李航:http://weibo.com/u/2060750830,是MSRA Web Search and Mining Group高级研究员和主管,主要研究领域是信息检索,自然语言处理和统计学习。近年来,主要与人合作使用机器学习方法对信息检索中排序,相关性等问题的研究。曾在人大听过一场他的讲座,对实际应用的问题抽象,转化和解决能力值得学习。
周志华:http://cs.nju.edu.cn/zhouzh/,是南京大学的杰青,机器学习和数据挖掘方面国内的领军人物,其好几个研究生都进入了美国一流高校如uiuc,cmu等学习和深造。周教授在半监督学习,multi-label学习和集成学习方面在国际上有一定的影响力。另外,他也是ACML的创始人。人也很nice,曾经发邮件咨询过一个naive的问题,周老师还在百忙之中回复了我,并对我如何发邮件给了些许建议。
杨强:http://www.cse.ust.hk/~qyang/,香港科技大学教授,也是KDD 2012的会议主 席,可见功力非同一般。杨教授是迁移学习的国际领军人物,曾经的中国第一位acm全球冠军上交的戴文渊硕士期间就是跟他合作发表了一系列高水平的文章。还有,杨教授曾有一个关于机器学习和数据挖掘有意思的比喻:比如你训练一只狗,若干年后,如果它忽然有一天能帮你擦鞋洗衣服,那么这就是数据挖掘;要是忽然有一天,你发现狗发装成一个老太婆消失了,那么这就是机器学习。
李建中:http://www.cs.hit.edu.cn/?q=node/73,哈工大和黑大共有教授,是分布式数据库的领军人物。近年来,其团队在不确定性数据,sensor network方面也发表了一系列有名文章。李教授为人师表,教书育人都做得了最好,在圈内是让人称道的好老师和好学者。
唐杰:http://keg.cs.tsinghua.edu.cn/jietang/,清华大学副教授,是图挖掘方面的专家。他主持设计和实现的Arnetminer是国内领先的图挖掘系统,该系统也是多个会议的支持商。
张钹:http://zh.wikipedia.org/wiki/%E5%BC%A0%E9%92%B9清华大学教授,中科院院士,。现任清华大学信息技术研究院指导委员会主任,微软亚洲研究院技术顾问等。主要从事人工智能、神经网络、遗传算法、智能机器人、模式识别以及智能控制等领域的研究工作。在过去二十多年中,张钹教授系统地提出了问题求解的商空间理
论。近年来,他建立了神经与认知计算研究中心以及多媒体信息处理研究组。该研究组已在图像和视频的分析与检索方面取得一些重要研究成果。
刘铁岩:http://research.microsoft.com/en-us/people/tyliu/ MSRA研究主管,是learning to rank的国际知名学者。近年逐步转向管理,研究兴趣则开始关注计算广告学方面。
王海峰:http://ir.hit.edu.cn/~wanghaifeng/ 信息检索,自然语言处理,机器翻译方面的专家,ACL的副主 席,百度高级科学家。近年,在百度主持研发了百度翻译产品。
何晓飞:http://people.cs.uchicago.edu/~xiaofei/ 浙江大学教授,多媒体处理,图像检索以及流型学习的国际领先学者。
朱军:http://www.ml-thu.net/~jun/ 清华大学副教授,机器学习绝对重量级新星。主要研究领域是latent variable models, large-margin learning, Bayesian nonparametrics, and sparse learning in high dimensions. 他也是今年龙星计划的机器学习领域的主讲人之一。
吴军:http://www.cs.jhu.edu/~junwu/ 腾讯副总裁,前google研究员。著名《数学之美》和《浪潮之巅》系列的作者。
张栋:http://weibo.com/machinelearning 前百度科学家和google研究员,机器学习工业界的代表人物之一。
戴文渊:http://apex.sjtu.edu.cn/apex_wiki/Wenyuan_Dai 现百度凤巢ctr预估组leader。前ACM大赛冠军,硕士期间一系列transfer learning方面的高水平论文让人瞠目结舌。
原文链接:http://emuch.net/html/201209/4842092.html
相关推荐
[小木虫]推荐几个机器学习算法及应用领域相关的中国大牛.doc
这门课程的课件是大牛根据8年的实战经验精心总结的,涵盖了理论与实践的结合,旨在帮助学习者深入理解和应用机器学习。 一、机器学习基础 在开始学习机器学习之前,我们需要理解几个基本概念:监督学习、无监督...
逆强化学习的核心动机可以从以下几个方面理解:首先,从科学研究的角度出发,逆强化学习可以帮助我们理解动物和人类行为的动机,例如研究牛的觅食行为或鸟的鸣叫行为。其次,逆强化学习可以用于学徒式学习...
