本文转载至：几个机器学习算法及应用领域相关的中国大牛
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。
文章来源于：http://emuch.net/html/201208/4842092.html
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。
网友评论