搞机器学习的人，必须要知道的大牛都有谁？

https://mp.weixin.qq.com/s/6987ZHT3YsSmQuagGFocFQ

 

作者：KnowingAI知智

编辑：zenRRan

https://www.zhihu.com/question/329744395/answer/731077021

 

首先提几位在整个人工智能领域都非常知名的大牛：

 

1. Michael I. Jordan

加州大学伯克利分校电气工程与计算机科学系和统计系教授，统计人工智能实验室（SAIL）主任、统计系系主任。他的研究涉及机器学习、统计学的理论、方法与系统研究等诸多方面，在其 30 余年的学术生涯中，对贝叶斯网络、概率图模型等方向的诞生，以及机器学习与统计学的交叉融合等方面做出了极大的贡献。Jordan 还是机器学习领域中唯一一位拥有美国国家科学院、美国国家工程院、美国艺术与科学院三院院士荣誉的科学家，可谓机器学习甚至整个人工智能领域的顶级大牛。他的许多学生同样是人工智能领域杰出的科学家。由于 Jordan 对早期的人工智能领域所做的贡献，他被誉为「两位人工智能领域的根目录人物之一」。

 

2.Geoffrey Hinton

另一位「人工智能领域的根目录人物」。Hinton 被誉为「深度学习之父」，在过去的三十余年间，对神经网络和深度学习的发展做出了极大贡献，促使「深度学习」从不被看好的边缘课题，成为各科技巨头所仰赖的核心技术，让图像识别、语音识别等人工智能任务能够真正投入实用。与 Hinton 同获 2018 年图灵奖的 Yoshua Bengio 和 Yann LeCun，同样在极大程度上推动了深度学习的发展，行业内无人不晓。

 

3.Zoubin Ghahramani

Jordan 的学生，剑桥信息工程学教授，伦敦 Gatsby 计算神经科学团体的创始人，艾伦·图灵研究院、英国国家数据科学研究院的创始导师之一。主要研究领域为机器学习和概率模型，并在研究领域内拥有极高的地位，是机器学习领域最具影响力的学者之一。

 

4.David J.C. MacKay

英国剑桥大学教授，英国国家工程部皇家学者，著有《信息论、推理与学习算法》——一本将贝叶斯数据建模、蒙特卡罗树、聚类算法等主题融汇在统一框架下的经典机器学习教材。Mackay 曾将贝叶斯概率用于人工神经网络，由此设计出的新型控制器已被广泛应用于发电站中。遗憾的是，Mackay 已在 2016 年 4 月 14 日因胃癌离世，享年 48 岁。

 

5. 吴恩达

斯坦福大学计算机科学系和电子工程系副教授、人工智能实验室主任，在线教育平台 Coursera 的联合创始人，百度首席科学家。吴恩达曾入选由《MIT Technology Review》评选出的「全球 35 位 35 岁以下的科技创新青年」、《时代》杂志年度全球最有影响力 100 人之一，是机器学习领域最权威的学者之一。

 

6.Ian Goodfellow

苹果公司特殊项目小组的机器学习主管。主要研究方向为生成模型和机器学习的安全与隐私。因提出生成对抗网络（GAN），Ian Goodfellow 被誉为「GAN 之父」，也被《MIT Technology Review》评为第 17 届「全球 35 位 35 岁以下的科技创新青年」。

 

7.David Sliver

Google DeepMind 科学家，著名围棋对弈人工智能 Alpha Go 的主要项目负责人，同被称为「Alpha Go」之父的 Demis Hassabis 一样，在强化学习领域拥有极高的地位。

 

想要了解更多大牛，还可以从很多方面切入，比如，一些经典学术书籍的作者。如：

 

1.Tom Mitchell

Mitchell 是卡内基梅隆大学计算机科学学院机器学习系主任，美国工程院、艺术与科学院院士，他还是国际机器学习大会（ICML）的创始人。在机器学习、认知神经学科等方面都有极高的建树，国际地位极高的机器学习研究者。1997 年，Mitchell 出版《Machine Learning》，随即该书成为全世界最为经典的机器学习教材。

 

2.Aaron Courville

Aaron 是蒙特利尔大学计算机科学与运筹学系的助理教授，LISA 实验室的成员。主要研究工作集中于深度学习模型和方法，热衷于开发概率模型和新颖的推断方法。他与 Yoshua Bengio、Ian Goodfellow 合著的《深度学习》（俗称「花书」）是时下最流行的深度学习教材。

 

3.Christopher Bishop

微软剑桥研究院实验室主任，著有经典教材《Pattern Recognition and Machine Learning》。2017 年，Bishop 与 John Winn 合著的《model based machine learning》出版，书中包含大量现实案例，是入门必读的机器学习书籍之一。

 

4.Yaser S. Abu-Mostafa

加州理工学院计算机科学和电子工程系教授，著有《Learning from Data》。赫兹基金会的 the Abu-Mostafa Fellowship，就是以他的名字命名的。

 

5. 李航

微软亚洲研究院高级研究员、主管，主要研究方向为信息检索、数据挖掘、自然语言处理和统计机器学习。著有《统计学习方法》，是一本简明扼要、深入浅出的机器学习教材，适合有一定基础的读者阅读。

 

6. 周志华

国内机器学习方面的领军人物，南京大学教授、人工智能学院院长，亚洲机器学习大会（ACML）的创始人。在半监督学习、多标签和集成学习方面有很强的影响力。著有《机器学习》（俗称「西瓜书」），非常适合作为入门教材。许多机器学习大牛都会在该领域的顶级会议中任职。

 

如果经常关注这些顶级会议，就会对他们更加熟悉。

 

