朱军(清华大学计算机系教授)

朱军，中共党员，1983年1月出生，安徽阜阳市人。清华大学计算机系教授、人工智能研究院副院长、IEEE FELLOW、计算机系人智实验室主任。曾任卡耐基·梅隆大学兼职教授、国际著名期刊IEEE TPAMI的副主编、担任ICML、NeurIPS、ICLR等（资深）领域主席20余次。主要从事机器学习、贝叶斯方法、深度学习、数据挖掘研究。

2009年7月，朱军获清华大学计算机科学与技术专业博士学位。2009年8月至2011年9月，朱军在美国卡耐基·梅隆大学从事博士后研究。2011年9月，朱军开始清华大学教研生涯。2013年，朱军担任NIPS领域主席。2014年，担任ICML地区联合主席，而后担任IEEE Trans. on PAMI编委（Associate Editor）、ICML领域主席等。2015年，朱军再次担任NIPS领域主席，同年担任卡内基梅隆大学兼职教授。2018年，朱军成为北京瑞莱智慧科技有限公司首席科学家和联合创始人。2021年，朱军出任北京智源人工智能研究院机器学习首席科学家。

2016年，朱军获得北京市优秀青年人才奖。2017年，获得麻省理工学院 TR35中国区先锋者称号，同年获得中国计算机学会自然科学一等奖。2018年，朱军获得北京市教学成果一等奖。2019年，获得JP Morgan教师研究奖。2021年，获得中国人工智能学会吴文俊人工智能自然科学奖一等奖。2023年，朱军获得第二十五届中国科协求是杰出青年成果转化奖。2024年，朱军入选国际人工智能促进协会（AAAI Fellow）名单。

人物经历

早年经历

2001年，朱军从安徽阜阳市阜南县第一中学毕业，考入清华大学计算机系。而当时的朱军对计算机并不了解，更不知道如何启动。于是朱军潜心学习。2005年，朱军顺利获得清华大学工学学士（计算机）学位，2007年，获得清华大学计算机科学硕士，2009年，获得工学博士（计算机）学位。2009年8月至2011年9月，朱军在美国卡耐基·梅隆大学从事博士后研究。

工作经历

2004年至2007年间，朱军在微软亚洲研究院与聂再清博士、温吉荣博士、张磊博士、马伟英博士等人一起工作大约三年，期间拜访了比尔·盖茨先生，而后在中国政府的支持下，朱军参观了卡耐基·梅隆大学（CMU）机器学习系邢波（Eric P. Xing）教授指导的帆船实验室。2008年，朱军再次受邀访问卡内基梅隆大学。2011年11月，朱军担任清华大学计算机系副教授。2013年，朱军担任NIPS领域主席。自2013年开始，朱军及其团队成员开始探索贝叶斯方法与深度神经网络的深入融合，2014年，担任ICML地区联合主席，而后担任IEEE Trans. on PAMI编委（Associate Editor）、ICML领域主席、UAI领域主席、中国计算机学会学术工委委员等。2015年，朱军再次担任NIPS领域主席，同年担任卡内基梅隆大学兼职教授。2018年，朱军又一次成为NIPS领域主席。同年卸任IEEE Trans. on PAMI编委（Associate Editor）和卡内基梅隆大学兼职教授一职，而后担任IEEE Trans. on PAMI副主编（Associate Editor-in-Chief），同年，朱军成为北京瑞莱智慧科技有限公司首席科学家和联合创始人，同年7月，朱军担任清华大学计算机系教授。

2019年，朱军再次担任NIPS领域主席，并于同年卸任ICML领域主席和UAI领域主席。2021年，朱军出任北京智源人工智能研究院机器学习首席科学家。2023年11月16日，清华大学计算机系智能技术与系统实验室党支部在精华大学FIT楼1-315会议室举行朱军教授的预备党员转正会。经支部成员充分讨论并投票表决，一致同意朱军转为中国共产党正式党员。

2023年11月22日，国际电气和电子工程师协会（The Institute of Electrical and 电子学 Engineers，IEEE）公布了2023年新晋会士（Fellow）名单，其中包括朱军。

人才培养

主要成就

研究领域

朱军主要从事机器学习、贝叶斯方法、深度学习、数据挖掘等领域的研究。研究工作围绕机器学习基础理论、高效算法和应用展开，注重理论与实际问题结合。

主要研究成果

针对复杂数据隐含结构的学习与利用中的共性问题，研究了结构学习及基于结构的统计学习中若干关键问题。提出最大熵判别式学习的PAC-Bayes理论与方法、正则化贝叶斯推理及正则化非参数贝叶斯推理理论、贝叶斯模型的最大间隔学习理论与高效算法、“珠算”概率编程库等。

针对互联网数据挖掘、社交网络分析、多模态数据融合、网络推荐等多个典型应用场景，将基础理论与实际问题结合，提出有效的计算模型和算法，包括：1.将正则化贝叶斯推理用于解决大规模文本分类、社交网络分析、矩阵低秩分解、多模态数据融合等问题，提出高效学习算法；2.将结构化最大熵判别式学习用于解决网络环境下信息抽取、实体关系抽取、多模态数据融合与检索等问题，建立了基于结构的网络数据抽取框架及包括StatSnowball在内的若干统计模型，申请/授权发明专利17项，含3项美国专利，研究成果已应用到微软的多个搜索引擎，包括人立方关系搜索引擎和学术搜索引擎等。