迈克尔·I·乔丹
美国加州大学伯克利分校冠名教授
条目
历史版本
迈克尔·I·乔丹（Michael I. JORDAN），出生于1956年，美国计算机科学与统计学家。[1][2]现任美国加州大学伯克利分校电子工程与计算机科学系、统计学系杰出冠名教授以及2023年顶科协奖“智能科学或数学奖”遴选委员会主席（截至2023年9月）。[3]迈克尔·I·乔丹主要研究方向为人工智能、生物系统与计算生物学、控制、智能系统和机器人、信号处理、机器学习等。[2]
1986年至1988年，迈克尔·I·乔丹在马萨诸塞大学计算机和信息科学系担任博士后研究员。[1]1988年至1998年，迈克尔·I·乔丹担任麻省理工学院脑与认知科学系 助理教授、副教授、教授。1998年，迈克尔·I·乔丹担任加州大学伯克利分校电子工程和计算机科学系、统计系教授。2015年至2017年，迈克尔·I·乔丹担任加州大学伯克利分校统计系主任 。2017年，迈克尔·I·乔丹担任加州大学工业工程与运筹学系教授。2018年，迈克尔·I·乔丹担任北京大学名誉教授。[1]
2009年，迈克尔·I·乔丹获得ACM/AAAI艾伦·纽厄尔奖（美国计算机协会ACM、美国人工智能促进会AAAI ）。2015年，迈克尔·I·乔丹获得鲁梅尔哈特奖（国际认知科学学会CSS）。2016年，迈克尔·I·乔丹获得国际人工智能联合会议卓越研究奖（IJCAI） 。后迈克尔·I·乔丹获得约翰·冯·诺依曼奖（电气与电子工程师协会IEEE）、米切尔奖（国际贝叶斯分析学会，ISBA）、乌尔夫·格林纳德随机理论与建模奖（美国数学会, AMS）等。[3]
迈克尔·I·乔丹 的突出贡献在于成功连接计算机科学和统计学这两个学科，包括统计推理和学习的变分方法、基于图模型和贝叶斯非参数化的推理方法，以及统计风险和计算复杂性之间的权衡特征。同时开发了基于梯度的优化和抽样的连续时间模型，及其用于优化工作的分布式系统。[3]截至2023年10月，迈克尔·I·乔丹指导80多名博士生和60多名博士后研究人员，他的学生目前活跃在世界领先的学术机构，带领行业向前发展。[1]