机器学习领域的顶级会议主要有 ICML（国际机器学习大会， International Conference on Machine Learning）和 NIPS（神经信息处理系统大会，Conference and Workshop on Neural Information Processing Systems），还有 AISTATS（国际人工智能与统计会议，International Conference on Artificial Intelligence and Statistics）、AAAI（美国人工智能协会， the Association for the Advance of Artificial Intelligence）等。如：

 

1.Tony Jebara

2017 年 ICML 大会主席，2014 年 ICML 程序主席，哥伦比亚大学计算机科学系副教授，哥伦比亚大学机器学习实验室负责人。主要研究方向为计算机科学和统计学的交叉融合，在视觉、学习和时空建模等方面成就很高。

 

2. 邢波（Eric Xing）

2019 年国际机器学习大会（ICML）主席，卡耐基梅隆大学计算机科学学院教授，机器学习和医疗中心主任，《机器学习杂志》(MLJ) 和《机器学习研究杂志》(JMLR) 的执行主编。主要研究方向为机器学习和统计学习方法论。曾获得美国国家科学基金会 (NSF) 事业奖、IBM 开放协作研究学者奖等诸多奖项。

 

3.Ruslan Salakhutdinov

2019 年 ICML 程序主席，卡内基梅隆大学副教授，苹果首任 AI 总监。Ruslan 对深度学习的发展做出了历史性的贡献。深度学习发展史上最为著名的论文之一《Reducing the Dimensionality of Data with Neural Networks》，就是由 Hinton 与他共同撰写的。Ruslan 一直活跃在学术研究前线，所发表的论文在近 5 年内已被引用超过 16000 次。

 

4.Michael Littman

2013 年 AAAI 联合程序主席，布朗大学计算机科学系教授，研究领域涵盖机器学习、博弈论、计算机网络、马尔可夫决策过程等，在强化学习方面有很高的建树。2018 年，Littman 因其为人工智能的顺序决策算法的设计和分析做出的贡献，被选为 ACM Fellow。

 

5. 张潼

2017 年 ICML 主席，美国新泽西州立大学统计系教授，机器学习与大数据分析领域的国际知名学者。曾任美国新泽西州立大学教授、IBM 研究院研究员、百度研究院副院长、腾讯 AI Lab 主任，现任港科大和创新工场联合实验室主任。

 

6. 朱军

2017 年 ICML 主席，清华大学计算机系副教授、智能技术与系统国家重点实验室副主任、深度学习技术与应用国家工程实验室副主任。曾获国家自然科学基金优秀青年基金，入选 IEEE AI』s 10 to Watch。

 

7.Kamalika Chaudhuri

2019 年 ICML 程序主席，加州大学圣迭哥分校教授，代表作《差分隐私机器学习：理论、算法与应用》。

 

8.Hanna Wallach

2019 年 NIPS 大会主席。马萨诸塞大学阿默斯特分校信息与计算机科学学院的兼职教授，纽约微软研究院研究员。主要研究方向为机器学习，自然语言处理及与机器学习相关的公平、问责和透明度问题。2014 年，她被 Glamour 杂志评为「全球 35 位 35 岁以下正在改变科技行业的女性」。

 

9.Hugo Larochelle

2019 年 NIPS 程序主席，Google Brain 科学家，主要研究机器学习以及自然语言处理和计算机视觉领域的深度神经网络。

 

10. 蔡登

2017 年 AAAI 自身程序委员会委员，浙江大学计算机学院教授，主要研究方向是机器学习。近年来，蔡登在人工智能及计算机视觉领域的国际顶尖学术会议及期刊上发表超过 130 篇论文，被引用超过 15000 次。

 

此外，还有一些上面没有提到的大牛，以及若干国内的优秀学者，依然值得我们了解。如：

 

1.Sebastian Thrun

被称为「Google 无人车之父」，知名机器学习学者，硅谷在线教育平台 Udacity 公司创始人。其在 Udacity 上推出的免费人工智能课程已经获得了超过 190 个国家中 16 万以上用户的关注。

 

2.Max Welling

阿姆斯特丹大学机器学习首席教授，高通技术副总裁。其最为著名的研究成果为贝叶斯通道剪枝，在压缩领域实现了很好的效果。高通将贝叶斯压缩和空间奇异值分解（SVD）相结合，实现了 3 倍于线性模型的压缩比，同时准确率降低小于 1%。

 

3.Andrew Moore

Google Cloud 负责人，前任卡耐基梅隆大学计算机学院院长。主要研究方向为用于控制机器人的机器学习方法、机器人动态操作等。

 

4. 刘铁岩

微软亚洲研究院研究主管，机器学习和信息检索领域的专家。其在排序学习方面的研究处于国际领先地位，著有《排序学习及其在信息检索中的应用》等学术专著。同时持有 40 余项美国和国际专利。

 

5. 杨强

香港科技大学计算机科学和工程系教授，Transfer Learning（迁移学习）技术的开创者，并提出了 Federated Learning 的新方向，是第一位当选 AAAI Fellow 的华人。

 

6. 叶杰平

密歇根大学终身教授，国际知名的机器学习学者，主要研究方向为大规模稀疏模型学习，机器学习和数据挖掘等。

 

推荐阅读：

【一分钟论文】 NAACL2019-使用感知句法词表示的句法增强神经机器翻译

【一分钟论文】Semi-supervised Sequence Learning半监督序列学习

详解Transition-based Dependency parser基于转移的依存句法解析器

经验 | 初入NLP领域的一些小建议

学术 | 如何写一篇合格的NLP论文

干货 | 那些高产的学者都是怎样工作的？

一个简单有效的联合模型

近年来NLP在法律领域的相关研究工作