新智元編譯1
來源：Quora
譯者：大華 鄧盛文 曾天宇 曾凡齊 李道邦 Weyland 張奕
校對：王婉婷 張巨巖 李宏菲 戴秋池
推動歷史的往往是少數(shù)人。新智元盤點了全球機器學習領域 99 個最頂尖的大咖，介紹如下。由于是基于 Quora 整理，國內(nèi)專家例如楊強老師、王飛躍老師，周志華老師等可能沒有涉及到，有所遺漏之處也請多多見諒。
Facebook人工智能研究負責人，紐約大學數(shù)據(jù)科學中心創(chuàng)始主任，在紐約大學的計算機科學系、神經(jīng)科學系、電子與計算機工程系、Courant數(shù)學科學研究院、以及神經(jīng)科學中心擔任教授。卷積神經(jīng)網(wǎng)絡之父。在機器學習、計算機視覺、移動機器人和計算機神經(jīng)科學方面做出了許多貢獻，因在OCR及使用CNN的計算機視覺方面的工作而享有盛譽。他是DjVu圖像壓縮技術的主要發(fā)明者之一，也與Bottou一起開發(fā)了Lush編程語言。
賓夕法尼亞大學機器人自動化與感知實驗室（GRASP）主任，電子和系統(tǒng)工程系、計算機和信息科學系、生物工程系教授，也是卡內(nèi)基梅隆大學-賓夕法尼亞大學交通中心聯(lián)合主任。他的團隊專注于研究表征學習，以使自主系統(tǒng)能夠在不確定環(huán)境中高效實時地做出行為決策；使用機器學習算法和計算神經(jīng)科學模型，以及這些算法和模型在各類機器人平臺上的實現(xiàn)，來研究怎樣搭建更好的、能從經(jīng)驗中適應和學習的感知運動系統(tǒng)。
現(xiàn)任布朗大學計算機科學教授，曾任羅格斯大學計算系科學系主任。與學生一起建立了羅格斯大學真實生活強化學習實驗室（RL3）。主要研究領域為強化學習，也在機器學習、博弈論、計算機網(wǎng)絡、解決部分可觀測馬爾科夫決策過程、類推的計算機解決方案等等方面有所研究。
在知名的人工智能軟件創(chuàng)業(yè)公司Sentient Technologies擔任機器學習科學家，曾在哥倫畢業(yè)大學、Google、NEC實驗室、微軟等地從事研究科學家的工作。他在機器學習方面涉獵廣泛，既研究理論基礎、也研究實際應用，主題涉及分子生物學、醫(yī)藥、計算機視覺、以及網(wǎng)絡排名和安全。
利茲大學統(tǒng)計學系高級研究教授，牛津大學統(tǒng)計學系訪問教授。他的杰出貢獻之一是與其他研究人員一起開發(fā)了形狀分析（shape analysis）的方法，這一方法被用于腦成像領域、用以評估大腦受損程度。除此之外，他基于多元正態(tài)性檢測多元數(shù)據(jù)峰度和偏度的一系列方法也非常知名。
馬薩諸塞大學阿默斯特分校信息提取與合成實驗室主任，計算機科學教授。他與其他研究人員一起開發(fā)了條件隨機場（conditional random fields），一種常用于標注或分析序列資料的鑒別式概率模型。另外，他編寫了一些在機器學習、自然語言處理及其他文本處理方面被廣泛使用的開源工具，包括Rainbow、Mallet和FACTORIE。
微軟研究院首席研究員、機器學習部門和應用統(tǒng)計部門的研究主管，華盛頓大學客座教授。他的研究成果對于微軟的許多產(chǎn)品都有重要影響，包括SQL分析服務（數(shù)據(jù)挖掘）、Bing搜索、Windows平板電腦（手寫識別）、微軟商業(yè)服務器（推薦系統(tǒng)）等。
華盛頓大學統(tǒng)計學系教授，著有《聚類分析手冊》。她在基于互信息（mutual information）的聚類系統(tǒng)方面提出了信息變異（variation of information）矩陣。研究領域為基于不確定條件下概率方法和推理的機器學習，她的工作處于計算和統(tǒng)計學交叉領域的前沿地帶。
卡內(nèi)基梅隆大學計算機科學學院機器學習系主任，美國工程院院士，美國科學進展學會（AAAS）成員，人工智能進展學會（AAAI）成員。他在機器學習、人工智能、認知神經(jīng)科學等領域等方面卓有建樹，也撰寫了機器學習方面最早的教科書之一《機器學習》。
