Michael I. Jordan - Michael I. Jordan
Michael Jordan | |
|---|---|
| Urodzić się |
Michael Irwin Jordania
25 lutego 1956 |
| Alma Mater | Uniwersytet Kalifornijski, San Diego |
| Znany z | Utajona alokacja Dirichleta |
| Nagrody | Stypendysta Amerykańskiej Narodowej Akademii Nauk AAAI Fellow (2002) Nagroda Rumelharta (2015) Nagroda IJCAI za doskonałość w badaniach (2016) Medal IEEE Johna von Neumanna (2020) |
| Kariera naukowa | |
| Instytucje |
University of California, Berkeley University of California, San Diego Massachusetts Institute of Technology |
| Praca dyplomowa | Nauka reprezentacji dla wykonania sekwencyjnego (1985) |
| Doradca doktorski |
David Rumelhart Donald Norman |
| Doktoranci | |
| Inni ważni studenci | |
| Strona internetowa | www |
Michael Irwin Jordan (ur. 25 lutego 1956) jest amerykańskim naukowcem, profesorem Uniwersytetu Kalifornijskiego w Berkeley i badaczem uczenia maszynowego , statystyki i sztucznej inteligencji .
Jordan został wybrany członkiem National Academy of Engineering w 2010 roku za wkład w tworzenie podstaw i zastosowania uczenia maszynowego.
Jest jedną z czołowych postaci w uczeniu maszynowym, a w 2016 roku Science ogłosił go najbardziej wpływowym informatykiem na świecie.
Biografia
Jordan otrzymał tytuł licencjata magna cum laude z psychologii w 1978 roku na Louisiana State University , magisterium z matematyki w 1980 roku na Arizona State University oraz doktorat z nauk kognitywnych w 1985 roku na Uniwersytecie Kalifornijskim w San Diego. Na Uniwersytecie Kalifornijskim w San Diego Jordan był studentem Davida Rumelharta i członkiem PDP Group w latach 80-tych.
Jordan jest obecnie profesorem zwyczajnym na Uniwersytecie Kalifornijskim w Berkeley, gdzie jego mianowanie jest podzielone między Departament Statystyki i Departament EECS. Był profesorem na Wydziale Nauk o Mózgu i Kognitywnych MIT w latach 1988-1998.
Praca
W latach 80. Jordan zaczął rozwijać powtarzalne sieci neuronowe jako model poznawczy. W ostatnich latach jego praca jest mniej napędzana z perspektywy poznawczej, a bardziej na tle tradycyjnej statystyki.
Jordan spopularyzował sieci bayesowskie w społeczności uczenia maszynowego i jest znany ze wskazywania powiązań między uczeniem maszynowym a statystykami . Był również widoczne w formalizacji wariacyjnymi metod dla przybliżonego wnioskowania i popularyzacji tego algorytmu maksymalizacji oczekiwanie w uczeniu maszynowym.
Rezygnacja z uczenia maszynowego
W 2001 roku Jordan i inni zrezygnowali z redakcji czasopisma Machine Learning . W publicznym liście opowiedzieli się za mniej restrykcyjnym dostępem i zobowiązali się do wsparcia nowego czasopisma o otwartym dostępie , Journal of Machine Learning Research , który został stworzony przez Leslie Kaelbling, aby wspierać ewolucję dziedziny uczenia maszynowego.
Honory i nagrody
Jordan otrzymał wiele nagród, w tym nagrodę dla najlepszego artykułu studenckiego (z X. Nguyenem i M. Wainwrightem) na Międzynarodowej Konferencji na temat Uczenia Maszynowego ( ICML 2004), nagrodę dla najlepszego artykułu (z R. Jacobsem) na American Control Conference ( ACC 1991), ACM - AAAI Allen Newell Award , IEEE Neural Networks Pioneer Award oraz NSF Presidential Young Investigator Award. W 2010 roku został mianowany Fellow of the Association for Computing Machinery „za wkład w teorię i zastosowanie uczenia maszynowego”.
Jordan jest członkiem National Academy of Science, National Academy of Engineering oraz American Academy of Arts and Sciences.
Został mianowany wykładowcą Neymana i wykładowcą medalionu przez Instytut Statystyki Matematycznej. Otrzymał nagrodę Davida E. Rumelharta w 2015 roku oraz nagrodę ACM/AAAI Allen Newell Award w 2009 roku. W 2020 roku zdobył również Medal IEEE Johna von Neumanna.
W 2016 roku Jordan został uznany za „najbardziej wpływowego informatyka”, na podstawie analizy opublikowanej literatury projektu Semantic Scholar .
Bibliografia
Zewnętrzne linki
- Strona główna (na Uniwersytecie Kalifornijskim w Berkeley)
- Opublikowane artykuły (chronologiczne)