前言
昨天看了李飞飞的TED演讲,我突然想到了解行业动向要先梳理一下该领域中的大牛。我在这里先起个头,以后见到大牛们再补充。
机器学习领域大牛梳理
1.计算机视觉领域
1.1 李飞飞
斯坦福大学计算机科学系教授、斯坦福大学人工智能实验室与视觉实验室负责人
研究方向:计算机视觉
主要成就
2.强化学习领域
2.1 DeepMind
(1)VolodymyrMnih
DeepMind的研究员
研究方向:深度强化学习
主要成就:
- 2013年提出深度Q网络
- 使用DRL训练智能体在Atari上玩游戏,在《Nature》上发表论文Human-level control through deep reinforcement learning
(2)David Silver
DeepMind团队围棋程序master的主要作者David Silver
YouTube上有他主讲的一套强化学习视频公开课,较为系统、全面地介绍了强化学习的知识。
(3)Max Jaderberg
马克斯·贾德伯格
Google DeepMind 团队的高级职员研究科学家(Senior Staff Research Scientist)。DeepMind包括Dark Blue Labs(致力于将机器学习应用于自然语言理解)和Vision Factory(致力于用深度学习改进视觉识别系统)两个团队。Max Jaderberg隶属于后者。
2.2 UC Berkeley
(1)Deepak Pathak
Deepak Pathak目前在卡内基梅隆(CMU)计算机学院任职副教授,研究方向是计算机视觉、机器学习和机器人交叉学科。他于2019年前后毕业于UC Berkeley,导师为 Trevor Darrell and Alyosha Efros,研究内容受Facebook、NVIDIA和Snapchat资助。
他的个人主页介绍了其目前的研究动向、发表文章及源代码。
3 机器人学习领域
3.1 UC Berkeley
(1)Pieter Abbeel
UC Berkeley的教授,吴恩达的博士生,其研究领域为:机器学习和机器人技术领域,他的研究集中让机器人从人身上 学习(学徒学习),通过自己的尝试和错误学习(强化学习),以及通过学习-学习 (元学习)加速技能的获取。
参考链接《Pieter Abbeel 加州大学伯克利分校教授》
(2) Sergey Levine
Sergey Levine是UC Berkeley的副教授,是Pieter Abbeel的学生,是BAIR实验室成员(包括 Sergey Levine, Evan Shelhamer, Georgia Gkioxari, Saurabh Gupta, Phillip Isola等)之一,其研究领域为机器人学习。
参考链接:
《分享Pieter Abbeel和Sergey Levine基于深度增强学习在机器人中的应用》
《梳理 | 机器人学习(Robot Learning)的发展》
3.2 其他
(1)Ashutosh Saxena
Stanford教授,吴恩达的学生
(2)Martin Riedmiller
德国弗莱堡大学工程系教授
(3)Emo Todorov
华盛顿大学运动控制实验室教授,研究方向为动物形和人形机器人运动控制。