迈克尔·I.乔丹（英语：MichaelI.Jordan）是知名的计算机科学和统计学学者，主要研究机器学习和人工智能。目前担任加州大学伯克利分校电机工程与计算机系和统计学系教授。他的重要贡献包括指出了机器学习与统计学之间的联系，并推动机器学习界广泛认识到贝叶斯网络的重要性。他还以近似推断变分方法的形式化、最大期望算法在机器学习的普及方面的工作而知名。乔丹1978年在路易斯安那州立大学获得心理学学士学位，1980年获亚利桑那大学数学硕士（统计学方向）。随后在加州大学圣地亚哥分校随DavidE.Rumelhart攻读，于1985年获认知科学博士学位。在此期间，他发展了一种认知模型，称为Jordan网络，是递归神经网络的一种。1986-1988年，乔丹在马萨诸塞大学做博士后研究。1988-1998年，来到麻省理工学院脑与认识科学系，先后任助教授、副教授和教授。1998年后转到伯克利。近年来他更多地