Michael I. Jordan - Michael I. Jordan
Michael Jordan | |
---|---|
Nascer |
Michael Irwin Jordan
25 de fevereiro de 1956 |
Alma mater | Universidade da Califórnia, San Diego |
Conhecido por | Alocação de Dirichlet latente |
Prêmios | Membro da Academia Nacional de Ciências dos EUA AAAI Fellow (2002) Prêmio Rumelhart (2015) Prêmio IJCAI de Excelência em Pesquisa (2016) Medalha IEEE John von Neumann (2020) |
Carreira científica | |
Instituições |
University of California, Berkeley University of California, San Diego Massachusetts Institute of Technology |
Tese | The Learning of Representations for Sequential Performance (1985) |
Orientador de doutorado |
David Rumelhart Donald Norman |
Alunos de doutorado | |
Outros alunos notáveis | |
Local na rede Internet | www |
Michael Irwin Jordan (nascido em 25 de fevereiro de 1956) é um cientista americano, professor da Universidade da Califórnia, Berkeley e pesquisador em aprendizado de máquina , estatística e inteligência artificial .
Jordan foi eleito membro da National Academy of Engineering em 2010 por suas contribuições aos fundamentos e aplicações do aprendizado de máquina.
Ele é uma das principais figuras do aprendizado de máquina e, em 2016, a Science o relatou como o cientista da computação mais influente do mundo.
Biografia
Jordan recebeu seu BS magna cum laude em Psicologia em 1978 pela Louisiana State University , seu MS em Matemática em 1980 pela Arizona State University e seu PhD em Ciências Cognitivas em 1985 pela University of California, San Diego. Na Universidade da Califórnia, San Diego, Jordan foi aluno de David Rumelhart e membro do Grupo PDP na década de 1980.
Jordan é atualmente professor titular da University of California, Berkeley, onde sua nomeação é dividida entre o Departamento de Estatística e o Departamento de EECS. Ele foi professor do Departamento de Ciências do Cérebro e Cognitivas do MIT de 1988 a 1998.
Trabalhar
Na década de 1980, Jordan começou a desenvolver redes neurais recorrentes como modelo cognitivo. Nos últimos anos, seu trabalho é menos orientado de uma perspectiva cognitiva e mais do pano de fundo das estatísticas tradicionais.
Jordan popularizou as redes bayesianas na comunidade de aprendizado de máquina e é conhecido por apontar ligações entre o aprendizado de máquina e as estatísticas . Ele também foi proeminente na formalização de métodos variacionais para inferência aproximada e na popularização do algoritmo de maximização de expectativa em aprendizado de máquina.
Desistência do aprendizado de máquina
Em 2001, Jordan e outros renunciaram ao conselho editorial da revista Machine Learning . Em uma carta pública, eles defenderam um acesso menos restritivo e prometeram apoiar um novo jornal de acesso aberto , o Journal of Machine Learning Research , criado por Leslie Kaelbling para apoiar a evolução do campo do aprendizado de máquina.
Honras e prêmios
Jordan recebeu vários prêmios, incluindo o prêmio de melhor artigo de estudante (com X. Nguyen e M. Wainwright) na Conferência Internacional sobre Aprendizado de Máquina ( ICML 2004), o prêmio de melhor artigo (com R. Jacobs) na Conferência de Controle Americana ( ACC 1991), o prêmio ACM - AAAI Allen Newell , o prêmio IEEE Neural Networks Pioneer Award e o prêmio NSF Presidential Young Investigator. Em 2010, ele foi nomeado Fellow da Association for Computing Machinery "pelas contribuições para a teoria e aplicação do aprendizado de máquina."
Jordan é membro da National Academy of Science, da National Academy of Engineering e da American Academy of Arts and Sciences.
Ele foi nomeado Neyman Lecturer e Medallion Lecturer pelo Institute of Mathematical Statistics. Ele recebeu o Prêmio David E. Rumelhart em 2015 e o Prêmio ACM / AAAI Allen Newell em 2009. Ele também ganhou a Medalha John von Neumann do IEEE 2020.
Em 2016, Jordan foi identificado como o "cientista da computação mais influente", com base em uma análise da literatura publicada pelo projeto Semantic Scholar .
Referências
links externos
- Página inicial (na Universidade da Califórnia, Berkeley)
- Artigos publicados (cronológicos)