搞機器學習的人，必須要知道的大牛都有誰？

熟悉的大佬里（指經常能刷到paper），感覺有兩個派系，一個是Michael Jordan和他的學生及學生的學生們（Andrew Ng, Eric Xing, David Blei, Zoubin Ghahramani, Percy Liang, Yoshua Bengio, Pieter Abbeel），一個是三巨頭和他的學生們（三巨頭之一Bengio還是喬丹的學生orz，Ian Goodfellow, Ruslan Salakhutdinov...好吧念不出來了）

首先提幾位在整個人工智慧領域都非常知名的大牛：

1.Michael I. Jordan

加州大學伯克利分校電氣工程與計算機科學系和統計系教授，統計人工智慧實驗室（SAIL）主任、統計系系主任。他的研究涉及機器學習、統計學的理論、方法與系統研究等諸多方面，在其 30 余年的學術生涯中，對貝葉斯網路、概率圖模型等方向的誕生，以及機器學習與統計學的交叉融合等方面做出了極大的貢獻。

Jordan 還是機器學習領域中唯一一位擁有美國國家科學院、美國國家工程院、美國藝術與科學院三院院士榮譽的科學家，可謂機器學習甚至整個人工智慧領域的頂級大牛。他的許多學生同樣是人工智慧領域傑出的科學家。

由於 Jordan 對早期的人工智慧領域所做的貢獻，他被譽為「兩位人工智慧領域的根目錄人物之一」。

2.Geoffrey Hinton

另一位「人工智慧領域的根目錄人物」。Hinton 被譽為「深度學習之父」，在過去的三十餘年間，對神經網路和深度學習的發展做出了極大貢獻，促使「深度學習」從不被看好的邊緣課題，成為各科技巨頭所仰賴的核心技術，讓圖像識別、語音識別等人工智慧任務能夠真正投入實用。

與 Hinton 同獲 2018 年圖靈獎的 Yoshua Bengio 和 Yann LeCun，同樣在極大程度上推動了深度學習的發展，行業內無人不曉。

關於 Hinton 更加詳細的故事，可以移步這裡~

學術界有哪些大器晚成的例子？?

www.zhihu.com

3.Zoubin Ghahramani

Jordan 的學生，劍橋信息工程學教授，倫敦 Gatsby 計算神經科學團體的創始人，艾倫·圖靈研究院、英國國家數據科學研究院的創始導師之一。主要研究領域為機器學習和概率模型，並在研究領域內擁有極高的地位，是機器學習領域最具影響力的學者之一。

4.David J.C. MacKay

英國劍橋大學教授，英國國家工程部皇家學者，著有《資訊理論、推理與學習演算法》——一本將貝葉斯數據建模、蒙特卡羅樹、聚類演算法等主題融匯在統一框架下的經典機器學習教材。Mackay 曾將貝葉斯概率用於人工神經網路，由此設計出的新型控制器已被廣泛應用於發電站中。

遺憾的是，Mackay 已在 2016 年 4 月 14 日因胃癌離世，享年 48 歲。

5. 吳恩達

斯坦福大學計算機科學系和電子工程系副教授、人工智慧實驗室主任，在線教育平台 Coursera 的聯合創始人，百度首席科學家。吳恩達曾入選由《MIT Technology Review》評選出的「全球 35 位 35 歲以下的科技創新青年」、《時代》雜誌年度全球最有影響力 100 人之一，是機器學習領域最權威的學者之一。

6.Ian Goodfellow

蘋果公司特殊項目小組的機器學習主管。主要研究方向為生成模型和機器學習的安全與隱私。

因提出生成對抗網路（GAN），Ian Goodfellow 被譽為「GAN 之父」，也被《MIT Technology Review》評為第 17 屆「全球 35 位 35 歲以下的科技創新青年」。

7.David Sliver

Google DeepMind 科學家，著名圍棋對弈人工智慧 Alpha Go 的主要項目負責人，同被稱為「Alpha Go」之父的 Demis Hassabis 一樣，在強化學習領域擁有極高的地位。