紐約大學Courant數(shù)學科學研究院計算機科學和數(shù)學教授，Google研究顧問。在機器學習、自動機理論和算法、語音識別和自然語言處理等領域頗具聲名。他是多個核心加權自動機和有限狀態(tài)機算法的作者；在AT&T工作期間，他和同事一起在將加權有限狀態(tài)機應用于語音識別和自然語言處理方面做了開創(chuàng)性的工作。
卡耐基梅隆大學計算機科學學院院長，Google工程副總裁。他在卡內(nèi)基梅隆大學創(chuàng)立了Auton實驗室，探索計算、統(tǒng)計數(shù)據(jù)分析、機器學習和AI領域最亟需解決的問題，這個實驗室開發(fā)的算法現(xiàn)正被業(yè)界、學界、及政府所應用。他加入Google后，建立了在匹茲堡的分部，這個分部主要負責機器學習和分布式系統(tǒng)，服務于Google的廣告和電子商務系統(tǒng)。
杜克大學統(tǒng)計學、計算機科學及數(shù)學教授。研究領域為計算數(shù)學和機器學習，并在這兩個領域致力于運用幾何學來改善高維數(shù)據(jù)的統(tǒng)計模型；專長于數(shù)據(jù)挖掘和機器學習、非參數(shù)統(tǒng)計模型、隨機過程、貝葉斯統(tǒng)計、高緯統(tǒng)計模型、以及圖模型。
紐約州立大學石溪分校計算機系教授，視覺分析和成像實驗室（VAI）主任，也在Brookhaven國家實驗室計算機科學中心任職。研究興趣包括可視化、視覺分析、數(shù)據(jù)科學、大數(shù)據(jù)、人機交互，醫(yī)學成像、計算機圖形、虛擬與增強現(xiàn)實、以及GPU高性能計算。
谷歌總部研究科學家，曾任英屬哥倫比亞大學的算機科學和統(tǒng)計學副教授。他撰寫了1100頁的教科書《機器學習：概率視角》，這本書獲得了2013年國際貝葉斯分析學會頒發(fā)的DeGroot 統(tǒng)計科學最佳書籍獎。研究方向包括機器感覺、機器智能、數(shù)據(jù)挖掘和建模、自然語言處理、以及算法和理論。
百度硅谷實驗室首席科學家，斯坦福大學計算機系和電子工程系副教授，在線教育平臺Coursera董事會主席及聯(lián)合創(chuàng)始人。主要研究領域為機器學習和深度學習。他的早期工作包括斯坦福自動直升機項目，開發(fā)了世界上功能最強大的自動直升機；以及斯坦福人工智能機器人項目，開發(fā)了被廣泛使用的開源機器人軟件平臺ROS。
加利福尼亞大學圣地亞哥分校計算機系的以色列教授，曾任哥倫比亞大學的研究科學家，機器學習社區(qū)教授，主要成就：因其AdaBoost算法而知名，并因此獲得G?del 獎和Kanellakis 理論實踐獎。主要研究領域：計算學習理論，以及概率論，信息論，統(tǒng)計學和模式識別中與之相關的領域。主要從事于機器學習算法在大數(shù)據(jù)，計算機視覺，人機交互和在線教育中的應用。
希伯來大學大學生命科學教授，電腦科學和工程以色列籍教授，MIT、哈佛的訪問助理教授。其研究涉及三個相關領域：有關染色質和轉錄調(diào)控的分子生物學；計算系統(tǒng)生物學，概率模型中的推理與學習。
紐約大學的物理學和數(shù)據(jù)科學全職教授，Moore-Sloan的NYU數(shù)據(jù)科學環(huán)境的首席主管。主要研究方向是觀測宇宙學，特別是利用星系（包括人類所在的銀河系）來推斷宇宙的物理性質的方法，還從事于太陽系外行星的測量和探索。
康奈爾大學計算機科學系和信息科學系教授，曾是卡內(nèi)基梅隆大學的訪問學者。主要成就：自主智能系統(tǒng)研究所的知識發(fā)現(xiàn)團隊中的GMD（陸基中途防御系統(tǒng)），研究興趣：機器學習、支持向量機、統(tǒng)計學習理論；文本分析、網(wǎng)頁挖掘、智能信息系統(tǒng)等。
