迈克尔·乔丹 (学者)
迈克尔·I·乔丹(英語:, 1956年2月25日-),美国计算机科学和统计学学者,主要研究机器学习和人工智能。目前担任加州大学伯克利分校电机工程与计算机系和统计学系教授。2016年,据《科学》报道,迈克尔·I·乔丹是当今世界最有影响力的计算机科学家。[2][3][4]
麥可·喬丹 Michael I. Jordan | |
---|---|
出生 | ![]() | 1956年2月25日
居住地 | ![]() |
知名于 | 隱含狄利克雷分布(Latent Dirichlet allocation) |
奖项 | 美国国家科学院院士[1] 美國人工智慧協會会士 (2002) |
网站 | www |
科学生涯 | |
机构 | 柏克萊加州大學 聖地牙哥加利福尼亞大學 麻省理工學院 |
论文 | The Learning of Representations for Sequential Performance(1985) |
博士导师 | David Rumelhart 唐·諾曼 |
博士生 | 邢波 Francis Bach Zoubin Ghahramani Percy Liang Tommi Jaakkola 吳恩達 David Blei |
其他著名學生 | 约书亚·本希奥 |
他的重要贡献包括指出了机器学习与统计学之间的联系,并推动机器学习界广泛认识到贝叶斯网络的重要性。他还以近似推断变分方法的形式化、最大期望算法在机器学习的普及方面的工作而知名。
生平
乔丹1978年在路易斯安那州立大学获得心理学学士学位,1980年获亚利桑那大学数学硕士(统计学方向)。随后在加州大学圣地亚哥分校随David E. Rumelhart攻读,于1985年获认知科学博士学位。在此期间,他发展了一种认知模型,称为Jordan网络,是递归神经网络的一种。
1986-1988年,乔丹在马萨诸塞大学做博士后研究。1988-1998年,来到麻省理工学院脑与认识科学系,先后任助教授、副教授和教授。1998年后转到伯克利。近年来他更多地从传统统计学的角度研究人工智能。
乔丹是美国国家科学院、美国国家工程院和美国艺术与科学院院士,IEEE、ACM[5]、SIAM、AAAI等学术机构的会士。他也是2007年IEEE神经网络先驱奖[6]、2009年ACM/AAAI Allen Newell奖[7]的得主。
值得一提的是,乔丹的许多学生和博士后包括Zoubin Ghahramani, Tommi Jaakkola, 吳恩達, Lawrence Saul 和 David Blei等,也已经成为机器学习领域的重要学者。
参考资料
- Zeliadt, N. . Proceedings of the National Academy of Sciences. 2013, 110 (4): 1141–1143. PMC 3557047. PMID 23341554. doi:10.1073/pnas.1222664110.
- . Science | AAAS. 2016-04-19 [2018-03-28] (英语).
- Austria, IST. . ist.ac.at. [2018-03-28] (英语).
- . cacm.acm.org. [2018-03-28].
- . ACM.org. (原始内容存档于2012-04-28).
- . IEEE.org. [2012-10-21]. (原始内容存档于2013-02-27).
- . ACM.org. (原始内容存档于2012-10-02).
This article is issued from Wikipedia. The text is licensed under Creative Commons - Attribution - Sharealike. Additional terms may apply for the media files.