研究员在阿兰·图灵研究所在回到学术界之前，我在微软剑桥研究院. 

我读博士学位的时候理查德·特纳教授在里面机器学习在剑桥大学，我也是其中的一员达尔文学院.我的博士论文是关于近似推理的。如果您想了解更多关于近似推断和概率ML的信息，请查看以下材料：

• NeurIPS 2020教程“近似推理研究进展“（使用张成)
• ProbeAI 2022教程“贝叶斯神经网络简介"
• GeMSS 2023教程“序列生成模型"
• AAAI 2023新教师亮点”基于贝叶斯原理的鲁棒自适应深度学习" [谈话视频]
• 不完整的列表近似推理中的主题（仍在更新）