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...