机器学习重量级人物Zoubin Ghahramani就任Uber首席科学家
http://baijiahao.baidu.com/s?id=1561915010638627&wfr=spider&for=pc
Zoubin Ghahramani 目前已经发表过 250 多篇研究论文，被引次数 35,000 多次（高被引文献数 79）。他曾在机器学习领域的顶级国际会议——NIPS,ICML 以及 AISTATS——上担任过大会主席
//
如何评价吴恩达的学术地位_百度知道
https://zhidao.baidu.com/question/204257670816262485.html
吴恩达 (Andrew Ng)，斯坦福计算机系的副教授，师从机器学习的大师级人物 Michael I. Jordan。
同门师兄弟包括Zoubin Ghahramani, Tommi Jaakkola, Eric Xing, David Blei, 徒子徒孙遍布美国名校，他们这一大学派的主要研究和贡献集中在 统计机器学习（Statistical Machine Learning）和图模型(Probabilistic Graphical model),具体的比如 Spectral clustering, Nonparametric Bayesian Methods,Variational Methods等等。
//
关于 NIPS 2016 你应该知道的 50 件事情搜狐科技搜狐网
http://www.sohu.com/a/121892535_473283
- 深度学习的许多核心思想20年前就有了，但为什么深度学习现在很有效，而当时没有多少大的应用呢？用一句话来说：因为我们现在能得到更多的数据，更强的计算能力，更好的软件工程，以及一些算法上的创新（多层、ReLU、更好的初始化和学习速率的提升、Dropout、LSTM、卷积网络）。（了解更多，参考：http://mlg.eng.cam.ac.uk/zoubin/）【个人主页】
//
批评深度学习的G.Marcus能让人工智能更像人类吗？ -百家号
https://baijia.baidu.com/s?old_id=269410
Zoubin Ghahramani是Geometric Intelligence公司另一位联合创始人，剑桥大学信息工程教授。Zoubin Ghahramani先后在前苏联和伊朗生活，后来相继搬到西班牙和美国。他恰巧与Marcus同年同月同日生，但比Marcus晚一年来到MIT。
Ghahramani侧重于通过概率让机器变得更聪明。虽然其背后的数学原理很复杂，但采用该方法的原因很简单，概率提供了一种应对不确定性和不完备信息的方法。「能飞的鸟」也许是个不错的案例。一个基于概率的系统可以得出「一只鸟会飞」概念的很高的可能性。接下来，当系统学习到鸵鸟也是鸟类时，也会假设鸵鸟很可能会飞。但其他信息也会改变上述假设，比如说「一只成年鸵鸟的重量通常超过200磅」，从而不断降低「鸵鸟会飞」的概率，直到接近为零。这种灵活的方法可以灌输给机器一些像是常识的天然形式的东西，这也是人类智能的重要基本属性。
我与位于剑桥的Ghahramani通过Skype交谈，Ghahramani 暗示了他和Marcus所看重的一项特殊应用：训练机器人应对复杂环境。Ghahramani 认为，在目前的机器人研究领域，让机器人拥有经验需要付出非常昂贵的代价。「如果你希望让机器人学会走路，或者让汽车学会自动驾驶，那么通过数百万次的跌倒、碰撞甚至车祸事故等案例去训练它是无法实现的，这行不通。」
//
贝叶斯神经网络简史 | 机器之心
https://www.jiqizhixin.com/articles/2016-12-20-5
//
Zoubin Ghahramani《Machine Learning Toolbox》(机器学习，主要是HMM)MATLAB论坛 -
http://www.madio.net/thread-223641-1-1.html
//
Zoubin Ghahramani《Machine Learning Toolbox》(机器学习，主要是HMM)MATLAB论坛 -
http://www.madio.net/thread-223641-1-1.html
Zoubin Ghahramani《Machine Learning Toolbox》(机器学习，主要是HMM)
% Machine Learning Toolbox
% Version 1.0 01-Apr-96
% Copyright (c) by Zoubin Ghahramani, University of Toronto
%
% This directory contains a Matlab implementation of the Baum-Welch learning
% algorithm for Hidden Markov Models.
%
% hmm - Gaussian Observation Hidden Markov Model (HMM)
% hmm_cl - Calculate Likelihoods for HMM
% hmmdemo - A demo of the HMM program
%
% rsum - row sum of matrix
% rprod - row product of matrix and vector
% rdiv - row division of matrix by vector
