迈克尔·乔丹 (学者)
美国计算机科学家、统计学家 / 维基百科,自由的 encyclopedia
迈克尔·厄文·乔丹(英语:Michael Irwin Jordan, 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和法国国家计算机与自动化研究院Inria研究员。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]
Quick Facts 迈克尔·I·乔丹Michael I. Jordan, 出生 ...
迈克尔·I·乔丹 Michael I. Jordan | |
---|---|
出生 | (1956-02-25) 1956年2月25日(68岁) 美国马里兰州阿伯丁 |
居住地 | 美国加利福尼亚州柏克莱 |
知名于 | 隐含狄利克雷分布(Latent Dirichlet allocation) |
奖项 | 美国国家科学院院士[1] 美国人工智能协会会士 (2002) 世界顶尖科学家协会奖(2022) |
网站 | www |
科学生涯 | |
机构 | 法国国家计算机与自动化研究院(Inria) 柏克莱加州大学 圣地亚哥加利福尼亚大学 麻省理工学院 |
论文 | The Learning of Representations for Sequential Performance(1985) |
博士导师 | David Rumelhart 唐·诺曼 |
博士生 | 邢波 Francis Bach Zoubin Ghahramani Percy Liang Tommi Jaakkola 吴恩达 David Blei |
其他著名学生 | 约书亚·本希奥 |
Close
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。
2022年,乔丹因其“对机器学习的理论基础及其应用作出了根本性贡献”获得首届世界顶尖科学家协会奖“智能科学或数学奖”。[5][6][7]