TL; DR : Muchos profesores en el MIT ahora están trabajando con el aprendizaje profundo de alguna manera, pero hay pocos, si es que hay alguno, que se centren únicamente en el aprendizaje profundo.
En mi experiencia, los profesores del MIT disfrutan trabajar en sus intereses independientemente de cualquier cambio general en la industria o la academia. Últimamente, sin embargo, muchos se han vuelto más comprensivos con las redes neuronales y han comenzado a incorporarlos en su trabajo.
Por nombrar algunos (y un foco de su investigación):
- ¿Por qué alguien usaría un modelo de regresión basado en un árbol de decisión?
- ¿Por qué la red bayesiana no ha tenido tanto éxito como la red neuronal profunda?
- ¿Cuáles son los pros y los contras comparativos de usar Python, MATLAB / Octave y R para el análisis de datos y el aprendizaje automático?
- ¿Cuáles son los requisitos previos para aprender Oracle Apps Technical?
- ¿Importa el número de imágenes para cada categoría mientras se entrena para una red neuronal convolucional?
- Antonio Torralba, Bill Freeman (visión)
- Jim Glass (discurso)
- Regina Barzilay (PNL)
- David Sontag (ML + salud)
- Tomaso Poggio, Josh Tenenbaum (más ciencia cognitiva)
- Suvrit Sra, Tommi Jaakkola, Stephanie Jegelka (teoría, estadística)
Todos estos son profesores que han comenzado a estudiar aprendizaje profundo en el contexto de sus problemas específicos. Sin embargo, no conozco a ningún profesor (podría estar equivocado) cuyo enfoque principal de investigación sea el aprendizaje profundo; muchos usan una amplia gama de técnicas y están más interesados en resolver sus problemas particulares que insistir en usar una herramienta en particular.
Hay más profesores e incluso más estudiantes graduados que utilizan el aprendizaje profundo, pero este es un buen punto de partida.
