全球华人专家库拥有ICML2019华裔作者库和ICML2019一作学生库完整智库，收录78位华裔作者，对这些学者的分布进行分析，发现学者们主要的分布地区在北京、广州、武汉等地。全球华人专家库的ICML2019华裔作者库包含48位学生作者，其余30位学者的职位主要为高校教师、研究员等，每位作者的论文数量10篇以上，在机器学习领域具备一定影响力。
对78位学者的迁徙路径进行研究，发现大多数学者主要活动地区在中国，有前往美国、欧洲等地的留学经历，主要留学区域在美国，在欧洲的学者分布较少。有30%的学者从中国去往美国，有30%的学者没有监测到留学经历，依然留在国内；有10%的学者从中国去往加拿大进行学术访问。
AMiner系统存储大量International Conference on Machine Learning会议有关的学者信息，全球华人专家库中也收集了ICML2018年及之前的会议学者信息，目前机器学习的研究已经成熟。机器学习(Machine Learning, ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。
专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎。以下是机器学习的发展趋势，在2007年左右发展到顶峰，研究成果最多，后期的发展更倾向于该水平精细化的发展。
机器学习领域的研究工作主要围绕以下三个方面进行：（1）面向任务的研究：研究和分析改进一组预定任务的执行性能的学习系统。（2）认知模型：研究人类学习过程并进行计算机模拟。（3）理论分析：从理论上探索各种可能的学习方法和独立于应用领域的算法。机器学习是继专家系统之后人工智能应用的又一重要研究领域，也是人工智能和神经计算的核心研究课题之一。
现有的计算机系统和人工智能系统没有什么学习能力，至多也只有非常有限的学习能力，因而不能满足科技和生产提出的新要求。对机器学习的讨论和机器学习研究的进展，必将促使人工智能和整个科学技术的进一步发展。