德克薩斯大學奧斯汀分校計算機科學系的副教授，曾任哈佛大學研究員。主要研究興趣是人工智能、數(shù)據(jù)挖掘、機器學習、自然計算和理論電腦科學、學習理論、計算復雜度、偽隨機、高斯空間等。
芝加哥大學教授，被聯(lián)合任命為統(tǒng)計學（主）和計算機科學教授，任職于大學理事會，豐田工業(yè)大學芝加哥分校兼任教授。研究方向是統(tǒng)計機器學習，重點是計算和統(tǒng)計方面的非參數(shù)方法，高維數(shù)據(jù)，圖形模型，以及文檔和文本分析。
芝加哥大學計算機科學系和統(tǒng)計學系的教授，在MIT完成了關于電腦識別、自動學習方向研究而獲得PhD學位，其研究方向主要是人工智能領域，特別是模式識別和機器學習方面的問題，這些問題經(jīng)常出現(xiàn)于人類語音和語言的計算研究。
杜克大學計算機科學系主任、人工智能方向教授，曾任職于DARPA計算機科學研究組（CSSG）。研究方向為不確定環(huán)境下的推理、Markov決策過程、強化學習、貝葉斯網(wǎng)絡、以及機器人學。
羅格斯大學副教授、SEQAM實驗室主任，曾任波士頓大學生物信息學計劃研究員、康柏公司劍橋研究實驗室研究科學家。研究方向包括統(tǒng)計學習、動態(tài)系統(tǒng)建模以及計算機視覺。
MIT媒體、藝術和科學教授，社會科學、大數(shù)據(jù)、隱私和可攜帶式計算的先驅，世界上論文被引用次數(shù)最多的計算機科學家，福布斯評選為世界上7個最強大的數(shù)據(jù)科學家之一，與谷歌創(chuàng)始人和美國首席技術官并列。主要成就：與學生共同開拓了計算社會科學、組織工程學、可穿戴計算、圖片理解、現(xiàn)代生物測量學等領域。
谷歌杰出研究員，領導關于自然語言理解的工作。曾是賓夕法尼亞大學計算機與信息科學系主席，AT&T實驗室機器學習和信息檢索系主任，國際斯坦福研究學會的研究和管理職位。研究方向：自然語言處理，機器學習，生物信息學。
Charles River Analytics公司首席科學家，曾任哈佛大學工程與應用科學助理教授。主要研究計算人類感情來加強決策制定和交流，使用情感表達來增強人機交互，并利用這些想法讓機器在復雜環(huán)境中運行。
機器學習和數(shù)據(jù)科學領域的專家，Redmond微軟研究中心機器學習部門的研究員，Gatsby計算機神經(jīng)科學和倫敦大學學院機器學習學院的高級研究員。與其他學者共同發(fā)表了60多篇關于機器學習理論及應用的論文，并且是20個專利的共同發(fā)明者。
加利福尼亞大學伯克利分校計算科學和統(tǒng)計學院的教授，昆士蘭科技大學數(shù)學系的教授。他和Martin Anthony共同完成了《神經(jīng)網(wǎng)絡學習：理論基礎》一書，還是四本其他書籍的編輯，并且在機器學習領域和統(tǒng)計學習理論方面共同發(fā)表了多篇論文。
谷歌研究人員，曾任IDIAP研究機構擔任高級研究人員，此間兼任Microcell實驗室的研究主管。多個機器學習期刊（如機器學習研究期刊、計算統(tǒng)計學期刊）的編輯，多個期刊（IEEE神經(jīng)網(wǎng)絡學報、生物醫(yī)藥工程學報、進化計算學報、機器智能與模式分析學報等等）的評審專家，其研究興趣包括通過深層遞歸結構來優(yōu)化建模序列（如語音、文本等），尤其關注長尾問題（如罕見詞、稀有事件等），幫助開發(fā)了Torch軟件。
布朗大學的客座教授，德國圖賓根大學的名譽教授。Max Planck智能系統(tǒng)機構的主管。Black教授的研究興趣主要在機器視覺方面，包括光流場估計、3D形狀模型、人類形態(tài)和運動分析、穩(wěn)健的統(tǒng)計方法，以及視覺世界的概率模型。在計算機神經(jīng)科學領域，他的工作聚焦于神經(jīng)編碼的概率模型和神經(jīng)修復術中神經(jīng)解碼的應用。
