有关机器学习的最佳会议和期刊是什么？

我真的很惊讶没有人提到过KDD。这是我的类别：

热门会议：ICMLKDDNIPS

在我看来，这三个是旗舰机器学习会议。它们是出席人数最多的，吸引了来自几乎所有机器学习领域的研究人员，并且在工业和其他计算领域具有很高的知名度。

与ICML和NIPS相比，KDD更侧重于新应用，而不太关注基本方法 - 但许多人认为KDD是更全面的机器学习会议。记住，在Kaggle之前，有KDD杯。

较小的会议：AISTATSUAI

这两个会议通常涉及机器学习的广泛主题，尽管不如前面提到的那么广泛。它们也明显小于前三名，这使得机器学习社区以外的研究人员不太了解它们。然而，就机器学习社区内的传播而言，这些会议与前3名会议一样好。例如，我会定期查看来自这些会议的论文。但如果我没有提交论文，我将永远不会参加这些会议 - 由于规模有限，它们不是最好的社交活动。

利基会议：ICLRCOLT

我将这两个会议称为小众会议，因为它们专注于一组非常狭窄的主题（从机器学习的角度来看）。ICLR是由深度学习人员组织的最近创建的会议。ICLR的重点是研究如何学习数据表示，这基本上就是深度学习的作用。COLT是学习理论的会议，因此主要关注机器学习的理论方面。这两个会议都非常适合各自的主题，您可以为您的工作获得更加专注的观众。

区域会议：ECMLACML

还有一些区域会议。如果我特别想与欧洲人或亚洲人建立联系，我会参加ECML或ACML。

其他会议：许多其他领域的会议都有机器学习论文甚至是机器学习轨道。例如，专注于视觉，自然语言处理或信息检索的会议使他们的大多数论文以某种方式使用机器学习，并且还有许多论文提出了新的机器学习技术。

因此，我经常浏览以下会议的其他计算领域的会议记录：CVPRICCVECCVSIGIRCIKMWSDMACLEMNLPSDMICDMWWW

最后，有些会议非常广泛，甚至可以称之为不专心。但他们确实有相当数量的机器学习论文.AAAIIJCAI

日志：两个主要的机器学习期刊是机器学习和JMLR。两者都包含高质量的内容。其他比机器学习更广泛的期刊是TKDE和JAIR。两者都包含一些很棒的机器学习论文。

请注意，JMLR和JAIR是完全开放的访问权限，因此可以自由浏览。TKDE和机器学习是付费墙的背后，但作者保留了某些版权，因此您通常可以在Google学术搜索或作者的主页上找到论文。

宝宝起名 起名