热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

2020IEEE冯诺依曼奖得主:MichaelJordan机器学习领域泰斗级人物

近日,2020年度IEEE冯诺伊曼奖项结果正式公布。机器学习泰斗MichaelJordan摘得本年度奖项,获奖理由为「对机器学习和数据科学的重大贡献」。关于冯诺依曼奖IEEE冯诺依
近日,2020 年度 IEEE 冯诺伊曼奖项结果正式公布。机器学习泰斗 Michael Jordan 摘得本年度奖项,获奖理由为「对机器学习和数据科学的重大贡献」。
2020 IEEE冯诺依曼奖得主:Michael Jordan --机器学习领域泰斗级人物

关于冯诺依曼奖

IEEE 冯诺依曼奖(IEEE John von Neumann Medal)于 1990 年由 IEEE 创办,旨在表扬在计算机科学和技术领域取得突出成就的科学家。该奖项以对计算机科学具有重大贡献的现代计算机创始人之一约翰·冯·诺依曼命名。自创办以来,共有33位学者获奖。

现任加州大学伯克利分校的 Michael Jordan 教授荣获了本届 IEEE 冯诺依曼奖。2016 年,Jordan 被《科学》杂志誉为全世界最具影响力的计算机科学家。他在近似推理变分法的正规化方面取得了突出成就,并在机器学习领域的最大期望演算法和贝叶斯网络方面的研究享誉盛名。

此外,Michael Jordan 还是加州大学伯克利分校计算机科学系第五位获得该奖项的科学家。

2020 IEEE冯诺依曼奖得主:Michael Jordan --机器学习领域泰斗级人物

               Michael Jordan 个人成就及荣誉

1985 年,Michael Jordan 在加利福尼亚大学圣地亚哥分校取得认知科学博士学位,1988 年至 1998 年期间,Jordan 在麻省理工学院任教授职位。2017 年,Michael Jordan 被清华大学聘为「访问教授」,2018 年,Jordan 被聘为「北京大学名誉教授」。现任加州大学伯克利分校教授职位,是工程系、计算机科学和统计系的陈丕宏杰出教授。

作为机器学习界的开山鼻祖,Michael  Jordan是人工智能领域两位根目录人物之一(另一位是“神经网络之父”Geoffrey Hinton),他拥有一系列辉煌耀眼的头衔:

  • 机器学习领域唯一获得美国科学院、美国工程院、美国艺术与科学院三院院士成就的科学家;

  • UC Berkeley著名机器学习实验室AMP Lab联席主任;

  • AAAI、ACM、ASA、CSS、IEEE、IMS、ISBA和SIAM等全球***学会Fellow;

  • 2009年获得ACM / AAAI Allen Newell奖;

  • 2015年获得David E. Rumelhart奖---该奖项是国际认知科学领域的最高学术荣誉

  • 2016年获得IJCAI卓越研究奖---人工智能领域的终身成就奖。

  • 2016 年,Jordan 被评为「最具影响力的计算机科学家」

  • 2018年担任国际数学家大会1小时报告人。

          

Michael Jordan 曾培养出许多计算机科学领域的卓越人才,包括斯坦福大学计算机科学系和电子工程系副教授、前百度首席科学家、人工智能领域国际权威学者吴恩达,蒙特利尔大学计算机教授、深度学习先驱、图灵奖得主 Yoshua Bengio,剑桥大学信息工程学教授、Uber 首席科学家、贝叶斯学习领域权威 Zoubin Ghahramani 等。

他还被Semantic Scholar钦定为计算机科学领域最具影响力学者《Who‘s the Michael Jordan of computer science?New tool ranks researchers’ influence》。虽然在以往的论文中他的总引用数不是最高的,但他的很多作品都堪称开山之作。

在今年的ICML会议上。Michael Jordan 因为有 7 篇 ICML 2019 接收论文而位列第一,其中包括 1 篇共同作者和 6 篇最后作者。

2020 IEEE冯诺依曼奖得主:Michael Jordan --机器学习领域泰斗级人物

他的研究

他是当世概率图模型的集大成者,被誉为让世人意识到机器学习与统计学之间联系的原创思想家之一。

他的主要贡献包括:指出了机器学习与统计学之间的联系,让学界认识到了贝叶斯网络的重要性;他还发展了Jordan网络,是递归神经网络的一种。

贝叶斯网络发展到高级阶段,概率图模型使得计算成为问题,从而发展出了变分贝叶斯领域,变分贝叶斯有三个发展阶段,其中第三阶段,就是Jordan提出的ELBO(Evidence Lower BOund),重建了变分贝叶斯的基础框架。

他的研究方向包括了计算学、统计学、认知及生物科学。最近几年集中在贝叶斯非参数分析、概率图模型、谱方法、分布式计算系统中内核机及其应用问题、自然语言处理、信号处理和统计遗传学等问题(几乎涵盖了大部分机器学习中的内容)。

他的学生

在机器学习领域,Jordan绝对属于宗师泰斗级别的人物。

2020 IEEE冯诺依曼奖得主:Michael Jordan --机器学习领域泰斗级人物

Jordan桃李满天下,所教过的学生人才辈出,占据了AI学术界的半壁***。随便列几位他的学生大家感受一下:深度学习三大开山鼻祖之一、蒙特利尔大学教授Yoshua Bengio;贝叶斯学习领域权威Zoubin Ghahramani;LDA领域权威、哥伦比亚大学教授 David M. Blei;前百度首席科学家、斯坦福大学教授吴恩达;学界大牛斯坦福大学教授 Percy Liang 等人。