英國科學家，阿蘭圖靈協(xié)會的創(chuàng)始董事，劍橋微軟研究中心的前董事經(jīng)理，愛丁堡大學的知名客座教授，機器視覺的領先研究者。在劍橋微軟研究中心擔任高級研究科學家，創(chuàng)建了電腦視覺部門，任實驗室主管。其主要成就為獲得兩次關于電腦視覺歐洲論壇大獎；IEEE電腦視覺重要研究人員將，皇家協(xié)會成員，Macrobert獎等。
ETH Zurich計算科學部門的全職教授，曾任南加利福尼亞大學的研究助理教授，德國模式識別學會的技術委員會成員。IEEE神經(jīng)網(wǎng)絡學報和圖像處理學報的委員會成員。他的研究興趣包括模式識別和數(shù)據(jù)分析，比如機器學習、統(tǒng)計學習理論和應用統(tǒng)計等。其應用領域覆蓋了機器視覺、圖像分析和遙感生物信息學等。
Corinna Cortes，谷歌紐約研究中心的主管，在AT&T實驗室有十年工作經(jīng)歷。因對支持向量機(SVMs)的理論基礎做出貢獻而知名，與Vladimir Vapnik共同獲得了2008年的Paris Kanellakis理論和實踐獎，在大型數(shù)據(jù)集的數(shù)據(jù)挖掘方面的研究成果獲得了AT&T的科學技術獎。
加拿大籍的機器學習和生物基因組研究者，Deep Genomics的CEO，多倫多大學的教授，首次成功訓練深度神經(jīng)網(wǎng)絡的研究者之一，引入迭代消息傳遞算法（iterative message-passing algorithms）的先驅者。他因研究因子圖、深度學習的喚醒睡眠算法，以及在模擬基因組生物學和理解遺傳病方面使用機器學習技術而知名，還共同研發(fā)了識別疾病遺傳決定因素的新計算方法。
劍橋機器學習小組成員，劍橋大學工程學院信息工程的教授，英國倫敦大學計算神經(jīng)科學部分的客座成員，劍橋微軟研究院、劍橋大數(shù)據(jù)學會等等機構的顧問。他的研究受到了EPSRC、DARPA、微軟、谷歌、Infosys、Facebook、亞馬遜等等工業(yè)巨頭的資金支持。獲得谷歌研究獎。目前的研究興趣包括機器學習中的貝葉斯方法、人工智能、統(tǒng)計、信息提取、生物信息學以及計算電機控制。統(tǒng)計學能夠為處理不確定性、做出決策和設計學習系統(tǒng)提供數(shù)學基礎。主要在研究高斯過程、非參數(shù)貝葉斯方法、聚類、近似推理算法、圖形化模型、蒙特卡洛方法和半監(jiān)督學習。
微軟研究院、基因組研究小組的高級主管，微軟研究院的杰出科學家。主要成就：在微軟，發(fā)明了無數(shù)應用程序，包括SQL Server和Commerce Server中的數(shù)據(jù)挖掘工具、Outlook, Exchange和Hotmail里的垃圾郵件過濾器、平板電腦的手寫識別、Sharepoint Portal Server的文本挖掘軟件、Windows里的疑難解答和Office軟件里的回答向導；論證了人工智能概率論的重要性，開發(fā)了從數(shù)據(jù)中學習圖形化模型的方法，包括因果關系發(fā)現(xiàn)方法。為生物和醫(yī)學應用領域開發(fā)機器學習和統(tǒng)計學方法，包括HIV疫苗設計和基因組學。
Geoffrey Hinton，計算機學家和心理學家，反向傳播算法和對比散度算法的發(fā)明人之一，深度學習的積極推動者。蓋茨比計算神經(jīng)科學中心的創(chuàng)始人，多倫多大學計算機科學系教授，機器學習領域的加拿大首席學者，加拿大高等研究院贊助的“神經(jīng)計算和自適應感知”項目的領導者，皇家學會會士，獲得杰出學者終生成就獎。對神經(jīng)網(wǎng)絡研究的其他貢獻包括Boltzmann機器、分布式表征、時滯神經(jīng)網(wǎng)絡（ time-delay neural nets）、混合專家、變分學習、專家產(chǎn)品和深信網(wǎng)絡。研究興趣是用豐富傳感器輸入的非監(jiān)督式多層神經(jīng)網(wǎng)絡學習程序。
