Suis nous sur
CIFAR header logo
en
menu_mobile_logo_alt
  • Nouvelles
  • Activités
    • Événements publics
    • Réunions sur invitation seulement
  • Programmes
    • Programmes de recherche
    • Stratégie pancanadienne en matière d’IA
    • Initiatives à l’intention de la prochaine génération
    • Appel à idées mondial
  • Communauté
    • Membres et spécialiste-conseils
    • Chercheurs mondiaux CIFAR-Azrieli
    • Chaires en IA Canada-CIFAR
    • Direction – Stratégie en matière d’IA
    • Membres du réseau de solutions
    • Direction – CIFAR
  • Soutenez-nous
  • À propos
    • Notre histoire
    • CIFAR 40
    • Prix
    • Partenariats
    • Publications et rapports
    • Carrières
    • Répertoire du personnel
    • Équité, diversité et inclusion
  • en
  • Accueil
  • Bio

Suivez-nous

post_content

Christopher Manning

La nomination

Membre

Apprentissage automatique, apprentissage biologique

Connect

Google Scholar

À Propos

Les recherches de Christopher Manning ont pour objectif de créer des ordinateurs qui peuvent intelligemment traiter, comprendre et produire du matériel de langage humain.

Manning a recours à des méthodes d’apprentissage automatique pour régler des problèmes linguistiques computationnels, y compris le parsage syntaxique, la sémantique et la pragmatique computationnelles, l’inférence textuelle et la traduction automatique. Il est un chef de file dans l’application de l’apprentissage profond au traitement du langage naturel, y compris exploration des réseaux neuronaux récursifs, analyse de sentiments, analyse de dépendance par réseaux neuronaux, modèle GloVe pour la représentation vectorielle de mots, traduction automatique neuronale et compréhension du langage profond. Il a été président de l’Association for Computational Linguistics en 2015 et a écrit en collaboration des manuels de pointe sur le traitement statistique du langage naturel et sur l’extraction d’information. Il est membre du groupe de traitement du langage naturel de Stanford (@stanfordnlp).

Prix

  • Membre, Association for Computing Machinery
  • Membre, Association for the Advancement of Artificial Intelligence
  • Membre, Association for Computational Linguistics

Publications Pertinentes

  • Manning, C.D., P. Raghavan et H. Schütze. Introduction to Information Retrieval. Cambridge: Cambridge University Press, 2008.
  • Manning, C.D. et H. Schütze. Foundations of Statistical Natural Language Processing. Cambridge, MA: MIT Press, 1999.
  • Andrews, A. et C.D. Manning. Complex Predicates and Information Spreading in LFG. Stanford, CA: CSLI Publications, 1999.

institut

Université Stanford

Département

Département d'informatique

Éducation

  • Ph.D., Université de Stanford

Pays

États Unis

Soutenez-nous

Le CIFAR est un organisme de bienfaisance enregistré qui reçoit le soutien des gouvernements du Canada, de l’Alberta et du Québec, ainsi que de fondations, de donateurs individuels, d’entreprises et de partenaires canadiens et internationaux.

Dons
CIFAR header logo

Centre MaRS, tour Ouest
661, avenue University, bureau 505
Toronto (Ontario) M5G 1M1 Canada

Contactez-nous
Médias
Carrières
Politiques sur l’accessibilité
Bienfaiteurs
Rapports financiers
Abonnez-vous

  • © Copyright 2023 CIFAR. Tous les droits sont réservés.
  • Numéro d’enregistrement d’organisme de bienfaisance : 11921 9251 RR0001
  • Conditions d'utilisation
  • Politique de confidentialité
  • Plan du Site

Souscrire

Rejoignez notre communauté! Restez à jour avec nos nouvelles, événements, conférences et ateliers et dernières découvertes à travers le monde.

Ce site Web enregistre des témoins sur votre ordinateur. Ces témoins sont utilisés pour recueillir des renseignements sur votre interaction avec notre site Web et nous permettre de vous reconnaître. Nous utilisons ces renseignements afin d'améliorer et de personnaliser votre expérience de navigation et à des fins d'analyse et de mesures concernant nos visiteurs, tant sur ce site Web que sur d'autres médias. Pour en savoir plus sur les témoins que nous utilisons, consultez notre politique deconfidentialité.
Accepter En savoir plus