周志华
南京大学副校长，教授，人工智能专家
手机：19821197419
微信：19821197419
邮箱：
驻地：
周志华
南京大学副校长，教授，人工智能专家
个人履历：
周志华：男，汉族，1973年11月生，江苏盐城人，人工智能研究专家，欧洲科学院院士，教育部长江学者特聘教授，博士生导师， 南京大学副校长、校学术委员会委员，南京大学计算机学院院长、南京大学人工智能学院院长，计算机软件新技术国家重点实验室常务副主任、机器学习与数据挖掘研究所所长，第十四届全国政协委员，美国计算机学会(ACM)、美国科学促进会(AAAS)、国际人工智能学会 (AAAI) 、国际电气电子工程师学会 (IEEE) 、国际模式识别学会 (IAPR)、国际工程技术学会 (IET/IEE) 、中国计算机学会(CCF)、中国人工智能学会(CAAI)、中国工业与应用数学学会(CSIAM) 等学会的会士 (Fellow)。兼任：教育部高等学校计算机类专业教学指导委员会副主任，证监会科技监管专家咨询委员会委员，南京市政府人工智能产业顾问，江苏省青联十一届副主席，江苏省政协第十、十一、十二届委员。 于1992年考入南京大学计算机科学与技术系，先后获得学士、硕士、博士学位；2001年留校任教；2002年被破格聘任为副教授；2003年获得国家杰出青年科学基金资助，同年被聘为教授；2004年被聘为博士生导师；2009年入选新世纪百千万人才工程国家级人选；2017年当选欧洲科学院院士；2018年担任南京大学计算机系主任兼人工智能学院院长；2024年担任南京大学副校长。主要从事人工智能、机器学习与数据挖掘研究，著有《机器学习》《集成学习: 基础与算法》等中英文著作四部，多项发明技术在重点企业转化实施成效显著；在本领域一流国际期刊和顶级国际会议发表论文两百余篇，被引用9万余次。以第一完成人获国家自然科学二等奖2项、教育部自然科学一等奖3项、江苏省科学技术一等奖1项，并获得IEEE计算机学会Edward J. McCluskey技术成就奖、CCF王选奖、首届CCF-ACM人工智能奖等。长期坚持在课堂教学与人才培养第一线，以第一完成人获国家级教学成果一等奖、南京大学卓越教学奖等。曾任教育部高校计算机类专业教学指导委员会副主任及人工智能专家委主任、国务院学位委员会计算机学科评议组成员等。
荣誉奖励：
2021年，当选国际工程技术学会会士（IET/IEE Fellow）；
2020年，获首届CCF-ACM人工智能奖；
2019年，获IEEE 计算机学会Edward J. McCluskey技术成就奖；
2019年，获亚洲机器学习卓越贡献奖；
2017年，当选欧洲科学院院士；
2017年，当选中国人工智能学会会士（CAAI Fellow）；
2017年，获CCF王选奖；
2016年，获亚太数据挖掘卓越贡献奖；
2016年，获IEEE数据挖掘杰出服务奖；
2016年，当选美国计算机学会会士（ACM Fellow）；
2016年，当选国际人工智能学会会士（AAAI Fellow）；
2016年，当选美国科学促进会会士（AAAS Fellow）；
2013年，获IEEE计算智能学会杰出青年成就奖；
2010年，获霍英东青年教师一等奖；
2009年，获新世纪百千万人才工程国家级人选；
2006年，获中国青年科技奖；
2008年，获中国IT十年杰出青年；
2006年，入选教育部长江学者特聘教授；
2006年，获国务院政府特殊津贴；
2006年，获微软教授奖；
2004年，获江苏省十大杰出青年；
2003年，获全国优秀博士学位论文奖；
2002年，获中创软件人才奖。
科研项目：
主持国家杰出青年科学基金项目：机器学习新技术的研究（2004年1月-2007年12月）；
主持国家自然科学基金项目：多标记学习的研究（2005年1月-2007年12月）；
主持国家自然科学基金项目：多示例学习及其应用的研究（2002年1月-2004年12月）；
主持教育部优秀青年教师资助计划项目：适用于稳定基学习器的集成学习算法的研究（2004年1月-2006年12月）
主持高等学校全国优秀博士学位论文作者专项基金项目：利用未标记数据的机器学习方法的研究（2004年1月-2008年12月）；
主持江苏省自然科学基金创新人才项目：基于神经网络的多示例学习的研究（2001年9月-2003年12月）；
主持江苏省自然科学基金重点项目：基于神经网络的预测型机器学习技术基础研究（2004年7月-2007年9月）。
论文代表：
On the Effectiveness of Sampling for Evolutionary Optimization in Noisy Environments，《Evolutionary Computation》2018EVCOa00201；
Scalable Algorithms for Multi-Instance Learning，《IEEE Transactions on Neural Networks & Learning Systems》2016.2519102；
Crowd intelligence in AI 2.0 era，《Frontiers of Information Technology & Electronic Engineering》 2017FITEE.1601859；
Multi-Label Learning with Global and Local Label Correlation，《IEEE Transactions on Knowledge & Data Engineering》2017.2785795；
Editorial: Multi-instance Learning in Pattern Recognition and Vision，《Pattern Recognition》2017.05.026；
Learnware: on the future of machine learning，《Frontiers of Computer Science》2016s11704-016-6906-3；
Minimal Gated Unit for Recurrent Neural Networks，《International Journal of Automation & Computing》2016s11633-016-1006-2；
Online game props recommendation with real assessments，《Complex & Intelligent Systems》2016s40747-016-0031-7；
One-Pass AUC Optimization，《Artificial Intelligence》2016.03.003；
Crowdsourcing label quality: a theoretical analysis，《Science China(Information Sciences)》2015s11432-015-5391-x；
Variable solution structure can be helpful in evolutionary optimization，《Science China》2015s11432-015-5382-y；
Switch Analysis for Running Time Analysis of Evolutionary Algorithms，《IEEE Transactions on Evolutionary Computation》2014.2378891；
High Responsivity Photoconductors Based on Iron Pyrite Nanowires Using Sulfurization of Anodized Iron Oxide Nanotubes，《Nano Letters》2014nl503059t；
B-Planner: Planning Bidirectional Night Bus Routes Using Large-Scale Taxi GPS Traces，《IEEE Transactions on Intelligent Transportation》2014.2298892；
A Review on Multi-Label Learning Algorithms，《IEEE Transactions on Knowledge & Data Engineering》2014TKDE.2013.39；
Active Learning by Querying Informative and Representative Examples，《IEEE Transactions on Pattern Analysis & Machine Intelligence》2014.2307881；
Exploiting unlabeled data to enhance ensemble diversity，《Data Mining and Knowledge Discovery》2013s10618-011-0243-9；
Multi-Instance Multi-Label learning with weak label，《Proceedings of the Twenty-Third international joint》2013/08/03.
著作代表：
《机器学习理论导引》，周志华著，机械工业出版社2020年出版；
《Evolutionary Learning: Advances in Theories and Algorithms》，作者周志华、俞扬、钱超，人民邮电出版社2019年出版；
《机器学习》，作者周志华，清华大学出版社2016年出版；
《Ensemble Methods: Foundations and Algorithms》，周志华著，电子工业出版社2012年出版。
讲座课程：
《机器学习（Machine Learning）》
《统计机器学习》
邀请老师演讲、授课请致电：19821197419 阎老师[微信同号]
免责声明：以上内容（包括文字、图片、视频）为用户上传并发布，本平台仅提供信息存储服务。如涉及版权问题，请联系我们并提供版权证明，我们将立即删除！
