几个机器学习算法及应用领域相关的中国大牛

 几个机器学习算法及应用领域相关的中国大牛

【转】http://blog.csdn.net/lj695242104/article/details/17282977

李航：http://research.microsoft.com/en-us/people/hangli/，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://db.hit.edu.cn/jianzhongli/，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://www.csai.tsinghua.edu.cn/personal_homepage/zhang_bo/index.html 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。

蔡登：http://www.cad.zju.edu.cn/home/dengcai/,Han Jiawei老师的学生，博士毕业后回浙大任教，也算是国内年轻一代的牛人了。

万小军：https://sites.google.com/site/wanxiaojun1979/，得翻墙才能看到主页。主要研究方向是文本挖掘和语义计算。自然语言方向好会议发了很多文章

张磊：http://research.microsoft.com/en-us/um/people/leizhang/

===================================================================================================================

1、你可以关注一些大牛的主页，比如UCB的Michael I. Jordan（大牛中的大牛）http://www.cs.berkeley.edu/~jordan/。国内也有很多厉害的学者，比如微软亚洲研究院的李航、香港科大的杨强（这两个人好像现在都去华为香港的诺亚方舟实验室了）等。

2、看看survey对于一些初学者是个不错的方法，至少可以知道某个方向的现状，http://www.mlsurveys.com/这个网址收录了机器学习不同方向的很多综述。

3、http://jeffhuang.com/best_paper_awards.html这个网址收录了很多计算机顶级会议历年的best paper。其中AAAI、ICML等就是人工智能和机器学习方向的。

4、你也可以看看国外的一些机器学习和人工智能的课程。推荐https://www.coursera.org/上standford的Andrew Ng的ML课，以及udacity上的AI导论http://www.udacity.com/overview/Course/cs271/CourseRev/1。AI这门课的主讲之一Peter Norvig非常厉害，现在好像在google工作了。

5、最后给你推荐几本书吧。《Foundations of Machine Learning》、《Machine Learning: A Probabilistic Perspective》（非常好的大部头巨著）、《Machine Learning: An Algorithmic Perspective》、《Statistical foundations of machine learning》等

(1)
以下是不完整的列表，但基本覆盖。
机器学习顶级会议：NIPS, ICML, UAI, AISTATS;  （期刊：JMLR, ML, Trends in ML, IEEE T-NN）
计算机视觉和图像识别：ICCV, CVPR, ECCV;  （期刊：IEEE T-PAMI, IJCV, IEEE T-IP）
人工智能：IJCAI, AAAI; （期刊AI）
另外相关的还有SIGRAPH, KDD, ACL, SIGIR, WWW等。
特别是，如果做机器学习，必须地，把近4年的NIPS, ICML翻几遍；如果做计算机视觉，要把近4年的ICCV, CVPR, NIPS, ICML翻几遍。
(2)
另外补充一下：大部分顶级会议的论文都能从网上免费下载到，比如CV方面：http://www.cvpapers.com/index.html;NIPS: http://books.nips.cc/;  JMLR(期刊): http://jmlr.csail.mit.edu/papers/;  COLT和ICML(每年度的官网):http://www.cs.mcgill.ca/~colt2009/proceedings.html。希望这些信息对大家有点帮助。
(3)
说些自己的感受。我的研究方向主要是统计学习和概率图模型，但对计算机视觉和计算神经科学都有涉及，对Data mining和IR也有些了解。这些领域，从方法和模型的角度看，统计模型（包括probabilistic graphical model和statistical learning theory）是主流也是非常有影响力的方法。有个非常明显的趋势：重要的方法和模型最先在NIPS或ICML出现，然后应用到CV,IR和MM。虽然具体问题和应用也很重要，但多关注和结合这些方法也很有意义。