2018年ACM杰出会员公布,华人学者占四分之一

近日,美国计算机学会(ACM)公布 2018 年杰出会员(ACM Distinguished Members)名单,共有 49 人获此荣誉,其中华裔学者 12 名。

ACM 杰出会员必须具备至少 15 年专业经验和连续 5 年专业会员资格,并在计算领域取得了杰出成就或做出巨大贡献。今年美国计算机学会一共为 49 位科学家授予「杰出会员」荣誉。今年有 5 位中国科学家入选,截至目前,全国共有 29 位 ACM 杰出会员,其中大陆 16 人,香港 10 人,台湾 3 人。

ACM 主席 Cherri M. Pancake 称:「ACM 通过对杰出科学家的奖励,强调了他们的专业成就,这些技术改变了我们的日常生活和社会。」

2018 年的 ACM 杰出会士来自全球各地的顶尖大学、公司和研究机构,包括澳大利亚、加拿大、智利、中国、法国、德国、日本、新西兰、新加坡、瑞典、美国和英国。这些创新者在大量技术领域中作出了杰出贡献,包括算法、人工智能、计算机体系架构、计算机科学教育、网络安全、图形学、人机交互和网络。

当选 2018 ACM 杰出会员的华人科学家(排名不分先后):

常毅 吉林大学人工智能学院院长

简介:教授,千人计划科学家,现任吉林大学人工智能学院院长,曾任华为美国研究所技术副总裁,负责华为公司智能搜索、问答系统知识图谱的技术研发。之前曾就职于雅虎研究院,任研究总监,负责其搜索研究部门, 主持雅虎公司的几乎所有重要搜索产品的应用研究和精准度提高。他在国际一流会议和期刊上发表 100 多篇论文,发表了一本专著,30 余项专利,并荣获了 WSDM 2016 最佳论文奖、KDD 2016 最佳论文奖。他现担任 TKDE 副主编,WSDM 2018 大会主席,SIGIR 2020 大会主席。

个人主页:http://www.yichang-cs.com/

陈雷 香港科技大学教授

简介:陈雷,教授,ACM Hong Kong 计算机学会主席,担任 ACM SIGMM 2011、ACM CIKM 2012 和 IEEE ICDE 2012 会议的程序委员会副主席,担任 IEEE Transactions on Knowledge and Data Engineering (IEEE TKDE) 与 Distributed and Parallel Databases (DAPD) 等期刊编委,是概率和不确定性数据库、社交网络中的众包分析、多媒体和时间序列数据库、隐私保护数据的知名学者。

个人主页:https://home.cse.ust.hk/~leichen/

陈怡然 美国杜克大学副教授、美国自然科学基金委智能与可持续计算产学合作中心主任

简介:陈怡然是杜克大学电子与计算机工程系副教授、杜克大学进化智能中心联合主任、美国自然科学基金委新型可持续智能计算产学中心主任。研究兴趣:新型存储器、神经形态计算和移动计算。

个人主页:https://ece.duke.edu/faculty/yiran-chen

董欣(Xin Luna Dong)亚马逊首席科学家

简介:董欣,现任亚马逊首席科学家,曾就职于 Google、AT&T Labs。研究领域:知识收集与知识融合、数据集成

个人主页:http://lunadong.com/

付昀 美国东北大学电气与计算机工程副教授

简介:付昀是美国东北大学电气与计算机工程副教授,东北大学 SMILE Lab 实验室主要负责人,IEEE 高级会员,ACM 终身会员,AAAI 终身会员。研究兴趣:机器学习、计算智能、大数据挖掘、计算机视觉模式识别和信息物理系统。

个人主页:http://www1.ece.neu.edu/~yunfu/

贾小华 香港城市大学教授

简介:长江学者奖励计划特聘教授,千人计划国家特聘专家,IEEE Fellow。从事分布式系统、Internet 路由协议、Internet 中代理的放置、广域网中波长转换器的放置、文件及其副本的一致性控制、Internet 上合作编辑系统一致性控制、移动 Ad Hoc 网络等方面的研究工作。研究项目 18 项,发表论文 130 余篇,其中 SCI 索引 50 余篇。

个人主页:http://www.cs.cityu.edu.hk/~jia/

Chen Li 加州大学欧文分校信息与计算机科学学院教授

简介:加州大学欧文分校信息与计算机科学学院教授,曾是 Google 的特邀访问研究科学家。研究方向:数据管理和信息搜索、重点研究文本搜索、数据清理、数据集成和数据密集计算,曾获得 SIGMOD 2012「时间考验论文奖」。此外,他还是 SRCH2 的联合创始人和 CTO。

个人主页:https://chenli.ics.uci.edu/

李飞飞 犹他大学计算机系教授,阿里达摩院数据库与存储实验室负责人

简介:李飞飞,现任阿里巴巴副总裁,达摩院数据库首席科学家,负责达摩院数据库实验室,加入阿里巴巴之前是美国犹他大学计算机系的终身正教授。研究方向:数据库系统、大数据管理及系统设计开发、数据管理系统的安全问题。

