有關機器學習的最佳會議和期刊是什么？

我真的很驚訝沒有人提到過KDD。這是我的類別：

熱門會議：ICMLKDDNIPS

在我看來，這三個是旗艦機器學習會議。它們是出席人數最多的，吸引了來自幾乎所有機器學習領域的研究人員，并且在工業和其他計算領域具有很高的知名度。

與ICML和NIPS相比，KDD更側重于新應用，而不太關注基本方法 - 但許多人認為KDD是更全面的機器學習會議。記住，在Kaggle之前，有KDD杯。

較小的會議：AISTATSUAI

這兩個會議通常涉及機器學習的廣泛主題，盡管不如前面提到的那么廣泛。它們也明顯小于前三名，這使得機器學習社區以外的研究人員不太了解它們。然而，就機器學習社區內的傳播而言，這些會議與前3名會議一樣好。例如，我會定期查看來自這些會議的論文。但如果我沒有提交論文，我將永遠不會參加這些會議 - 由于規模有限，它們不是最好的社交活動。

利基會議：ICLRCOLT

我將這兩個會議稱為小眾會議，因為它們專注于一組非常狹窄的主題（從機器學習的角度來看）。ICLR是由深度學習人員組織的最近創建的會議。ICLR的重點是研究如何學習數據表示，這基本上就是深度學習的作用。COLT是學習理論的會議，因此主要關注機器學習的理論方面。這兩個會議都非常適合各自的主題，您可以為您的工作獲得更加專注的觀眾。

區域會議：ECMLACML

還有一些區域會議。如果我特別想與歐洲人或亞洲人建立聯系，我會參加ECML或ACML。

其他會議：許多其他領域的會議都有機器學習論文甚至是機器學習軌道。例如，專注于視覺，自然語言處理或信息檢索的會議使他們的大多數論文以某種方式使用機器學習，并且還有許多論文提出了新的機器學習技術。

因此，我經常瀏覽以下會議的其他計算領域的會議記錄：CVPRICCVECCVSIGIRCIKMWSDMACLEMNLPSDMICDMWWW

最后，有些會議非常廣泛，甚至可以稱之為不專心。但他們確實有相當數量的機器學習論文.AAAIIJCAI

日志：兩個主要的機器學習期刊是機器學習和JMLR。兩者都包含高質量的內容。其他比機器學習更廣泛的期刊是TKDE和JAIR。兩者都包含一些很棒的機器學習論文。

請注意，JMLR和JAIR是完全開放的訪問權限，因此可以自由瀏覽。TKDE和機器學習是付費墻的背后，但作者保留了某些版權，因此您通常可以在Google學術搜索或作者的主頁上找到論文。

寶寶起名 起名