【AI白身境】究竟谁是paper之王，全球前10的计算机科学家

文章首发于微信公众号《有三AI》

今天是新专栏《AI白身境》的第十二篇，也是最后一篇了，作为最后一篇，我的想法是激励大家见贤思齐。

本来想写篇必须关注的大佬，但是实在是太难写了，人太多也容易引起争议，那就用最权威的资料来，学术界公认的h-index排名。

所谓H-index，就是high citations，简单来说就是论文被引用的频次。

作者 | 言有三

编辑 | 言有三

01 H-index排名前十的计算机科学家

下图是2018年计算机科学领域的H-index排名前十，相信从中就是小白们也能看到不少熟悉的名字。

完整名单见http://www.iro.umontreal.ca/~bengioy/citation-rate-CS-1sept2018.html?utm_source=wechat_session&utm_medium=social&utm_oi=635845013939032064

H-index排名越高说明论文被人引用的越频繁，在学术界来说这就意味着影响力。下面我们来了解一下排名前十的大佬们都是谁，做过什么。

1，Yoshua Bengio，加拿大计算机科学家，深度学习三巨头之一，LeNet5作者之一，花书《Deep learning》作者之一，一直呆在学术界。

代表性文章：

[1] LÉcun, Yann, et al. “Gradient-Based Learning Applied to Document Recognition.” Proceedings of the IEEE, vol. 86, no. 11, 1998, pp. 2278–2324.

[2] Bengio Y, Courville A C, Vincent P, et al. Representation Learning: A Review and New Perspectives[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2013, 35(8): 1798-1828.

2，Geoffrey Hinton，加拿大认知心理学家和计算机科学家，深度学习三巨头之一，反向传播算法提出者之一，2006年在science期刊发表深层网络逐层初始化训练方法，揭开深度学习世纪新序幕，其弟子Alex Krizhevsky提出AlexNet网络。

代表性文章：

[1] Rumelhart D E , Hinton G E , Williams R J . Learning internal representations by error propagation[M]// Neurocomputing: foundations of research. MIT Press, 1988.

[2] Hinton G E, Salakhutdinov R. Reducing the dimensionality of data with neural networks.[J]. Science, 2006, 313(5786): 504-507.

[3] Krizhevsky A , Sutskever I , Hinton G . ImageNet Classification with Deep Convolutional Neural Networks[C]// NIPS. Curran Associates Inc. 2012.

3，Yann LeCun，法国计算机科学家，深度学习三巨头之一，Facebook首席人工智能科学家，LeNet5网络第一作者，深度学习综述《Deep learning》作者之一。

至此三巨头都出现了，不愧是三巨头，它们之间也有着千丝万缕的合作，从上面同时出现在LeNet5和深度学习花书的Yoshua Bengio和Yann LeCun就可以看出，两人年纪也相当，而Hinton其实已经是两者的老师级别。

4，Andrew Zisserman，英国计算机科学家，牛津大学教授，计算机视觉研究员，经典书《Multiple View Geometryin Computer Vision》作者，VGG网络作者之一，Pascal Visual Object Classes (VOC) Challenge发起者之一，Deep Mind研究员。

代表性文章：

[1] Simonyan K, Zisserman A. Very Deep Convolutional Networks for Large-Scale Image Recognition[J]. international conference on learning representations, 2015.

[2] Everingham M, Van Gool L, Williams C K, et al. The Pascal Visual Object Classes (VOC) Challenge[J]. International Journal of Computer Vision, 2010, 88(2): 303-338.

[3] Jaderberg M, Simonyan K, Zisserman A, et al. Spatial transformer networks[J]. neural information processing systems, 2015: 2017-2025.

5，David Haussler，美国生物信息学家，霍华德休斯医学研究所研究员、生物分子工程教授等，人类基因组计划竞赛中组装了第一个人类基因组序列。

代表性文章：

[1] Lander E S, Linton L, Birren B, et al. Initial sequencing and analysis of the human genome.[J]. Nature, 2001, 409(6822): 860-921.

