机器学习美国哪家强？ 卡内基梅隆(CMU)？斯坦福？ 伯克利？ 哥伦比亚？ MIT？威斯康星？

这里已经有很多好的答案。我认为Igor Markov和Jordan Boyd-Graber的答案非常好。我只是添加几点。

1. 这里有很多列表，所有的排序都有点不同。这是因为ML现在是一个巨大的领域，有几种不同的主要方法，这取决于什么方法最吸引你。所以如果你认真选择一所学校，这些名单只是起点。你必须看看学校目前的教师名单（现在很流行），找到他们工作吸引你的教授，并可能看看他们的文件，或尝试与他们的学生谈话得到一种感觉在他们的群体的认知和个人的风格。

2. 一个或许其他答案没有强调足够的一件事是，虽然一些学者研究的是宽泛的机器学习- 算法可以用于任何东西 – 在这个“热门”领域的大多数最好的工作涉及将机器学习应用到其他方面，无论是理解自然语言和言语，图像和视频分析，控制机器人或无人机或汽车的运动，查看各种微博和社交媒体帖子以预测趋势或选举，等等列表是无止境的。因此，除非你是一个纯算法的人（也许，即使你是其中之一），你会想要仔细看看一个学校的力量在任何邻近领域吸引你。还要看看在这些领域是否已经有很强的教师，他们已经在他们已经拥有专业知识的域中应用ML。

3. 好的，以下是商业广告，完全不偏不倚。 虽然每所学校都有一些明星，卡内基梅隆是不寻常的 – 可以说是独一无二的 – 在广度上的ML和几乎所有相邻的地区，ML正在（或可能）应用。

正如其他人所说，我们有一个整个机器学习系。汤姆·米切尔通过在人工智能导向型人才和CMU已经强大的统计部门之间建立了一个强大的桥梁，在这里建立了非常特别的东西。
我们还有一个完整的语言技术学院（计算机科学学院的一个部门）致力于自然语言处理，自然语言理解和演讲。
我们有一个机器人学研究所（部门），是图像和视频处理，自主车辆和许多其他领域的领导者之一。
我们有一个人类计算机互动学院，在其中有一个非常强大的教育团体。
我们有一个娱乐技术中心从事计算机游戏，广泛定义。
我们有海因茨公共政策和管理学院，在那里人们正在考虑将ML应用于改善人们生活的国家和国际计划。在我们的Tepper管理学院，人们正在寻找ML的生产，商业和金融的应用。
列表继续 – 甚至扩展到音乐，艺术和文学分析。
有些人已经在这些领域开展ML工作，有些人对协作非常开放，而且每个部门的一些人都对ML有足够的能力为领域本身做出贡献。重要的是，不仅要有很多好的部门，而且要有一个所有边界都可渗透的文化。

OK，广告结束。我提到这不仅仅是为了在CMU上销售你 – 我们现在没有麻烦找到优秀的学生 – 但强调在许多应用领域强大的地方的合适性，而不只是一对夫妇的ML教授在树林里做优秀的工作。公平地说，我应该说，其他一些学校做了出色的工作，利用他们与工业的关系，利用可能不存在于他们的校园的领域专业知识。