機器學習重量級人物Zoubin Ghahramani就任Uber首席科學家
http://baijiahao.baidu.com/s?id=1561915010638627&wfr=spider&for=pc
Zoubin Ghahramani 目前已經發表過 250 多篇研究論文，被引次數 35,000 多次（高被引文獻數 79）。他曾在機器學習領域的頂級國際會議——NIPS,ICML 以及 AISTATS——上擔任過大會主席
//
如何評價吳恩達的學術地位_百度知道
https://zhidao.baidu.com/question/204257670816262485.html
吳恩達 (Andrew Ng)，斯坦福計算機系的副教授，師從機器學習的大師級人物 Michael I. Jordan。
同門師兄弟包括Zoubin Ghahramani, Tommi Jaakkola, Eric Xing, David Blei, 徒子徒孫遍布美國名校，他們這一大學派的主要研究和貢獻集中在 統計機器學習（Statistical Machine Learning）和圖模型(Probabilistic Graphical model),具體的比如 Spectral clustering, Nonparametric Bayesian Methods,Variational Methods等等。
//
關于 NIPS 2016 你應該知道的 50 件事情搜狐科技搜狐網
http://www.sohu.com/a/121892535_473283
- 深度學習的許多核心思想20年前就有了，但為什么深度學習現在很有效，而當時沒有多少大的應用呢？用一句話來說：因為我們現在能得到更多的數據，更強的計算能力，更好的軟件工程，以及一些算法上的創新（多層、ReLU、更好的初始化和學習速率的提升、Dropout、LSTM、卷積網絡）。（了解更多，參考：http://mlg.eng.cam.ac.uk/zoubin/）【個人主頁】
//
批評深度學習的G.Marcus能讓人工智能更像人類嗎？ -百家號
https://baijia.baidu.com/s?old_id=269410
Zoubin Ghahramani是Geometric Intelligence公司另一位聯合創始人，劍橋大學信息工程教授。Zoubin Ghahramani先后在前蘇聯和伊朗生活，后來相繼搬到西班牙和美國。他恰巧與Marcus同年同月同日生，但比Marcus晚一年來到MIT。
Ghahramani側重于通過概率讓機器變得更聰明。雖然其背后的數學原理很復雜，但采用該方法的原因很簡單，概率提供了一種應對不確定性和不完備信息的方法。「能飛的鳥」也許是個不錯的案例。一個基于概率的系統可以得出「一只鳥會飛」概念的很高的可能性。接下來，當系統學習到鴕鳥也是鳥類時，也會假設鴕鳥很可能會飛。但其他信息也會改變上述假設，比如說「一只成年鴕鳥的重量通常超過200磅」，從而不斷降低「鴕鳥會飛」的概率，直到接近為零。這種靈活的方法可以灌輸給機器一些像是常識的天然形式的東西，這也是人類智能的重要基本屬性。
我與位于劍橋的Ghahramani通過Skype交談，Ghahramani 暗示了他和Marcus所看重的一項特殊應用：訓練機器人應對復雜環境。Ghahramani 認為，在目前的機器人研究領域，讓機器人擁有經驗需要付出非常昂貴的代價。「如果你希望讓機器人學會走路，或者讓汽車學會自動駕駛，那么通過數百萬次的跌倒、碰撞甚至車禍事故等案例去訓練它是無法實現的，這行不通。」
//
貝葉斯神經網絡簡史 | 機器之心
https://www.jiqizhixin.com/articles/2016-12-20-5
//
Zoubin Ghahramani《Machine Learning Toolbox》(機器學習，主要是HMM)MATLAB論壇 -
http://www.madio.net/thread-223641-1-1.html
//
Zoubin Ghahramani《Machine Learning Toolbox》(機器學習，主要是HMM)MATLAB論壇 -
http://www.madio.net/thread-223641-1-1.html
Zoubin Ghahramani《Machine Learning Toolbox》(機器學習，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