想要了解更多大牛，還可以從很多方面切入，比如，一些經典學術書籍的作者。

如：

1.Tom Mitchell

Mitchell 是卡內基梅隆大學計算機科學學院機器學習系主任，美國工程院、藝術與科學院院士，他還是國際機器學習大會（ICML）的創始人。在機器學習、認知神經學科等方面都有極高的建樹，國際地位極高的機器學習研究者。

1997 年，Mitchell 出版《Machine Learning》，隨即該書成為全世界最為經典的機器學習教材。

2.Aaron Courville

Aaron 是蒙特利爾大學計算機科學與運籌學系的助理教授，LISA 實驗室的成員。主要研究工作集中於深度學習模型和方法，熱衷於開發概率模型和新穎的推斷方法。

他與 Yoshua Bengio、Ian Goodfellow 合著的《深度學習》（俗稱「花書」）是時下最流行的深度學習教材。

3.Christopher Bishop

微軟劍橋研究院實驗室主任，著有經典教材《Pattern Recognition and Machine Learning》。2017 年，Bishop 與 John Winn 合著的《model based machine learning》出版，書中包含大量現實案例，是入門必讀的機器學習書籍之一。

4.Yaser S. Abu-Mostafa

加州理工學院計算機科學和電子工程系教授，著有《Learning from Data》。赫茲基金會的 the Abu-Mostafa Fellowship，就是以他的名字命名的。

5. 李航

微軟亞洲研究院高級研究員、主管，主要研究方向為信息檢索、數據挖掘、自然語言處理和統計機器學習。

著有《統計學習方法》，是一本簡明扼要、深入淺出的機器學習教材，適合有一定基礎的讀者閱讀。

6. 周志華

國內機器學習方面的領軍人物，南京大學教授、人工智慧學院院長，亞洲機器學習大會（ACML）的創始人。在半監督學習、多標籤和集成學習方面有很強的影響力。

著有《機器學習》（俗稱「西瓜書」），非常適合作為入門教材。

許多機器學習大牛都會在該領域的頂級會議中任職。如果經常關注這些頂級會議，就會對他們更加熟悉。

機器學習領域的頂級會議主要有 ICML（國際機器學習大會， International Conference on Machine Learning）和 NIPS（神經信息處理系統大會，Conference and Workshop on Neural Information Processing Systems），還有 AISTATS（國際人工智慧與統計會議，International Conference on Artificial Intelligence and Statistics）、AAAI（美國人工智慧協會， the Association for the Advance of Artificial Intelligence）等。

如：

1.Tony Jebara

2017 年 ICML 大會主席，2014 年 ICML 程序主席，哥倫比亞大學計算機科學系副教授，哥倫比亞大學機器學習實驗室負責人。主要研究方向為計算機科學和統計學的交叉融合，在視覺、學習和時空建模等方面成就很高。

2. 邢波（Eric Xing）

2019 年國際機器學習大會（ICML）主席，卡耐基梅隆大學計算機科學學院教授，機器學習和醫療中心主任，《機器學習雜誌》(MLJ) 和《機器學習研究雜誌》(JMLR) 的執行主編。主要研究方向為機器學習和統計學習方法論。曾獲得美國國家科學基金會 (NSF) 事業獎、IBM 開放協作研究學者獎等諸多獎項。

3.Ruslan Salakhutdinov

2019 年 ICML 程序主席，卡內基梅隆大學副教授，蘋果首任 AI 總監。

Ruslan 對深度學習的發展做出了歷史性的貢獻。深度學習發展史上最為著名的論文之一《Reducing the Dimensionality of Data with Neural Networks》，就是由 Hinton 與他共同撰寫的。Ruslan 一直活躍在學術研究前線，所發表的論文在近 5 年內已被引用超過 16000 次。

4.Michael Littman

2013 年 AAAI 聯合程序主席，布朗大學計算機科學系教授，研究領域涵蓋機器學習、博弈論、計算機網路、馬爾可夫決策過程等，在強化學習方面有很高的建樹。2018 年，Littman 因其為人工智慧的順序決策演算法的設計和分析做出的貢獻，被選為 ACM Fellow。

