In the last five years, my research has been focusing on parallel and distributed computing, including deep learning system optimization, job scheduling, machine learning on GPU, databases, systems for big data, and cloud computing. Please refer to the slides.
首先就是演算法的技能，在有演算法出來後你要有系統的知識，知道說我們要怎樣在系統上來實作進去，能跑實驗去看你的方法是不是真的有效。所以我們實驗室要求的就是對分散式系統要有足夠的了解，要有一些演算法的基礎，這些能力都需要有。
我們很注重大家的興趣，基本上以大家各自的希望為主。至於有些還沒有明確希望的，我們就會先要求他每個禮拜要來meeting，聽聽其他人的進度報告或相關的paper。我會在適當的時機問問看，你聽了這麼多的題目，有沒有對哪個比較有興趣，有的話就去那邊幫忙，萬一還是沒有的話我才會指定。最好是你在找我之前已經知道我在幹嘛，對我做的哪些東西有興趣，我不希望到最後還需要我來指定。
沒有什麼很了不起的事，我會希望他能了解做研究怎麼做。在我們實驗室混久了，應該要能了解怎麼做研究，至於能不能做出來是比較次要的。
很難講，這會因人而異，我沒有要求像打卡一樣一周要固定花多少時間，有在做事就好。我個人覺得這問題蠻無聊的，這就好像問一個人一天要花多少時間讀書一樣，很難有個一體適用的通論。
當然是越早越好啊，因為你們大多數人應該都會讀研究所，早點開始接學習研究方法總是好的。
可以先讀讀看各實驗室網頁的LAB介紹，看有沒有對哪個比較有興趣，你有興趣就可以去試試，不喜歡的話就換一個就好啦。什麼東西都是試一試才知道，不要害怕去嘗試。不過去之前還是要花時間做功課，先讀那實驗室發的paper，要對這實驗室在做什麼有基本的概念。
那就換阿，這有什麼好講的?不用把這件事想的太嚴重，「以為會有興趣」或「誤會這LAB在做什麼」都是很正常的。
難道他去7-11打工我也要知道嗎？沒這回事嘛，我交代的事有做到就好，我不會去care說他跟別的教授做專題，那是他的自由。
專題是一個完整的訓練，從找到問題開始，做一些literature survey(之前的人做過什麼、我們想做的和他們有什麼不同)，然後去想怎麼做，想出來之後還要知道做的有什麼impact，專題會帶著學生經過這個過程。做研究不像作業或期中考，它沒什麼範圍，甚至也不一定有答案，有很多東西是未知的，這個心態會差很多。專題可以讓學生去了解這個感覺。