組建了Kitware機器視覺部門，主要成就：領導了許多商業(yè)公司和政府單位贊助的研究項目，包括DARPA, AFRL, ONR, I-ARPA和NGA, 從基礎的學術研究到開發(fā)可用于操作設施中的先進原型和演示。參與RADIUS（圖形理解系統(tǒng)的研究與進展）第二階段，在IEEE的電腦視覺和模式識別論壇擔當評審專家與組織者。組織、管理了在許多不同領域的機器視覺研究，包括：事件、活動和行為識別；動作模式學習和異常探測；追蹤；視覺語義；圖像分割；物體識別；和基于內(nèi)容的提取。
微軟研究院技術人員和運營主管，Redmond實驗室的負責人，AAAI（人工智能進步學會）、NAE（國家學術工程）和AAAS（美國科學進步學會）的會士，AAAS的主席。ACM Fellow。他的工作在電子商務、生物信息學、人機交互、信息提取等諸多領域有廣泛的應用。
康博系統(tǒng)研究中心的研究人員，微軟研究院的首席研究員，引導了Dryad項目、DryadLINQ項目的研究等。研究方向是機器視覺，尤其是即時追蹤實時對象，主要對凝聚算法（Condensation algorithm）來探索視覺動作分析很有興趣，這在人機交互等方面有很有趣的應用，當前的研究工作包括了很多粒子濾波方面的課題，這包括了粒子濾波和數(shù)值測量，進而量化粒子表現(xiàn)的圖像表征設計。
MIT電子工程和電腦科學的教授。他的研究關注統(tǒng)計推斷和估計、有限計算資源下的原則性近似方法、各種現(xiàn)代估計問題的分析和設計，如不完整數(shù)據(jù)情況。在應用層面，其研究包括自然語言處理的主要問題、計算生物學（如監(jiān)管模式）、推薦和其他大規(guī)模推理問題，以及信息提取。
谷歌首席科學家之一，曾任微軟研究院Redmond實驗室杰出科學家。他發(fā)明了轟動一時的序列最小優(yōu)化算法（SMO），此算法目前被廣泛應用于支持向量機（SVM）的訓練過程。他也發(fā)明了Platt變換（scaling）法，通過sigmoid函數(shù)來將SVM的預測結果轉化為一個后驗的概率值。
MIT腦與認知科學系教授、McGovern腦研究所研究員、計算機科學與人工智能實驗室（CSAIL）成員，也擔任生物學習與計算學習中心的主任和大腦、心智與機器中心的主任。作為一名計算神經(jīng)科學家，從對于視覺系統(tǒng)的生物物理和行為學研究、到人類和機器的視覺和學習能力的計算分析，他都做出了許多貢獻。
華盛頓大學西雅圖分校計算機科學與工程學院教授、神經(jīng)系統(tǒng)實驗室主任，美國國家科學基金會（NSF）感覺運動神經(jīng)工程中心（CSNE）主任。著有教科書《腦機接口技術》。他的研究領域涵蓋計算神經(jīng)科學，人工智能及腦機接口。他曾在2013年進行了史上第一次人類腦-腦交流實驗，用電極帽通過互聯(lián)網(wǎng)接收和發(fā)送腦信號、兩人共同解決了一個電腦游戲。這次實驗隨后掀起了各地研究人員重復驗證的熱浪。
佐治亞理工學院交互計算學院教授、行為成像中心主任、計算健康中心聯(lián)合主任，美國國立衛(wèi)生研究院（NIH）移動傳感器數(shù)據(jù)到知識轉化研究（MD2K）中心副主任。他致力于行為成像（用多模態(tài)傳感技術捕捉分析社交行為和交流行為）的技術研究，其他研究興趣還包括計算機視覺、機器學習和移動健康（移動醫(yī)療）。
華盛頓大學西雅圖分校統(tǒng)計系主任、經(jīng)濟系和電子工程系兼職教授、統(tǒng)計和社會科學中心主任，斯坦福大學行為科學高等研究中心Fellow。他的研究興趣包括圖模型和因果關系。
紐約大學計算機科學系副教授，曾任職于Google、貝爾實驗室、Whizbang!實驗室、微軟等業(yè)界實驗室。他的研究領域包括機器學習算法，非線性降維，語音、音頻、圖像和信號的處理，大型數(shù)據(jù)集分析、OCR、文檔處理等。于2010年過世。