在机器学习领域,聚类是一种无监督学习方法,它通过将数据点分为不同的组或“簇”,使得同一簇内的数据点彼此相似,而不同簇之间的数据点差异较大。本资源包含了一个关于Python实现聚类算法KMeans的完整实例,特别...
在实际应用中,选取损失函数会受到诸多因素的制约,比如是否有异常值、机器学习算法的选择、梯度下降的时间复杂度、求导的难易程度以及预测值的置信度等等。因此,不存在一种损失函数适用于处理所有类型的数据。 ...
【深度学习】大牛的《深度学习》笔记,是一篇关于深度学习基础知识和应用的教程。深度学习(Deep Learning)是人工智能(AI)领域的重要分支,它通过模拟人脑神经网络结构,构建深层的神经网络模型,从大量数据中...
根据提供的文档信息,我们可以从中提炼出以下几个关键知识点: ### 1. 实时计算与反黄牛算法 #### 核心概念: - **实时计算**:指数据处理系统能够以非常低的延迟处理大量数据流的技术。 - **反黄牛算法**:通过...
SVM算法的数学原理相对比较复杂,好在由于SVM算法的研究与应用如此火爆,CSDN博客里也有大量的好文章对此进行分析,下面给出几个本人认为讲解的相当不错的: 支持向量机通俗导论(理解SVM的3层境界) JULY大牛讲的是...
在Python中实现Apriori算法,通常包括以下几个步骤: 1. **数据预处理**:清洗数据,去除无效项,将数据转换为适合算法处理的格式,如交易列表。 2. **生成项集**:根据数据生成单个项目的集合,并计算每个项的...
\n\n奶牛饲喂机器人的设计主要涉及以下几个关键技术点:\n\n1. **食物存储与进给系统**:该系统是机器人核心组成部分,它由可移动的食物存储卷轴和进给驱动器构成,安装在机器人臂上。通过恒力弹簧和配重的配合,...
在本文中,我们将深入探讨标题为“my-machine-learning-python”的项目,该项目专注于使用Python语言实践各种机器学习算法。这个项目是作者根据所学课程和教程创建的一个个人资料库,旨在帮助用户通过实际操作来增强...
GAPSO广泛应用于工程优化问题,如电路设计、机器学习模型参数调优、组合优化问题、多目标优化等领域,由于其优秀的全局搜索能力和快速收敛特性,使其在解决复杂优化问题时表现出色。 总结来说,GAPSO算法是粒子群...
Apriori算法是数据挖掘领域中经典且广泛应用的关联规则学习算法。它由Raghu Ramakrishnan和Gehrke在1994年提出,主要用于发现大规模交易数据库中的频繁项集和强关联规则。在“西电数据挖掘作业”中,Apriori算法的...
在某些情况下,如化学计量学、机器学习以及生物信息学等领域,PLS因其能有效提取变量间的重要关系而备受青睐。本文将重点讨论一种名为cars(Combinatorial Algorithm for Regression Selection)的算法,该算法用于...
7. **寻优应用**:SSA算法广泛应用于工程优化、机器学习模型的参数调优、图像处理、信号处理等领域。其优势在于能够有效地处理高维度复杂问题,且实现相对简单。 通过上述描述,我们可以看到,"ssa_hishle_SSA算法_...
天牛须搜索算法(BeetleAntennaeSearch,简称BAS),是一种受天牛觅食行为启发的仿生优化算法。它由Zhu和Zhang于2017年提出,旨在...随着算法研究的深入,BAS有望在工程实践、人工智能、机器学习等领域发挥更大的作用。
- **技术应用**:深度学习和机器学习算法在这一领域有着广泛的应用,能够从大量数据中学习突变效应的规律。 - **实践案例**:在马铃薯育种中,研究者使用机器学习模型预测了几个关键基因突变的效果,成功筛选出了一...
逻辑回归是一种广泛应用于分类问题的统计学模型,尤其在机器学习领域中占据着重要的地位。它的核心在于将连续变量的线性回归模型扩展到离散变量的预测上,通过一个称为sigmoid函数(S型曲线)将线性组合转换为0到1...
总之,DE算法及其改进版在解决工程优化、机器学习模型参数调优、复杂系统建模等诸多领域都有广泛应用。通过理解和掌握这些改进策略,我们可以更好地利用DE来解决实际问题,并提高优化效率。在MATLAB环境下,实现和...
综上所述,ks算法代码涉及数据处理、分布比较和统计推断等多个方面,是数据分析和机器学习中一个重要的工具,尤其在比较数据分布差异时发挥着关键作用。正确理解和应用ks检验,能够帮助我们更好地理解数据特征,从而...