6，Trevor Darrell，加州大学伯克利分教授，伯克利人工智能研究（BAIR）实验室的联合主任，Caffe，RCNN作者之一，

代表性文章：

[1] Jia Y, Shelhamer E, Donahue J, et al. Caffe: Convolutional Architecture for Fast Feature Embedding[J]. acm multimedia, 2014: 675-678.

[2] Girshick R B, Donahue J, Darrell T, et al. Rich Feature Hierarchies for Accurate Object Detection and Semantic Segmentation[J]. computer vision and pattern recognition, 2014: 580-587.

7，StephenP.Boyd，三星工程教授，斯坦福大学信息系统实验室电气工程教授，凸优化书籍《Convex optimization》作者。

代表性文章：

[1] Stephen Boyd L V, Stephen Boyd L V. Convex optimization[J]. IEEE Transactions on Automatic Control, 2006, 51(11):1859-1859.

[2] Candes E J, Wakin M B, Boyd S P. Enhancing Sparsity by Reweighted l(1) Minimization[J]. Journal of Fourier Analysis & Applications, 2007, 14(5):877-905.

8，Michael I. Jordan，美国科学家、加州大学伯克利分校教授。机器学习领域的领军人物之一，2016年《科学》杂志评定的世界上最具影响力的计算机科学家。Latent Dirichlet Allocation模型作者。

代表性文章：

[1] Blei D M, Ng A Y, Jordan M I. Latent dirichlet allocation[J]. Journal of Machine Learning Research, 2012, 3:993-1022.

9，Christopher Manning，斯坦福大学人工智能实验室主任，语言学和计算机科学家。书籍《Introduction to information retrieval》，《Foundations of Statistical Natural Language Processing》作者。

代表性文章：

[1] Manning C D. Foundations of statistical natural language processing[M]// Foundations of Statistical Natural Language Processing. 1999.

[2] Larson R R. Introduction to Information Retrieval[J]. Journal of the Association for Information Science and Technology, 2010, 61(4): 852-853.

10，Herbert A Simon，诺贝尔经济学奖，图灵奖等获得者，书籍《The Sciences of the Artificial》，《Human Problem Solving》作者，也是唯一一个已经不在世近二十年的科学家，却还能在过去一年的论文引用前十中占据一席，可见影响力之大。

代表论文：

除了上面的10位，计算机科学领域还有很多世界级的研究人员值得我们去关注的，比如花书作者之一和生成对抗网络的提出者Ian Goodfellow等，不再过多介绍。

02 深度学习领域的优秀青年华人

如果说世界级科学家离我们太遥远，那么身边优秀的华人是不是需要好好关注？下面介绍几个优秀的80后青年华人，都是非常有代表性的人物，对深度学习有突破性的学术贡献或开源框架作者。

1，何恺明，本科就读于清华大学，博士毕业于香港中文大学多媒体实验室，曾在微软亚洲研究院担任实习生，目前在Facebook人工智能实验室（FAIR）担任研究科学家。他是Resnet、Mask R-CNN第一作者，也是首位获计算机视觉领域三大国际会议之一CVPR“最佳论文奖”的中国学者。另外他也获得了CVPR 2016和ICCV 2017（Marr Prize）的最佳论文奖，并获得了ICCV 2017最佳学生论文奖，CVPR 2018的PAMI年轻学者奖，这就是别人隔壁家的小明和学霸。

代表性文章：

[1] He K , Zhang X , Ren S , et al. Deep Residual Learning for Image Recognition[J]. 2015.

[2] He K, Gkioxari G, Dollar P, et al. Mask R-CNN[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence, 2017, PP(99):1-1.

2，贾扬青，深度学习框架Caffe之父。本科和硕士研究生就读于清华大学，博士毕业于加州大学伯克利分校，曾在新加坡国立大学、微软亚洲研究院、NEC美国实验室、Google Brain工作，现任Facebook研究科学家，负责前沿AI平台的开发以及前沿的深度学习研究。

代表性文章：

[1] Jia Y , Shelhamer E , Donahue J , et al. Caffe: Convolutional Architecture for Fast Feature Embedding[J]. 2014.

