我们的八人班学者（在 550 名申请者中）汇集了文学、哲学、细胞生物学、统计学、经济学、量子物理学和商业创新方面的集体专业知识。
我们的学者正在将这些专业应用于当前的人工智能研究，并记录他们作为机器学习从业者继续成长的进展。
这是我们的第二届OpenAI学者。他们的计划于二月份开始，并将以完成开源最终项目而结束。在整个计划中，学者们通过他们的博客与研究界分享他们的进展。我们的学者正在努力实现的一些应用是：
- 将强化学习应用于机器人操作
- 改进自然语言处理中的推理和推理
- 将强化学习算法应用于情绪分析
认识学者
法特玛·塔拉奇
作品来自：德克萨斯州奥斯汀
法特玛·塔拉奇的社交链接
Fatma于2016年获得德克萨斯大学奥斯汀分校比较文学博士学位，并于2018年作为Eric Roberts研究员获得斯坦福大学计算机科学硕士学位。她对语言、文化和文学的了解使她探索了AGI的人性维度。Fatma目前是圣爱德华兹大学的计算机科学讲师，对自然语言处理（NLP）和计算机视觉（CV）之间的交叉感兴趣。她是人工智能多样性的热心倡导者，并认为人工智能的更好代表性至关重要，因为它渗透到人类生活的方方面面。作为一名OpenAI学者，Fatma致力于NLP方法论，旨在完成一个探索改善NLP推理和推理方法的项目。
乔纳森·米修
作品来自：芝加哥和旧金山
乔纳森·米修的社交链接
Jonathan是一位细胞生物学家（PhD），数学家（BA）和机器人爱好者，他对复杂系统的运动和控制非常感兴趣。在细胞水平上，他研究了控制胚胎细胞形状变化的机制。作为一名有抱负的机器人专家，他正在将强化学习应用于机器人操作。他的长期研究目标是将机器学习和优化工具与控制理论的见解相结合，以设计现实世界中机器人运动和操纵的算法。
南希·奥特罗
作品来自：纽约市和墨西哥城
南希·奥特罗的社交链接
在过去的10年里，南希一直在研究学习。思考人类的知识建构是她的热情所在。Nancy 拥有斯坦福大学软件工程、数学、心理学和教育背景，希望使用多学科方法来开发可以改善教育的人工智能原型。她还有兴趣了解人工智能如何重新定义人类在不久的将来将学习的方式、原因和内容。她是纽约市一所基于项目的学校Portfolio School的创始团队，也是墨西哥一家非营利组织的联合创始人。
陈玲玲
作品来自：新泽西州普林斯顿
陈婷婷的社交链接
Elynn 于 2018 年获得统计学博士学位。她的博士学位专注于高维和多维数据的谱法和矩阵/张量分解。她的研究兴趣在于统计学习理论、机器学习和优化的交叉点。在OpenAI，她致力于深度强化学习及其在医疗保健和业务管理中的应用。
姬梦鑫
作品来自：湾区
姬海伦（梦鑫）的社交链接
Helen是加州大学戴维斯分校资源经济学博士生和统计学硕士生。她的研究兴趣集中在机器学习方法（经典统计学习和深度学习）及其在能源经济学中的应用，以及异构因果推理。她于 2018 年在微软担任应用研究实习生，并于 2017 年在芝加哥大学担任社会公益数据科学研究员。2018年，她获得了Twitter的Grace Hopper奖学金和量化金融女性奖学金。作为一名OpenAI学者，Helen致力于RL方法论，并计划完成一个可以将RL算法应用于情感分析的项目。
万宇豪
作品来自：湾区
万宇豪的社交链接
Yuhao最近毕业于卡尔顿学院，学习数学和哲学。雨浩着迷于我们世界的结构和动态，还探索了物理学、法律和经济学。她通过布达佩斯数学学期和组合数学和实际问题算法的REU发现了她对研究和解决问题的兴趣。在OpenAI，Yuhao研究机器学习，重点是深度强化学习。目前，她有兴趣了解学习方法如何表现出一定程度的概括。
珍妮特·布朗
作品来自：加利福尼亚州旧金山
珍妮特·布朗的社交链接
珍妮特一直着迷于视觉维度，并使用空间方法来帮助增强传统非视觉问题领域的分析。作为一名OpenAI学者，她研究了生成模型的可能性以及它们帮助识别数据/图像最关键特征的能力，作为生成重建的一部分。目前，珍妮特领导着Atakote，在那里她使用增强现实和虚拟现实等技术来改变零售，制造和运输等传统行业。此前，Janet曾在哈佛商学院学习，并在20 +国家/地区的麦肯锡公司等大公司工作。
埃德加·巴拉萨
作品来自：纽约州伊萨卡
埃德加·巴拉萨的社交链接
埃德加是康奈尔大学物理专业的应届毕业生。他最初是一名从事混合量子系统的实验学家，他通过应用计算机视觉技术来搜索表示为图像的亚原子粒子，从而潜入深度学习。他希望通过利用人工智能的力量来完成曾经只有人类才能完成的任务，为人们提供所需的资源。为了实现这一目标，Edgar 将他作为 OpenAI 学者的时间花在了专注于自然语言理解上。
我们的学者展示了各种专家领域的核心技术技能和自我激励——这是像这样的自主课程的关键能力。他们每个人都以相对较新的身份进入机器学习领域，我们希望他们的进展表明机器学习是多么容易获得。要开始您的学习之旅，请查看我们的一些教育材料.
感谢 AWS 为学者提供计算积分。还要感谢我们敬业的社区导师花时间为学者提供项目建议。
