迈克尔·乔丹 (学者)

麥可·喬丹
Michael I. Jordan
麥可·喬丹; Michael I. Jordan
出生	1956年2月25日（68歲）; 美国路易斯安那州
居住地	美国加利福尼亞州阿拉米達郡柏克萊
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 ; 美國人工智慧協會会士 (2002)
网站	www.cs.berkeley.edu/~jordan
	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）
博士導師	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

迈克尔·I·乔丹（英語：Michael I. 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。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]

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。