周志华：中国机器学习教育与集成学习的奠基人

基本信息

学术生涯

1996-2000年 在南京大学计算机科学与技术系完成本硕博学业，2000年12月获博士学位，研究方向为机器学习与数据挖掘。

2001-2003年 留校任教，2002年破格晋升副教授，2003年获国家杰出青年科学基金，随后被聘为教授，创建LAMDA（机器学习与数据挖掘）研究所。

2004-2016年 在集成学习领域深耕，出版专著《Ensemble Methods: Foundations and Algorithms》（2012），系统化集成学习理论；2016年出版《机器学习》西瓜书，迅速成为中文机器学习教育标准教材。同年集齐ACM/AAAI/AAAS三项Fellow。

2017-2023年 提出深度森林（gcForest）框架，开辟非神经网络深度学习新路径；当选欧洲科学院外籍院士；2021年开源深度森林DF21软件包。

2024年至今 2024年履新南京大学副校长；2025年当选中国科学院院士，成为中国AI领域最具影响力的学者之一。

核心技术贡献

1. 深度森林 gcForest（2017）

发表： IJCAI 2017，论文《Deep Forest: Towards An Alternative to Deep Neural Networks》

核心内容： 基于决策树森林的级联结构，通过细粒度扫描和级联操作构建多层模型，实现自适应模型复杂度，无需GPU即可训练。

历史影响： 首次证明非神经网络架构也能实现深度学习，为深度学习提供了重要的替代路径，在表格数据等场景优于深度神经网络。

2. 《机器学习》西瓜书（2016）

发表： 清华大学出版社

核心内容： 系统覆盖机器学习主要方法与理论，以西瓜为贯穿案例，425页清晰阐述从基础到前沿的机器学习知识体系。

历史影响： 被海内外500余所院校采用为教材，重印45次以上，获首届全国优秀教材奖一等奖，由Springer翻译为英文出版——中文CS教材首次被翻译输出，彻底改变了中国机器学习教育生态。

3. 集成学习理论体系（2012）

发表： Chapman & Hall/CRC，专著《Ensemble Methods: Foundations and Algorithms》

核心内容： 系统化整理Boosting、Bagging、Random Forest等集成方法的理论基础与算法实现，建立统一框架。

历史影响： 成为集成学习领域最权威的参考书之一，推动集成方法在工业界大规模应用。

范式贡献

之前：中国机器学习教育依赖英文教材，入门门槛高，缺乏系统性中文资源；深度学习完全依赖神经网络架构。之后：西瓜书降低了中国ML教育门槛，500+院校采用，培养了一整代AI从业者；深度森林证明了树模型也能做深度学习。验证：西瓜书重印45次+，深度森林DF21开源库被广泛应用于表格数据和资源受限场景。

产业传承与学术传承

产业影响： 西瓜书培养的一整代机器学习工程师已成为中国AI产业的中坚力量。深度森林为工业界提供了不依赖GPU的深度学习方案，在金融风控、医疗诊断等表格数据场景获广泛应用。LAMDA实验室培养的大量博士毕业生分布于各大科技企业和高校。

学术传承： 师承南京大学陈世福教授。LAMDA实验室已培养数十位博士，许多成为国内外高校教授和企业技术骨干。学生包括多位国家优青获得者和AI企业核心技术人员。

当前动态

2024年履新南京大学副校长，2025年当选中国科学院院士。继续领导LAMDA实验室，推进开放环境机器学习、学件（Learnware）等前沿研究方向。

历史定位

周志华是中国机器学习领域的标志性人物，他对该领域的最大贡献在教育层面——《机器学习》西瓜书彻底改变了中国ML教育的生态，降低了入门门槛，培养了一整代AI工程师。在学术上，他是集成学习的系统化贡献者，深度森林开辟了非神经网络深度学习的重要替代路径。华人首位五大AI学会Fellow的头衔，标志着他在国际学术界的广泛认可。