个人主页:http://www.cs.utah.edu/~lifeifei/

Xipeng Shen 北卡罗来纳州立大学计算机科学教授

简介:Xipeng Shen,北卡罗来纳州立大学计算机科学教授,NCSU 系统实验室的成员。研究方向:架构和操作系统、人工智能和智能体、云计算数据科学和分析、信息和知识管理、并行和分布式系统、高性能计算,以及软件工程和编程语言。

个人主页:https://www.csc.ncsu.edu/people/xshen5

王井东 微软亚洲研究院高级研究员

简介:王井东是微软亚洲研究院视觉计算组的高级研究员,IAPR Fellow。研究兴趣包括 CNN 架构设计、行人重识别、大规模索引和显著性目标检测。曾担任 IEEE TPAMI、IEEE TMM 和 IEEE TCSVT 的副编辑,并担任视觉、多媒体和人工智能领域顶会(如 CVPR、ICCV、ECCV、ACM MM、IJCAI 和 AAAI)的区域主席(或 SPC)。

个人主页:https://jingdongwang2017.github.io (https://jingdongwang2017.github.io/)

Danfeng Yao 弗吉尼亚理工大学计算机系副教授,软件和系统安全专家

简介:Danfeng Yao 是弗吉尼亚理工大学计算机系副教授,软件和系统安全专家。研究兴趣:高端计算和计算科学、系统和网络安全。

个人主页:http://webcore.cs.vt.edu/user/yao

俞益洲 香港大学教授

简介:俞益洲,教授,香港大学计算机科学系。2006 年成为美国伊利诺依大学香槟分校(UIUC)终身教授。2000 年在加州大学伯克利分校获计算机博士学位,导师为人工智能计算机视觉领域的美国科学院与工程院两院院士 Malik 教授。多次与 eBay 研究院, 谷歌大脑,微软研究院等机构各作。并多次在微软亚洲研究院任客座研究员。2002 年获美国国家科学基金杰出青年奖(CAREER Award),2007 年获中国自然科学基金海外青年学者合作基金(海外杰青)资助。近年来多次在人工智能,机器视觉,数字家庭有关的国际会议做特邀报告,并应邀担任计算机视觉和可视媒体领域重要国际会议的程序委员会委员或主席。

个人主页:https://i.cs.hku.hk/~yzyu/

2018 ACM 杰出会员完整名单如下:

参考链接:https://awards.acm.org/award_winners?year=2018&award=157

理论俞益洲Danfeng Yao王井东Xipeng ShenChen Li贾小华付昀董欣陈怡然陈雷常毅ACM
1
相关数据
亚马逊机构

亚马逊(英语:Amazon.com Inc.,NASDAQ:AMZN)是一家总部位于美国西雅图的跨国电子商务企业,业务起始于线上书店,不久之后商品走向多元化。目前是全球最大的互联网线上零售商之一,也是美国《财富》杂志2016年评选的全球最大500家公司的排行榜中的第44名。

https://www.amazon.com/
相关技术
微软亚洲研究院机构

微软亚洲研究院于1998年在北京成立,是微软公司在亚太地区设立的基础及应用研究机构,也是微软在美国本土以外规模最大的一个研究院。微软亚洲研究院从事自然用户界面,智能多媒体,大数据与知识挖掘,人工智能,云和边缘计算,计算机科学基础等领域的研究,致力于推动计算机科学前沿发展,着眼下一代革命性技术的研究,助力微软实现长远发展战略。通过与微软产品部门紧密合作,微软亚洲研究院将众多创新技术转移到了微软的核心产品中,如Office、Windows、Azure、Bing、Visual Studio、Xbox Kinect以及小冰、Cortana和Microsoft Translator等人工智能产品。

https://www.msra.cn/
李飞飞人物

李飞飞,斯坦福大学计算机科学系教授,斯坦福视觉实验室负责人,斯坦福大学人工智能实验室(SAIL)前负责人。专业领域是计算机视觉和认知神经科学。2016年11月李飞飞加入谷歌,担任谷歌云AI/ML首席科学家。2018年9月,返回斯坦福任教,现为谷歌云AI/ML顾问。10月20日斯坦福大学「以人为中心的AI计划」开启,李飞飞担任联合负责人。11月20日李飞飞不再担任SAIL负责人,Christopher Manning接任该职位。

机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

数据科学技术

数据科学,又称资料科学,是一门利用数据学习知识的学科,其目标是通过从数据中提取出有价值的部分来生产数据产品。它结合了诸多领域中的理论和技术,包括应用数学、统计、模式识别、机器学习、数据可视化、数据仓库以及高性能计算。数据科学通过运用各种相关的数据来帮助非专业人士理解问题。