[2] Decaf: A deep convolutional activation feature for generic visual recognition

如果说何凯明是学术界的青年扛把子，那么贾扬清就是工业界的青年扛把子了，他还有知乎账号，冒过几个泡。

3，李沐，2008年本科毕业于上海交通大学计算机系，CMU博士毕业，深度学习开源框架MXNet作者之一，曾在微软亚洲研究院担任实习生，在亚马逊就职。沐神有一本在线书籍《动手学深度学习》，另外现在有很多的群，算是做深度学习的普及工作贡献了。

代表性文章：

[1] Li M , Liu Z , Smola A J , et al. DiFacto - Distributed Factorization Machines[C]// Acm International Conference on Web Search & Data Mining. ACM, 2016.

4、陈天奇，本科毕业于上海交通大学ACM班，华盛顿大学计算机系博士生。深度学习编译器TVM，SVDFeature，XGBoost，cxxnet等作者，MxNet，DMLC发起人之一。

代表性文章：

[1] MXNet: A Flexible and Efficient Machine Learning Library for Heterogeneous Distributed Systems
Tianqi Chen, Mu Li, Yutian Li, Min Lin, Naiyan Wang, Minjie Wang, Tianjun Xiao, Bing Xu, Chiyuan Zhang, Zheng Zhang
LearningSys at Neural Information Processing Systems 2015

[2] TVM: An Automated End-to-End Optimizing Compiler for Deep Learning
Tianqi Chen, Thierry Moreau, Ziheng Jiang, Lianmin Zheng, Eddie Yan, Meghan Cowan, Haichen Shen, Leyuan Wang, Yuwei Hu, Luis Ceze, Carlos Guestrin, Arvind Krishnamurthy

5、韩松，本科毕业于清华大学后，博士毕业于斯坦福大学，深鉴科技联合创始人之一，2016年ICLR最佳论文deep compression论文一作。就放深鉴科技四个创始人的照片吧，都是青年才俊。

代表性文章：

[1] Han S , Kang J , Mao H , et al. ESE: Efficient Speech Recognition Engine with Sparse LSTM on FPGA[J]. 2016.

[2] Han S, Mao H, Dally W J, et al. Deep Compression: Compressing Deep Neural Networks with Pruning, Trained Quantization and Huffman Coding[J]. international conference on learning representations, 2016.

总结

AI领域不管是老前辈还是后起之秀真的太多了，写这一篇文章的目地不仅是给初学者们作一个简单的介绍，更是自勉。就算不能成为他们那样牛逼的人，也要有一颗见贤思齐，不断提升自己的斗志。

