Beste Antwort
Tom Funkhouser, Barbara Engelhardt und Olga Troyanskaya sind keine Professoren für maschinelles Lernen. Tom Funkhouser ist Professor für Computergrafik, während Barbara Engelhardt und Olga Troyanskaya Professoren für Computational Biology sind.
Sanjeev Arora ist ein Theorieprofessor, der sich auf Komplexität von Computern spezialisiert hat, aber seit kurzem an theoretischem maschinellem Lernen und Worteinbettungen arbeitet. Keiner der vier oben genannten Professoren hat wegweisende Arbeiten zum maschinellen Lernen veröffentlicht.
Nachdem Rob Schapire und David Blei gegangen sind, ist Princeton nicht sehr gut im maschinellen Lernen. Ehrlich gesagt bin ich von diesem Verhalten der Informatikabteilung in Princeton überrascht. Ich habe keine Ahnung, warum sie versuchen, Leute über die Professoren für maschinelles Lernen in Princeton in die Irre zu führen.
Antwort
Princeton war vor 2015 großartig im maschinellen Lernen, als sie Dave Blei hatten ( LDA) und Rob Schapire (Boosting) als Professoren.
In diesen Tagen hat Princeton Sebastian Seung (matrixbasierte Faktorisierung, aktives Lernen (Abfrage durch das Komitee) und tiefes Lernen für biomedizinische Bilder) und Elad Hazan (online) konvexe Optimierung und Adagrad) als Professoren für maschinelles Lernen. Die anderen Professoren, die in anderen Antworten und auf der Seite der Fakultät für Informatik in Princeton erwähnt wurden, sind keine Professoren für maschinelles Lernen, da sie keine außergewöhnlichen und innovativen Arbeiten im Bereich maschinelles Lernen erbracht haben.
Princeton hat es dieses Jahr geschafft, Yoram Singer von Google einzustellen und er ist ein berühmter Experte für maschinelles Lernen, der Rob Schapire und Dave Blei ebenbürtig ist.
Ich würde sagen, dass Princeton derzeit drei außergewöhnliche Professoren für maschinelles Lernen hat (Yoram Singer, Sebastian Seung und Elad Hazan). Im Vergleich dazu sind die anderen Professoren, die in anderen Antworten auf diese Frage zitiert werden, beim maschinellen Lernen mittelmäßig.
Princeton ist ein guter Ort für maschinelles Lernen, aber kein außergewöhnlicher Ort, da sie niemanden haben, der außergewöhnlich forscht Verstärkungslernen und Bayesianisches maschinelles Lernen.