模式识别技术

模式识别(英语:Pattern recognition),就是通过计算机用数学技术方法来研究模式的自动处理和判读。 我们把环境与客体统称为“模式”。 随着计算机技术的发展,人类有可能研究复杂的信息处理过程。 信息处理过程的一个重要形式是生命体对环境及客体的识别。其概念与数据挖掘、机器学习类似。

计算机视觉技术

计算机视觉(CV)是指机器感知环境的能力。这一技术类别中的经典任务有图像形成、图像处理、图像提取和图像的三维推理。目标识别和面部识别也是很重要的研究领域。

数据管理技术

数据管理是利用计算机硬件和软件技术对数据进行有效的收集、存储、处理和应用的过程,其目的在于充分有效地发挥数据的作用。

知识图谱技术

知识图谱本质上是语义网络,是一种基于图的数据结构,由节点(Point)和边(Edge)组成。在知识图谱里,每个节点表示现实世界中存在的“实体”,每条边为实体与实体之间的“关系”。知识图谱是关系的最有效的表示方式。通俗地讲,知识图谱就是把所有不同种类的信息(Heterogeneous Information)连接在一起而得到的一个关系网络。知识图谱提供了从“关系”的角度去分析问题的能力。 知识图谱这个概念最早由Google提出,主要是用来优化现有的搜索引擎。不同于基于关键词搜索的传统搜索引擎,知识图谱可用来更好地查询复杂的关联信息,从语义层面理解用户意图,改进搜索质量。比如在Google的搜索框里输入Bill Gates的时候,搜索结果页面的右侧还会出现Bill Gates相关的信息比如出生年月,家庭情况等等。

数据库技术

数据库,简而言之可视为电子化的文件柜——存储电子文件的处所,用户可以对文件中的数据运行新增、截取、更新、删除等操作。 所谓“数据库”系以一定方式储存在一起、能予多个用户共享、具有尽可能小的冗余度、与应用程序彼此独立的数据集合。

数据挖掘技术

数据挖掘(英语:data mining)是一个跨学科的计算机科学分支 它是用人工智能、机器学习、统计学和数据库的交叉方法在相對較大型的数据集中发现模式的计算过程。 数据挖掘过程的总体目标是从一个数据集中提取信息,并将其转换成可理解的结构,以进一步使用。

云计算技术

云计算(英语:cloud computing),是一种基于互联网的计算方式,通过这种方式,共享的软硬件资源和信息可以按需求提供给计算机各种终端和其他设备。

大数据技术技术

大数据,又称为巨量资料,指的是传统数据处理应用软件不足以处理它们的大或复杂的数据集的术语。

神经形态计算技术

神经形态工程也称为神经形态计算,是Carver Mead在1980年代后期开发的一个概念,描述了使用包含电子模拟电路来模拟神经系统中存在的神经生物学结构的超大规模集成(VLSI)系统。 近来,神经形态(Neuromorphic)一词已被用于描述模拟、数字、混合模式模拟/数字VLSI以及实现神经系统模型(用于感知,运动控制或多感官集成)的软件系统。

人机交互技术

人机交互,是一门研究系统与用户之间的交互关系的学问。系统可以是各种各样的机器,也可以是计算机化的系统和软件。人机交互界面通常是指用户可见的部分。用户通过人机交互界面与系统交流,并进行操作。小如收音机的播放按键,大至飞机上的仪表板、或是发电厂的控制室。

数据集成技术

数据集成是把不同来源、格式、特点性质的数据在逻辑上或物理上有机地集中,从而为企业提供全面的数据共享。在企业数据集成领域,已经有了很多成熟的框架可以利用。目前通常采用联邦式、基于中间件模型和数据仓库等方法来构造集成的系统,这些技术在不同的着重点和应用上解决数据共享和为企业提供决策支持。

问答系统技术

问答系统是未来自然语言处理的明日之星。问答系统外部的行为上来看,其与目前主流资讯检索技术有两点不同:首先是查询方式为完整而口语化的问句,再来则是其回传的为高精准度网页结果或明确的答案字串。以Ask Jeeves为例,使用者不需要思考该使用什么样的问法才能够得到理想的答案,只需要用口语化的方式直接提问如“请问谁是美国总统?”即可。而系统在了解使用者问句后,会非常清楚地回答“奥巴马是美国总统”。面对这种系统,使用者不需要费心去一一检视搜索引擎回传的网页,对于资讯检索的效率与资讯的普及都有很大帮助。从系统内部来看,问答系统使用了大量有别于传统资讯检索系统自然语言处理技术,如自然语言剖析(Natural Language Parsing)、问题分类(Question Classification)、专名辨识(Named Entity Recognition)等等。少数系统甚至会使用复杂的逻辑推理机制,来区隔出需要推理机制才能够区隔出来的答案。在系统所使用的资料上,除了传统资讯检索会使用到的资料外(如字典),问答系统还会使用本体论等语义资料,或者利用网页来增加资料的丰富性。

暂无评论
暂无评论~