5. 張潼

2017 年 ICML 主席，美國新澤西州立大學統計系教授，機器學習與大數據分析領域的國際知名學者。曾任美國新澤西州立大學教授、IBM 研究院研究員、百度研究院副院長、騰訊 AI Lab 主任，現任港科大和創新工場聯合實驗室主任。

6. 朱軍

2017 年 ICML 主席，清華大學計算機系副教授、智能技術與系統國家重點實驗室副主任、深度學習技術與應用國家工程實驗室副主任。曾獲國家自然科學基金優秀青年基金，入選 IEEE AI』s 10 to Watch。

7.Kamalika Chaudhuri

2019 年 ICML 程序主席，加州大學聖迭哥分校教授，代表作《差分隱私機器學習：理論、演算法與應用》。

8.Hanna Wallach

2019 年 NIPS 大會主席。馬薩諸塞大學阿默斯特分校信息與計算機科學學院的兼職教授，紐約微軟研究院研究員。主要研究方向為機器學習，自然語言處理及與機器學習相關的公平、問責和透明度問題。2014 年，她被 Glamour 雜誌評為「全球 35 位 35 歲以下正在改變科技行業的女性」。

9.Hugo Larochelle

2019 年 NIPS 程序主席，Google Brain 科學家，主要研究機器學習以及自然語言處理和計算機視覺領域的深度神經網路。

10. 蔡登

2017 年 AAAI 自身程序委員會委員，浙江大學計算機學院教授，主要研究方向是機器學習。近年來，蔡登在人工智慧及計算機視覺領域的國際頂尖學術會議及期刊上發表超過 130 篇論文，被引用超過 15000 次。

此外，還有一些上面沒有提到的大牛，以及若干國內的優秀學者，依然值得我們了解。

如：

1.Sebastian Thrun

被稱為「Google 無人車之父」，知名機器學習學者，矽谷在線教育平台 Udacity 公司創始人。其在 Udacity 上推出的免費人工智慧課程已經獲得了超過 190 個國家中 16 萬以上用戶的關注。

2.Max Welling

阿姆斯特丹大學機器學習首席教授，高通技術副總裁。其最為著名的研究成果為貝葉斯通道剪枝，在壓縮領域實現了很好的效果。高通將貝葉斯壓縮和空間奇異值分解（SVD）相結合，實現了 3 倍於線性模型的壓縮比，同時準確率降低小於 1%。

3.Andrew Moore

Google Cloud 負責人，前任卡耐基梅隆大學計算機學院院長。主要研究方向為用於控制機器人的機器學習方法、機器人動態操作等。

4. 劉鐵岩

微軟亞洲研究院研究主管，機器學習和信息檢索領域的專家。其在排序學習方面的研究處於國際領先地位，著有《排序學習及其在信息檢索中的應用》等學術專著。同時持有 40 余項美國和國際專利。

5. 楊強

香港科技大學計算機科學和工程系教授，Transfer Learning（遷移學習）技術的開創者，並提出了 Federated Learning 的新方向，是第一位當選 AAAI Fellow 的華人。

6. 葉傑平

密歇根大學終身教授，國際知名的機器學習學者，主要研究方向為大規模稀疏模型學習，機器學習和數據挖掘等。

鏡像問題：

搞計算機視覺的人，必須要知道的大牛有哪些？?

www.zhihu.com

編輯於 2019-07-09繼續瀏覽內容

知乎發現更大的世界打開

Chrome繼續

是他是他就是他我們的英雄小哪吒LSTM之父Juergen Schmidhuber @Juergen Schmidhuber

LSTM之父Juergen Schmidhuber @Juergen Schmidhuber

感謝！看到部分高贊回答里都有提到楊強教授，咱們來詳細介紹一下。

楊強教授為香港科技大學新明工程學講席教授、計算機科學和工程學系主任。他是國際人工智慧界「遷移學習」（transfer learning）技術的開創者，同時提出了「聯邦學習」（Federated Learning）的研究新方向。

主要成就：

2013年7月，當選為國際人工智慧協會（AAAI）院士，是第一位獲此殊榮的華人；
2016年5月，當選為AAAI執行委員會委員，是首位也是至今為止唯一的AAAI華人執委。
2017年8月，當選為國際人工智慧聯合會(IJCAI，國際人工智慧領域創立最早的頂級國際會議)理事會主席，是第一位擔任IJCAI理事會主席的華人科學家。

