1樓:
個人關注的會議:
NIPS(Deep Learning)
ICML(比上面更理論一些,很多優化文章)ICLR(表示學習)
Cosyne(計算神經科學)
2樓:Blake Jefferson
這個問題我試著回答一下:
Conference:
1) NIPS: Neural Information Processing Systems
2) ICML: International Conference on Machine Learning
3) COLT: Conference On Learning Theory
4) CVPR: International Conference on Computer Vision and Pattern Recogintion
5) ICCV: International Comference on Computer Vision
6) ECCV: Europeon Conference on Computer Vision
7) IJCAI: International Joint Conference on Artificial Intelligence
8) AAAI: American Association for Artificial Intelligence
9) UAI: Uncertainty in Artificial Intelligence
10) KDD: Knowledge Discovery and Data Mining
11) SIGIR: (Special Interest Group on Information Retrieval)-SIGIR Conference on Research and Development in Information Retrieval
12) WWW: World Wide Web Conference
13) ACL: Association for Computational Linguistics
14)ICLR: International Conference on Learning Representations
Jounal:
1) PAMI: IEEE Transactions on Pattern Analysis and Machine Intelligence
2) IJCV: International Journal of Computer Vision
3) JMLR: Journal of Machine Learning Research
4) AIJ: Artificial Intelligence (Journal)
附帶加一下,生物醫學資訊學的著名會議
1)INCOB: International Conference on Bioinformatics
2) RECOMB: Annual International Conference on Research in Computational Molecular Biology
3) BICOB: International Conference on Bioinformatics and Computational Biology
4) AMIA: Annual American Medical Informatics Association Symposium
5) AMIA Joint Summits on Translational Science
6) ICIBM: International Conference on Intelligent Biology and Medicine
8) HISB: IEEE Conference on Healthcare Informatics, Imaging and Systems Biology 9)ISMB intelligent system for molecular biology (flag ship meeting of ISCB)
至於生物醫學資訊學期刊,那評價標準比較簡單,同一領域看影響因子,大體上差不多。最有名的就是B ioinformatics 那些
3樓:
Learning theory 會議還有更小眾的ALT(當然水平也差一些), 期刊還有一幫統計學習牛人剛搞的掛在EMS底下的MSL
4樓:
樓上的回答已經比較全面了。下面做一下我的總結:
機器學習:會議:ICML,NIPS,COLT,UAI 期刊:JMLR,TPAMI
資料探勘:會議:KDD,ICDM,SDM 期刊:TKDE,TKDD,TIST
當然還有一些機器學習和資料探勘的文章也發表在CV,NLP,AI,IR,DB等領域的會議上,比如SIGIR,WWW,AAAI,IJCAI,WSDM,CIKM,ACL,COLING,EMNLP,ECML-PKDD,CVPR,ICCV,ECCV,ICDE,SIGMOD,SIGSPATIAL等。
5樓:
補全資料探勘領域的一些會議:KDD, ICDM, WSDM, ICDE, CIKM, SDM, PKDD 差不多就這些,順序也差不多給個排名印象。
6樓:
@li Eta的答案已經說得比較全了,基本可以作為機器學習部分的標準答案。在資料探勘領域,KDD是當之無愧的最好會議,其次就是ICDM和SDM兩個。除此以外的資料探勘會議都和以上三者有顯著差距。
在期刊上,資料探勘領域缺乏像PAMI或者JMLR這類傑出的期刊,但是TKDE等也算是不錯。
此外,不要過分相信CCF給出的分類標準,那更多是利益集團博弈產生的結果。雖然我能理解他們的動機,但是把AAAI放在A類第一卻把NIPS和COLT放在B類是我見過最可笑的事情之一。
7樓:li Eta
常見會議和期刊如下(其他回答者也提到CCF已經有目錄 CCF推薦排名)
機器學習領域會議:COLT、NIPS、ICML、AISTATS、UAI
機器學習領域期刊:JMLR、PAMI
機器學習的工作也常常發表在人工智慧相關會議上,比如人工智慧會議:IJCAI、AAAI
人工智慧期刊:AI
除了機器學習和人工智慧的會議,CV和NLP方面也有大量機器學習相關的工作,因此不少與機器學習相關的工作也會發在CV和NLP相關會議上。
Hadoop工程師需要會資料探勘 機器學習 模式識別 嗎?
stucou 以前不需要現在需要。1 以前hadoop生態系統不成熟的時候,各個元件不好用,分布式處理的知識不普及,大資料應用也侷限於hbase訪問資料,hive跑sql出報表,流處理統計過濾資料。所以大資料工程師大部分時間在研究這些元件本身的用法和坑。2 隨著開源軟體的發展,大資料元件本身越來越成...
爬蟲,python工程師,資料探勘,機器學習。我該先以哪乙個為主?
我想,你之所以會提這個問題,是因為對未來有一種擔憂吧。選爬蟲吧,又怕未來發展不好,選機器學習吧,又怕自己水平不夠。其實,這個問題不用擔心,因為你把這幾個方向看成了孤立的個體。如果說你把它們看成是一家子,就不用糾結了。無論哪個方向,能找到工作才能得到鍛鍊。我的建議是這三個方向都找找看,向公司闡明自己對...
現在的 IT 行業對資料探勘 機器學習的職位需求究竟有多大?現在的情況是怎樣的?
轉化為王linc 因為資料可以告訴你乙個客觀的事實,避免自己主觀判斷的影響。所以用資料去驅動商業更容易成功。而國內的商業模式大多還是老闆驅動性,老闆決定乙個公司和企業的未來。所以國內若老闆重視資料的企業更容易成功。 谷文棟 我個人感受,時常會有獵頭或者公司HR聯絡我,不過通常都不是找我的,都是讓我幫...