希伯來大學計算機科學教授，深度學習初創(chuàng)公司Mobileye的創(chuàng)始人兼CTO。他的研究方向是計算機視覺和機器學習。他的工作包括早期關注點視覺處理過程和分類機制，視覺識別和學習，運動靜態(tài)圖像融合，計算機視覺多視幾何和多視向量理論，視覺學習多線性代數(shù)系統(tǒng)，應用原對優(yōu)化對馬爾科夫網(wǎng)絡和圖論中逼近inference，和最近研究的深度分層網(wǎng)絡。
哥倫比亞大學計算機系副教授，從事計算機科學理論研究。主要研究興趣是計算復雜性理論，計算學習理論，性能測試，和計算中隨機性的作用。
卡內(nèi)基梅隆大學教授，澳洲國立大學高級首席研究員，曾是雅虎首席研究科學家、堪培拉研究實驗室項目主管，機器學習研究期刊會員、IEEE模式分析和機器智能學報會員。研究興趣包括支持向量機(SVM)，高斯過程和條件隨機場，統(tǒng)計建模，其核函數(shù)方法推動了這一領域的發(fā)展。
加州大學爾灣分校計算機科學系及統(tǒng)計學系教授，機器學習和智能系統(tǒng)中心主任。他的研究興趣包括機器學習，數(shù)據(jù)挖掘，模式識別和應用統(tǒng)計學，發(fā)表超過150篇論文，獲得1997年和2002年ACM SIGKDD年會最佳論文。
哥倫比亞大學計算機系教授，曾任IEOR部門主任、達特茅斯學院計算機學院助理教授。研究興趣包括算法設計與分析，組合優(yōu)化，運籌學，網(wǎng)絡算法，調(diào)度，算法設計和計算生物學。《算法導論》和《計算機科學家的離散數(shù)學》的合著者。
谷歌X實驗室創(chuàng)立者，斯坦福大學計算機系研究教授，佐治亞大學訪問教授，谷歌副總裁，Udactiy的CEO和共同創(chuàng)立者，領導谷歌自動駕駛車團隊，主要研究領域：人工智能技術、機器人學、自動駕駛車、智慧家庭、健康護理，還研究早期癌癥診斷與追蹤。主要成就：因機器人地圖繪制的概率算法而出名，被選為國際工程學會會員。
希伯來大學計算機科學和工程教授，曾是貝爾實驗室技術研究員，計算生物學Sudarsky中心成員，認知科學學術項目成員，研究領域：機器和統(tǒng)計學習理論和應用；動態(tài)系統(tǒng)；信息理論；統(tǒng)計力學；計算生物學，數(shù)據(jù)挖掘算法。
東京大學計算生物學、前沿科學研究生院教授，曾任日本筑波電氣實驗室(ETL）任科學家、東京計算生物研究中心研究人員，德國柏林 GMD FIRST（現(xiàn)為 Fraunhofer FIRST）的訪問學者 ，德國圖賓根馬普所生物控制中心任項目負責人，主要研究領域：對Cox比例風險回歸模型所進行的相關研究，曾經(jīng)從事過聚類分析、多層神經(jīng)網(wǎng)絡的半監(jiān)督分類，圖像挖掘等。
從2003年開始擔任哥倫比亞大學機器學習系統(tǒng)中心(CCLS)主任。Waltz博士所有學位都在MIT完成，包括他的博士學位來自MIT人工智能實驗室。他在機器視覺方面的論文成為了約束傳播理論的起源，同時，他還和Craig Stanfill共同開創(chuàng)了CBR（基于案例推理）的基于內(nèi)存推理的分支領域。他現(xiàn)在的主要研究興趣在機器學習應用方面，尤其是電力網(wǎng)。他的研究興趣還包括大規(guī)模并行信息檢索、數(shù)據(jù)挖掘、應用蛋白質結構預測學習和自動分類，以及自然語言處理。
哥倫比亞大學計算科學學院的副教授。他是數(shù)據(jù)科學基礎中心的主席，以及哥倫比亞機器學習實驗室的指導。他的研究是計算機科學和統(tǒng)計的交叉，致力于開發(fā)從社會網(wǎng)絡應用數(shù)據(jù)、時間空間數(shù)據(jù)、視覺和文本中學習的新框架。他是《機器學習：判別性和生成性》一書的作者，以及多項視覺、學習和時空建模專利的共同發(fā)明者。