想了解下這位大牛更多信息，可以點擊這裡：

Qiang Yang?

www.cse.ust.hk

楊強教授正在機器學習領域做什麼？

基於小數據困境難題，楊強教授和團隊提出了「遷移學習」的理論體系。此外，為了解決數據割裂、數據孤島問題，還進一步提出「聯邦學習 Federated Learning」理論，能夠保證各企業在自有數據不出本地，模型效果不變，在不違規的情況下進行聯合建模，提升機器學習演算法建模效率。在楊強教授的帶領下，咱們還開源了全球首個工業級的「聯邦學習」技術框架Federated AI Technology Enabler（FATE）。

感興趣的朋友可以去Github了解一下這個項目：

WeBankFinTech/FATE?

github.com

以上，機器學習是個很大很深的領域，需要許多理論研究者的前仆後繼，但伴隨著研究範圍的不斷深入和擴大，其應用前景的拓展也很重要。

搞機器學習的人，想要從理論到實踐，再到創新的新型應用，楊強教授這位大牛及其研究是一定要去深入了解的。

感謝！為楊強教授點贊

發佈於 2019-08-06繼續瀏覽內容

知乎發現更大的世界打開

Chrome繼續

學術頭條AMiner

作為機器學習界的開山鼻祖，Michael Jordan是人工智慧領域兩位根目錄人物之一（另一位是「神經網路之父」Geoffrey Hinton），他擁有一系列輝煌耀眼的頭銜：

機器學習領域唯一獲得美國科學院、美國工程院、美國藝術與科學院三院院士成就的科學家；
UC Berkeley著名機器學習實驗室AMP Lab聯席主任；
AAAI、ACM、ASA、CSS、IEEE、IMS、ISBA和SIAM等全球頂級學會Fellow；
2009年獲得ACM / AAAI Allen Newell獎；
2015年獲得David E. Rumelhart獎；
2016年獲得IJCAI卓越研究獎；
2016 年，被《科學》雜誌譽為全世界最具影響力的計算機科學家；
2018年擔任國際數學家大會1小時報告人。

他還被Semantic Scholar欽定為計算機科學領域最具影響力學者《Who『s the Michael Jordan of computer science？New tool ranks researchers』 influence》。雖然在以往的論文中他的總引用數不是最高的，但他的很多作品都堪稱開山之作。

他的研究

他是當世概率圖模型的集大成者，被譽為讓世人意識到機器學習與統計學之間聯繫的原創思想家之一。

他的主要貢獻包括：指出了機器學習與統計學之間的聯繫，讓學界認識到了貝葉斯網路的重要性；他還發展了Jordan網路，是遞歸神經網路的一種。

貝葉斯網路發展到高級階段，概率圖模型使得計算成為問題，從而發展出了變分貝葉斯領域，變分貝葉斯有三個發展階段，其中第三階段，就是Jordan提出的ELBO(Evidence Lower BOund)，重建了變分貝葉斯的基礎框架。

他的研究方向包括了計算學、統計學、認知及生物科學。最近幾年集中在貝葉斯非參數分析、概率圖模型、譜方法、分散式計算系統中內核機及其應用問題、自然語言處理、信號處理和統計遺傳學等問題（幾乎涵蓋了大部分機器學習中的內容）。

他的學生

在機器學習領域，Jordan絕對屬於宗師級別的人物。

Jordan桃李滿天下，所教過的學生人才輩出，佔據了AI學術界的半壁江山。隨便列幾位他的學生大家感受一下：深度學習三大開山鼻祖之一、蒙特利爾大學教授Yoshua Bengio；貝葉斯學習領域權威Zoubin Ghahramani；LDA領域權威、哥倫比亞大學教授 David M. Blei；前百度首席科學家、斯坦福大學教授吳恩達；學界大牛斯坦福大學教授 Percy Liang 等人。

再比如，如日中天的對抗生成網路GAN是由Ian Goodfellow提出，Ian Goodfellow是Bengio的學生，而Bengio是Jordan的學生。