转载文章请后台联系

侵权必究

比如网络loss不正常，怎么调都不管用。

比如训练好好的，测试就是结果不对。

bug天天有，深度学习算法工程师遇到的特别多，如果你想交流更多，就来有三AI知识星球实时提问交流吧，大咖众多，总有能解决你问题的。

初识境界到此基本就结束了，这一系列是为大家奠定扎实的深度学习基础，希望学习完后大家能有收获。

AI白身境系列完整阅读：

第一期：【AI白身境】深度学习从弃用windows开始

第二期：【AI白身境】Linux干活三板斧，shell、vim和git

第三期：【AI白身境】学AI必备的python基础

第四期：【AI白身境】深度学习必备图像基础

第五期：【AI白身境】搞计算机视觉必备的OpenCV入门基础

第六期：【AI白身境】只会用Python？g++，CMake和Makefile了解一下

第七期：【AI白身境】学深度学习你不得不知的爬虫基础

第八期：【AI白身境】深度学习中的数据可视化

第九期：【AI白身境】入行AI需要什么数学基础：左手矩阵论，右手微积分

第十期：【AI白身境】一文览尽计算机视觉研究方向

第十一期：【AI白身境】AI+，都加在哪些应用领域了

第十二期：【AI白身境】究竟谁是paper之王，全球前10的计算机科学家

AI初识境系列完整阅读

第一期：【AI初识境】从3次人工智能潮起潮落说起

第二期：【AI初识境】从头理解神经网络-内行与外行的分水岭

第三期：【AI初识境】近20年深度学习在图像领域的重要进展节点

第四期：【AI初识境】激活函数：从人工设计到自动搜索

第五期：【AI初识境】什么是深度学习成功的开始？参数初始化

第六期：【AI初识境】深度学习模型中的Normalization，你懂了多少？

第七期：【AI初识境】为了围剿SGD大家这些年想过的那十几招

第八期：【AI初识境】被Hinton，DeepMind和斯坦福嫌弃的池化，到底是什么？

第九期：【AI初识境】如何增加深度学习模型的泛化能力

第十期：【AI初识境】深度学习模型评估，从图像分类到生成模型

第十一期：【AI初识境】深度学习中常用的损失函数有哪些？

第十二期：【AI初识境】给深度学习新手开始项目时的10条建议

感谢各位看官的耐心阅读，不足之处希望多多指教。后续内容将会不定期奉上，欢迎大家关注有三公众号 有三AI！

【AI白身境】究竟谁是paper之王，全球前10的计算机科学家相关推荐

「AI白身境」究竟谁是paper之王，全球前10的计算机科学家
https://www.toutiao.com/a6694021927259865611/ 今天是新专栏<AI白身境>的第十二篇,也是最后一篇了,作为最后一篇,我的想法是激励大家见贤思齐. ...
【AI白身境】深度学习中的数据可视化
文章首发于微信公众号<有三AI> [AI白身境]深度学习中的数据可视化今天是新专栏<AI白身境>的第八篇,所谓白身,就是什么都不会,还没有进入角色. 上一节我们已经讲述了如何 ...
【AI白身境】学深度学习你不得不知的爬虫基础
文章首发于微信公众号<有三AI> [AI白身境]学深度学习你不得不知的爬虫基础今天是新专栏<AI白身境>的第七篇,所谓白身,就是什么都不会,还没有进入角色. 对于深度学习,一 ...
【AI白身境】只会用Python？g++，CMake和Makefile了解一下
文章首发于微信公众号<有三AI> [AI白身境]只会用Python?g++,CMake和Makefile了解一下今天是新专栏<AI白身境>的第六篇,所谓白身,就是什么都不会, ...
【AI白身境】搞计算机视觉必备的OpenCV入门基础
文章首发于微信公众号<有三AI> [AI白身境]搞计算机视觉必备的OpenCV入门基础今天是新专栏<AI白身境>的第五篇. 曾经看过一个视频,树莓派自平衡机器人自动追着小球跑 ...
【AI白身境】学AI必备的python基础
文章首发于微信公众号<有三AI> [AI白身境]学AI必备的python基础今天是新专栏<AI白身境>的第三篇,所谓白身,就是什么都不会,还没有进入角色. 上一篇给大家介绍了 ...
【AI白身境】Linux干活三板斧，shell、vim和git
文章首发于微信公众号<与有三学AI> [AI白身境]Linux干活三板斧,shell.vim和git 今天是专栏<AI白身境>的第二篇,所谓白身,就是什么都不会,还没有进入角色 ...
对pca降维后的手写体数字图片数据分类_【AI白身境】深度学习中的数据可视化...
今天是新专栏<AI白身境>的第八篇,所谓白身,就是什么都不会,还没有进入角色. 上一节我们已经讲述了如何用爬虫爬取数据,那爬取完数据之后就应该是进行处理了,一个很常用的手段是数据可视化. ...
【AI白身境】计算机视觉都有哪些研究方向
文章首发于微信公众号<有三AI> [AI白身境]一文览尽计算机视觉研究方向今天是新专栏<AI白身境>的第10篇,所谓白身,就是什么都不会,还没有进入角色. 相信看了前面的几篇 ...

【AI白身境】究竟谁是paper之王，全球前10的计算机科学家

【AI白身境】究竟谁是paper之王，全球前10的计算机科学家相关推荐

最新文章

热门文章