再比如,如日中天的对抗生成网络GAN是由Ian Goodfellow提出,Ian Goodfellow是Bengio的学生,而Bengio是Jordan的学生。

Jordan在中国

Jordan教授和中国的缘分也不浅。2016年12月,受聘于清华大学杰出访问教授,在2017年9月12-14日,Jordan教授在清华进行了为期三天的校内公开课,面对清华同学分享了他在伯克利AMP Lab和RISE Lab的最新研究成果,主要涉及概率图模型、统计推断和模型评判,以及大规模机器学习的分布式优化算法和计算框架。而之后两年的秋季学期,Jordan教授都会回到清华进行授课,并挂靠软件学院开展各项具体工作,指导大数据系统软件国家工程实验室各个研究组的工作。

2020 IEEE冯诺依曼奖得主:Michael Jordan --机器学习领域泰斗级人物


推荐阅读
  • 生成式对抗网络模型综述摘要生成式对抗网络模型(GAN)是基于深度学习的一种强大的生成模型,可以应用于计算机视觉、自然语言处理、半监督学习等重要领域。生成式对抗网络 ... [详细]
  • 微软头条实习生分享深度学习自学指南
    本文介绍了一位微软头条实习生自学深度学习的经验分享,包括学习资源推荐、重要基础知识的学习要点等。作者强调了学好Python和数学基础的重要性,并提供了一些建议。 ... [详细]
  • 2018年人工智能大数据的爆发,学Java还是Python?
    本文介绍了2018年人工智能大数据的爆发以及学习Java和Python的相关知识。在人工智能和大数据时代,Java和Python这两门编程语言都很优秀且火爆。选择学习哪门语言要根据个人兴趣爱好来决定。Python是一门拥有简洁语法的高级编程语言,容易上手。其特色之一是强制使用空白符作为语句缩进,使得新手可以快速上手。目前,Python在人工智能领域有着广泛的应用。如果对Java、Python或大数据感兴趣,欢迎加入qq群458345782。 ... [详细]
  • 人工智能推理能力与假设检验
    最近Google的Deepmind开始研究如何让AI做数学题。这个问题的提出非常有启发,逻辑推理,发现新知识的能力应该是强人工智能出现自我意识之前最需要发展的能力。深度学习目前可以 ... [详细]
  • 2017亚马逊人工智能奖公布:他们的AI有什么不同?
    事实上,在我们周围,“人工智能”让一切都变得更“智能”极具讽刺意味。随着人类与机器智能之间的界限变得模糊,我们的世界正在变成一个机器 ... [详细]
  • 本文介绍了在Python张量流中使用make_merged_spec()方法合并设备规格对象的方法和语法,以及参数和返回值的说明,并提供了一个示例代码。 ... [详细]
  • 背景应用安全领域,各类攻击长久以来都危害着互联网上的应用,在web应用安全风险中,各类注入、跨站等攻击仍然占据着较前的位置。WAF(Web应用防火墙)正是为防御和阻断这类攻击而存在 ... [详细]
  • 建立分类感知器二元模型对样本数据进行分类
    本文介绍了建立分类感知器二元模型对样本数据进行分类的方法。通过建立线性模型,使用最小二乘、Logistic回归等方法进行建模,考虑到可能性的大小等因素。通过极大似然估计求得分类器的参数,使用牛顿-拉菲森迭代方法求解方程组。同时介绍了梯度上升算法和牛顿迭代的收敛速度比较。最后给出了公式法和logistic regression的实现示例。 ... [详细]
  • 3年半巨亏242亿!商汤高估了深度学习,下错了棋?
    转自:新智元三年半研发开支近70亿,累计亏损242亿。AI这门生意好像越来越不好做了。近日,商汤科技已向港交所递交IPO申请。招股书显示& ... [详细]
  • 本人学习笔记,知识点均摘自于网络,用于学习和交流(如未注明出处,请提醒,将及时更正,谢谢)OS:我学习是为了上 ... [详细]
  • YOLOv7基于自己的数据集从零构建模型完整训练、推理计算超详细教程
    本文介绍了关于人工智能、神经网络和深度学习的知识点,并提供了YOLOv7基于自己的数据集从零构建模型完整训练、推理计算的详细教程。文章还提到了郑州最低生活保障的话题。对于从事目标检测任务的人来说,YOLO是一个熟悉的模型。文章还提到了yolov4和yolov6的相关内容,以及选择模型的优化思路。 ... [详细]
  • “你永远都不知道明天和‘公司的意外’哪个先来。”疫情期间,这是我们最战战兢兢的心情。但是显然,有些人体会不了。这份行业数据,让笔者“柠檬” ... [详细]
  • 推荐系统遇上深度学习(十七)详解推荐系统中的常用评测指标
    原创:石晓文小小挖掘机2018-06-18笔者是一个痴迷于挖掘数据中的价值的学习人,希望在平日的工作学习中,挖掘数据的价值, ... [详细]
  • sklearn数据集库中的常用数据集类型介绍
    本文介绍了sklearn数据集库中常用的数据集类型,包括玩具数据集和样本生成器。其中详细介绍了波士顿房价数据集,包含了波士顿506处房屋的13种不同特征以及房屋价格,适用于回归任务。 ... [详细]
  • 浏览器中的异常检测算法及其在深度学习中的应用
    本文介绍了在浏览器中进行异常检测的算法,包括统计学方法和机器学习方法,并探讨了异常检测在深度学习中的应用。异常检测在金融领域的信用卡欺诈、企业安全领域的非法入侵、IT运维中的设备维护时间点预测等方面具有广泛的应用。通过使用TensorFlow.js进行异常检测,可以实现对单变量和多变量异常的检测。统计学方法通过估计数据的分布概率来计算数据点的异常概率,而机器学习方法则通过训练数据来建立异常检测模型。 ... [详细]
author-avatar
手机用户2602908893
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有