1) Judea Pearl. Es un emérito y muy viejo, pero es legendario. Escribió el libro sobre causalidad. Desafortunadamente, él también es una figura controvertida (así como la causalidad es un tema controvertido).
2) Song-Chun Zhu. Está bastante bien integrado en el departamento de Estadística; él hace imágenes y representación del conocimiento.
3) Alan Yuille. También es estadístico (aunque Yuille era en realidad un físico originalmente, y fue asesorado por Stephen Hawking). También hace imágenes, así como grandes métodos bayesianos (es decir, muestreo), y creo que la construcción del diccionario (para imágenes). También tiene vínculos con un famoso laboratorio de neurocirugía a través de uno de sus estudiantes.
- ¿Cuáles son algunos de los algoritmos más ingeniosos en informática? Bonificación si el algoritmo se ejecuta en tiempo constante.
- ¿Cuál es el mejor lenguaje de programación para hacer investigaciones y locuras?
- ¿Cuáles son los documentos fundamentales sobre detección comprimida?
- ¿Dónde puedo encontrar documentos seminales sobre GPGPU?
- ¿Cuáles son las principales conferencias / revistas en teoría CS?
4) Elieser Eskin. Él hace bioinformática y genética y ese tipo de cosas. Personalmente me gusta, pero no tengo idea de lo que realmente investiga en esos campos.
5) Terry Tao. Entonces … sí, la detección comprimida no es técnicamente Machine Learning, supongo, pero sigue siendo relevante y malditamente genial, y él lo inventó y es increíble. Entonces ahí está eso. Él es matemática pura, por lo que no trabajará con él a menos que esté interesado en Analysis (y también sea increíble), pero él está allí y es genial y enseña regularmente.
Hay muchos otros, y un gran número de profesores trabajando en campos relacionados (optimización, procesamiento de imágenes, detección comprimida, aprendizaje estadístico, otros problemas de visión, IA, PNL, etc.), pero esos son algunos.
Actualizar:
Fei Sha acaba de mudarse de USC a UCLA. Es experto en métodos de kernel y aprendizaje métrico (entre otras cosas).