微軟首席研究員。對于自然信號介質水平自動提取的機器學習方法很感興趣。Nebojsa Jojic希望通過建構統(tǒng)計生成模型來模仿真實世界的結構，這個模型應該可以在無監(jiān)督模型擬合（學習）階段中自動適應聲音、視覺或多模型信號，從而提供適合壓縮、傳輸、搜索、編輯、提高觀看體驗等中等水平的表征。
麻省理工大學電子工程與計算科學系教授。她的研究主要關注在不確定情況下的決策、機器學習，以及機器人傳感應用。她是《機器學習研究雜志》的創(chuàng)始人和主編。在2000年，她被選為人工智能發(fā)展協(xié)會的會員。
海倫·惠特克大學計算科學和機器人學的教授。Kanade教授被選舉為國家工程院院士。他的研究興趣主要在機器視覺、視覺和多媒體技術和機器人領域。主要關注的是在創(chuàng)造智能機器的知覺和控制進程時涉及的物理、幾何和語義屬性中的聲音理論形成，以及基于這些理論的操作系統(tǒng)。
巴黎薩科雷大學數(shù)據(jù)科學中心主席，CNRS直線加速器實驗室研究員。他在無監(jiān)督和監(jiān)督學習、大規(guī)模貝葉斯推理與優(yōu)化以及其他不同應用領域中發(fā)表了超過100篇論文。他目前是AppStat小組的負責人，主要研究受高能粒子和天體物理應用推動的機器學習和統(tǒng)計推斷問題。
斯坦福計算科學院的的教授，她有以色列和美國的血統(tǒng)。她曾獲得麥克阿瑟獎，也是Coursera的創(chuàng)始人之一。主要的研究關注使用概率模型和機器學習去理解有著大量不確定性的復雜領域。在這個主題之下，涉及許多領域，包括表征、推論、學習和決策。近來，主要在研究機器視覺以及計算生物學與醫(yī)學。
牛津大學統(tǒng)計學院的前院長，牛津基督學院的教員，哥本哈根大學的統(tǒng)計學教授。他是數(shù)理統(tǒng)計和圖形模型領域研究的領導者。
Sheffield計算生物學和機器學習與神經(jīng)科學和計算科學學院聯(lián)合教授。研究興趣是機器學習、計算系統(tǒng)生物學以及它們的醫(yī)藥學中的應用。
耶路撒冷希伯來大學計算機學院教授，主要研究興趣包括人類和機器視覺，機器學習和糾錯碼。他的課題調(diào)查人類和電腦是如何在有著多個移動物體的情境下進行動作估計。人Weiss認為人類動作知覺的過程中有著一定假設下的單計算策略優(yōu)化的方式，并且基于這些假設提出了算法。
百度研究院副院長，大數(shù)據(jù)實驗（BDL）主任，美國新澤西州立大學統(tǒng)計系教授。曾經(jīng)在雅虎、IBM 和 Google 工作，是大數(shù)據(jù)和人工智能領域的國際知名學者。
愛丁堡大學信息學院教授，研究主要是開發(fā)能夠理解人類溝通的交互系統(tǒng)。大量研究都基于語音識別，以及搭建和應用統(tǒng)計模型來闡釋交流信號。
斯坦福大學計算機系教授。研究興趣包括計算科學教育、機器學習和網(wǎng)頁信息提取，也為不同的創(chuàng)業(yè)公司的咨詢委員會提供服務。
Facebook人工智能實驗室的成員，支持向量機的機器學習Vapnik–Chervonenkis理論的聯(lián)合創(chuàng)建人，美國工程院院士。
圣地亞哥大學教授，他在NIPS-03擔當執(zhí)行主席，以及NIPS-04的總主席，研究主要關注模式識別和聲音、音頻加工過程的統(tǒng)計學方法。
普林斯頓大學教授，近期加入了微軟研究中心。他主攻專業(yè)是機器學習的理論與應用。他的研究促成了機器學習中提高集成算法的發(fā)展。在1996年，他與Yoav Freund共同發(fā)明了AdaBoost算法，并且2003年因此獲得了Godel獎。在2014年，Schapire由于他在機器學習Boosting算法的提出與發(fā)展上的貢獻被選入了國家工程院。
大華，華南師大心理學研二在讀 。對社會認知，語言感興趣，喜歡認真努力的生活。
現(xiàn)為美國德州大學醫(yī)學中心生物醫(yī)學工程在讀博士生，從事磁共振成像和神經(jīng)影像數(shù)據(jù)處理研究，對類腦計算及圖像識別感興趣。
