Các tạp chí tốt, miễn phí có sẵn để theo dõi những phát triển mới nhất trong học máy là gì?


13

Hãy thoải mái thay thế 'tạp chí' cho bất kỳ cổng thông tin kiến ​​thức hữu ích nào khác.

Tôi quan tâm đến việc theo dõi những phát triển mới trong học máy, với mục đích ứng dụng thực tế. Tôi không phải là một học giả đang tìm cách xuất bản tác phẩm của riêng mình (ít nhất là không phải trong lĩnh vực này), nhưng tôi muốn nhận thức được các thuật toán hoặc thủ thuật mới tiềm năng sẽ hữu ích ở mức độ thực tế.

Nhắc nhở duy nhất là tiến trình tạp chí / hội nghị hoặc bất cứ điều gì phải có sẵn miễn phí mà không yêu cầu đăng ký.


Các arXiv entry nhận hồ sơ học máy gần đây cũng là một lựa chọn tốt; ít nhất là để kiểm tra một số tóm tắt trong cà phê buổi sáng của bạn.

@Procrastinator, tôi đã kiểm tra arXiv trước khi đăng câu hỏi, nhưng có vẻ như không có "chỉ" một số ít bản in trước một ngày. Tôi đã từng thấy hơn 100 bài báo mỗi ngày trong danh mục arXiv trong lĩnh vực của mình. Tôi nghĩ rằng có lẽ cộng đồng ML không thực sự thích arXiv. Bạn có thể xác nhận rằng phần lớn các bài báo ML được đăng lên arXiv không? Nếu vậy thì điều đó sẽ rất thuận tiện, vì dù sao tôi cũng đã xem qua các phần khác của arXiv.
Bogdanovist

Tôi chắc chắn rằng chỉ có một vài bài báo ML được đăng trên arXiv, một số trong số chúng được đăng trên các trang web của trường đại học, trang web cá nhân hoặc thậm chí không bao giờ được đăng dưới dạng bản in trước. Ngoài ra, có rất nhiều giấy tờ vô dụng gây khó khăn để có được những thứ hữu ích. Mặt khác, khi bạn đủ may mắn và tìm thấy một thứ tốt, bạn có thể đọc nó trước khi nó được xuất bản. Xuất bản có thể mất thậm chí hai năm. Vì vậy, ý kiến ​​của tôi về arXiv là đáng để xem nhanh phần tóm tắt và xem bạn có thấy điều gì hữu ích không, nhưng tôi đồng ý rằng đó không phải là lựa chọn tốt nhất (đây là lý do tại sao tôi đăng bài này dưới dạng nhận xét).

Câu trả lời:


16

Những phát triển mới trong ML hầu như luôn được trình bày trong các hội nghị trước tiên, và đôi khi sau đó được tinh chỉnh thành các bài báo.

Nếu bạn chỉ theo dõi hai hội nghị, họ nên:

  • NIPS (Hệ thống xử lý thông tin thần kinh); Tháng 12 Địa điểm hội nghị , tố tụng . (Mặc dù tên, hầu hết các bài báo không liên quan đến khoa học thần kinh hoặc mạng lưới thần kinh.)
  • ICML (Hội nghị quốc tế về học máy); Tháng 7 Trang web (bao gồm các liên kết tố tụng).

Các hội nghị này cũng bao gồm các hội thảo xuất bản công việc ít được đánh bóng, thường có thể là một cách tốt để tìm hiểu về nghiên cứu đang diễn ra và chưa được công bố.

Các hội nghị ML sau đây cũng chứa nhiều bài viết xuất sắc, mặc dù chúng không phải là "hạng nhất" như NIPS và ICML và có thể tập trung hơn vào phạm vi:

  • AISTATS (Trí tuệ nhân tạo và Thống kê); Có thể. Địa điểm hội nghị ; tố tụng được công bố trong JMLR và có sẵn ở đây . Đôi khi nhiều lý thuyết, đặc biệt là từ quan điểm thống kê.
  • COLT (Hội thảo về lý thuyết học tập); Tháng 7 Trang web 2015 , thủ tục tố tụng cũng được công bố trong JMLR . Rất lý thuyết.
  • UAI (Sự không chắc chắn trong Trí tuệ nhân tạo); Tháng 7 Địa điểm hội nghị , tố tụng . Thông thường tập trung nhiều hơn vào các mô hình đồ họa và / hoặc kỹ thuật Bayes.
  • ICLR (Hội nghị quốc tế về đại diện học tập); Có thể. Trang web hội nghị . (Tập trung vào học tập sâu, tương đối mới; tất cả các bài nộp xuất hiện trên arXiv.)
  • ECML PKDD (Hội nghị châu Âu về học máy và nguyên tắc và thực hành khám phá tri thức trong cơ sở dữ liệu); Tháng Chín. Trang web hội nghị .
  • ACML (Hội nghị châu Á về học máy); Tháng 11 Trang web hội nghị .

Một số hội thảo về AI cũng bao gồm các bài học về máy học tốt hoặc các bài hát cụ thể về học máy, đặc biệt là:

Các hội nghị trong các lĩnh vực liên quan cũng thường có liên quan, đặc biệt là:



3

Tôi nghĩ rằng cách tốt nhất để theo dõi những phát triển mới nhất trong Machine Learning là theo nguồn cấp dữ liệu Reddit :

https://www.reddit.com/r/MachineLearning/

Nhiều nhà nghiên cứu đăng một số ý kiến ​​về các bài báo gần đây họ đã gửi đến các địa điểm khác nhau.


Bạn cũng có thể làm theo những gì được gửi tới Arxiv tại đây:

http://arxiv.org/list/stat.ML/recent

Hầu hết các nhà nghiên cứu gửi phiên bản in sẵn của bài báo của họ cho Arxiv trước khi xuất bản.


Ngoài ra, bạn có thể muốn có một tài khoản Twitter và theo dõi các nhà nghiên cứu / giáo sư cụ thể, những người làm việc trong máy học. Tuy nhiên, những người bạn có thể muốn theo dõi thực sự phụ thuộc vào lĩnh vực bạn quan tâm. Một điểm khởi đầu tốt có thể là sau hashtag #machinelearning


Cũng nên nhớ rằng các thuật ngữ học máy, khai thác dữ liệu, khám phá kiến ​​thức trong cơ sở dữ liệu, khoa học dữ liệu đôi khi được sử dụng thay thế cho nhau. Để tìm một số phát triển thú vị trong học máy, bạn cũng có thể xem tin tức trong các lĩnh vực khác.

Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.