我們實驗室做的是系統研究，你們大三上就會修到我的計算機結構。我們現在有幾個研究方向。第一個研究方向，是運用將將計算移近資料所在的地方。現在的計算機架構是資料存在記憶體/儲存系統，然後要搬到CPU去處理，但是因為人工智慧/機器學習相關應用，需要存取大量資料，所以現在希望把computation在接近data的地方就先處理，這一類系統有Computation-in-Memory，Computational Storage。未來的computing system 會跟現在你們熟悉的系統不同，這是個非常前瞻及有趣的研究方向。
第二個研究方向是著重是在做ML(Machine Learning) 跟系統的intersection，有了新的ML的workload之後，系統應該要怎麼樣修正，或者怎麼樣用ML來協助系統的設計。我們有開發一個distributed training 作法 (用多個GPU把一個ML的algorithm 加速) ，受到很多人關注，像是Facebook的團隊就有跟我們聯絡，把我們的演算法放在他們open source的repository 。
第三個方向是Edge AI，edge就是終端，現在的趨勢是AI要到終端來，而不是都在cloud做。我們有一個蠻大的project是跟台達電合作。台達電今年在台大成立一個研發中心，我擔任主任。在這個計畫，我們主要focus在 智慧工廠、機器人這些 Edge AI系統的開發。
目前實驗室的研究計畫，都有一些大學部學生參與，像台達電計畫就有三個大學生在做，還 有一個大學部學生是去Appier當intern。
我跟公司的合作計畫，比較傾向具研究價值，所以學生做的題目會比台灣業界再前一點。
大學部的學生我會希望讓他參與實際操作、可以馬上學到實用性的東⻄，不會一直叫他讀paper，而是要從做中學。專題生會直接參與計畫，在計畫中挑選門檻較低的實作題目給他們，培養他們 coding 能力及信心。
修專題的心態很重要。要脫離學習為了考試的行為模式，要主動的學習。
專題是跨向主動學習的第一步，不是說什麼東⻄都幫你規劃好，通通讀完才會，而是做中學，怎麼樣在一個 unstructured的環境去學到你應該學的，這其實是大學教育很重要的事情，但在一般課堂中比較難，所以專題是很重要的transition，這個transition好不好就看自己願意花多少心力，告訴自己這是一件重要的事，而不是說為了拿到學分來看一看。
沒有問題，現在也有學生是在別的實驗室，我也讓他參與，以前也有收一些電機系的學生，他們也是很修多個老師的專題。我是不挑專題生的，我們就是要讓學生學習。
我通常會跟學生說，最好的方式就是看該實驗室的研究，對應到你修的必修課是什麼，自己應該能察覺，哪個必修科目，你特別上手。就我這個領域，你如果修OS，計結，覺得喜歡，那就蠻適合的。每個領域需要的能力不太一樣。做系統的需要組織能力很強，可以top-down的思考，還有表達能力。我實驗室會訓練很多presentation skills，強調文字的論述跟文字的邏輯。
那就修這學期就好，趕快換實驗室，也可以換去同實驗室的不同組。
我很期待有同學加入，台灣系統領域很需要人，業界很缺人，希望更多學生可以投入這一個領域。系統研究是支撐所有酷炫應用的基礎，不管新的應用怎麼演變，系統專長的人，永遠都是需要的人才!