京公网安备 11010802034615号
经营许可证编号:京B2-20210330
你需要知道的10个机器学习专家
机器学习是一个令人难以置信的广阔和丰富多彩的领域,涉及到了大量的应用。因此,标题写为“需要知道的10个机器学习专家”而且要去证明它这是具有非常大的挑战性。
首先,我限制了那些目前在该领域的工作,如果我延伸到过去,我永远不可能只有十值得一提。
其次,这个列表是没有办法排名,我怎么决定哪个更显著?Boltzmann机器学习或反向传播?自驾车或自主直升机?Coursera和Udacity?
第三,这是没有办法的详尽列举一个关于在机器学习领域作出重大贡献的清单。但如果你有一个强烈的愿望,告诉我们谁应该被包括在这个列表中,请在评论中留下姓名。
1.Geoffrey Hinton
很难用几句话来总结任何拥有超凡思想的人,对于Hinton,这证明特别具有挑战性的。三年前,Hinton已经在深入学习,co-inventing Boltzmann machines, backpropagation和对比差异取得了相应的成绩。但直到计算电源管理规模达到深度学习的需求,Hinton开始真正在学术界得到广泛的认可,他当之无愧。在2004,他共同创立神经计算和自适应感知,他精心挑选的邀请者来自于物理领域,神经科学与工程。他还创立了DNNresearch,这在谷歌去年被通过。从那时起,他一直在研究所谓的谷歌大脑神经网络项目,并帮助提高谷歌的图像识别和Android的语音识别能力。
2.Michael I Jordan
Michael I Jordan目前是伯克利大学教授,和麻省理工学院前教授。他的教学,就像他的研究兴趣,是统计和EECS之间的分裂。他帮助推广的贝叶斯网络在机器学习应用中使用,并常被人拿来作为统计和机器学习重叠的思想家。他是一个AAAI,ACM,IEEE,ASA,CSS,IMS,ISBA and SIA。他的研究生和博士后学生也走在机器学习的世界产生深远的影响,其中有几个人出现在Andrew Ng, David Blei and Zoubin Ghahramani这些中。
3.Andrew Ng
Andrew Ng是一位斯坦福大学的副教授,斯坦福的智能实验室主任,百度Coursera的创始人和董事长,首席科学家。他以第一作者或合著者在机器学习和人工智能发表文章100多篇。他在斯坦福的无人直升机项目(无人直升机通过强化学习是世界上最复杂的一种)。Andrew Ng在2011年还创办了谷歌“大脑”项目,是目前运行在百度大脑计划中(预计是世界上最大的神经网络)。
4.Jeff Hawkins
直到90年代,Jeff Hawkins的名字主要是与掌上电脑有关,他发明的一种装置。在2002年,他致力于神经科学和人工学习过程集中在人类大脑皮质的功能,并建立了理论神经科学中心。在2005年,他发表了对大脑的记忆预测框架理论的开创性工作,题为“智力:的大脑有了新的认识,会导致产生真正的智能机”。2005同年,Jeff Hawkins,还有前Palm Pilot首席执行官Donna Dublinsky and Dileep George成立Numenta,一家致力于关于大脑功能的理论和算法,可以实现这些理论的人工智能。在他们的研究结果主要是算法框架层次时间记忆和固定的稀疏分布的表示。
5.Yann LeCun
convulutional LeCun对神经网络的认识和发展作出了重要的贡献,特别是在图像识别领域。他花了很多时间在80年代后期和90年代初与AT&T,首先作为一个研究者和最终的图像处理的研究部门的负责人,一个图像压缩技术的主要创造者在哪里DjVu。他加入了纽约大学2003年计算机科学神经科学教授,并在去年成为facebook的人工智能实验室主任。
6.Terry Sejnowski
圣迭戈在加利福尼亚大学,生物科学教授,以及在索尔克研究所的弗兰西斯教授和霍华德克里克医学研究所研究员。他对机器学习领域的开拓性贡献包括他与 Geoffrey Hinton合作发明的 Boltzmann machines。由于他在计算脑功能的建模工作,他是10中的其中一个科学家被选到所有三个国家科学院(医学,科学和工程)。目前他为映射神经电路开发新工具。
7.David M. Blei
David M. Blei目前开始在哥伦比亚大学一个新的角色,作为一个计算机科学和统计学教授。在此之前,他在普林斯顿大学计算机科学系副教授。他作者合著了超过80篇研究论文,并在主题建模领域特别感兴趣(“一套算法,发现隐藏的主题结构在文档集”)。他的网站中包含一系列的开源软件包相关的主题造型,帮助别人开发。他的博士后和毕业生包括教授,哥伦比亚,康奈尔和卡耐基-梅隆大学,以及数据科学家从Twitter,facebook,谷歌和Adobe。
8. Daphne Koller
Daphne Koller是斯坦福大学计算机科学教授。她完成了她的硕士课程在18岁的时候在耶路撒冷的希伯来大学;她已经成为麦克阿瑟奖得主,美国国家工程和美国艺术与科学院院士的一员。她的工作主要集中在表示推理,学习,决策,和最近在焦点周围的计算机视觉和计算生物学。她也是Coursera创始人之一。
9. Zoubin Ghahramani
Zoubin Ghahramani是剑桥信息工程大学教授。他的贡献主要是贝叶斯方法的领域的机器学习,人工智能,统计,信息检索,生物信息学,计算电机的控制。他最近获得了750000美元的谷歌为自动统计一个项目,通过“探索LED Ghahramani无限可能的统计模型的空间来发现数据很好的解释,然后产生一个数字和自然语言文本的详细报告。”
10. Sebastian Thrun
Sebastian Thrun是谷歌副研究员,Udacity的首席执行官,和兼职教授、斯坦福大学计算机科学专业。Thrun主要是他在机器人领域称他斯坦利;LED的发展,自主汽车赢得了2005大挑战目前坐落在史密森。Thrun和团队开发的10万行软件设计的斯坦利,对传感器数据进行导航的决定。他目前领导谷歌的自动驾驶汽车项目。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA(Certified Data Analyst)数据分析师的全流程工作闭环中,统计制图是连接严谨统计分析与高效业务沟通的关键纽带,更是CDA ...
2026-03-20在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12