迈克尔·乔丹 (学者)

维基百科,自由的百科全书
跳转至: 导航搜索
麥可·喬丹
Michael I. Jordan
出生 1956年02月25日1956-02-25(59歲)
 美國路易斯安那州
居住地  美國加利福尼亞州阿拉米達郡柏克萊
任职於 柏克萊加州大學
聖地牙哥加利福尼亞大學
麻省理工學院
毕业论文 The Learning of Representations for Sequential Performance (1985)
博士導師 David Rumelhart
唐·諾曼
博士學生 Eric Xing
Francis Bach
Zoubin Ghahramani
Percy Liang
Tommi Jaakkola
其他著名學生 吳恩達
David Blei
Yoshua Bengio
著名成就 隱含狄利克雷分布(Latent Dirichlet allocation)
獲獎 Fellow of the U.S.美國國家科學院[1]
美國人工智慧協會 Fellow (2002)

迈克尔·I.乔丹英语Michael I. Jordan)是知名的计算机科学统计学学者,主要研究机器学习人工智能。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。

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。

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。1988-19​​98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美国艺术与科学院院士,IEEEACM[2]SIAMAAAI等学术机构的会士。他也是2007年IEEE神经网络先驱奖[3]、2009年ACM/AAAI Allen Newell奖[4]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 SaulDavid Blei等,也已经成为机器学习领域的重要学者。

参考[编辑]

  1. ^ 引用错误:无效<ref>标签;未为name属性为pnas的引用提供文字
  2. ^ ACM Names 41 Fellows from World's Leading Institutions — Association for Computing Machinery. ACM.org. 
  3. ^ IEEE神经网络先驱奖名单. IEEE.org. 
  4. ^ 2009年Allen Newell奖. ACM.org. 

外部链接[编辑]