Jakie są dobre, ogólnodostępne czasopisma do śledzenia najnowszych osiągnięć w uczeniu maszynowym?


13

Zapraszam do zastępowania „czasopism” innym użytecznym portalem wiedzy.

Jestem zainteresowany obserwowaniem nowych osiągnięć w uczeniu maszynowym, z myślą o praktycznych zastosowaniach. Nie jestem naukowcem, który chce publikować własne prace (przynajmniej nie w tej dziedzinie), ale chcę mieć świadomość potencjalnych nowych algorytmów lub sztuczek, które byłyby przydatne na poziomie praktycznym.

Jedynym zastrzeżeniem jest to, że przebieg czasopisma / konferencji lub cokolwiek innego musi być swobodnie dostępne bez konieczności subskrypcji.


Dobrym rozwiązaniem jest również zapis w formacie arxiv dotyczący ostatnich zgłoszeń uczenia maszynowego; przynajmniej do sprawdzenia niektórych streszczeń podczas porannej kawy.

@Procrastinator, sprawdziłem arXiv przed wysłaniem pytania, ale nie wydawało się słuszne, że istnieje „tylko” garść przedruków dziennie. Jestem przyzwyczajony do codziennego oglądania ponad 100 artykułów w kategoriach arXiv w mojej dziedzinie. Pomyślałem, że być może społeczność ML nie bardzo interesuje się arXiv. Czy możesz potwierdzić, że większość dokumentów ML jest wysyłana do arXiv? Jeśli tak, byłoby to niezwykle wygodne, ponieważ i tak codziennie przeglądam inne części arXiv.
Bogdanovist

Jestem pewien, że tylko kilka artykułów ML jest opublikowanych na arXiv, niektóre z nich są albo publikowane na stronach uniwersytetów, na stronach prywatnych, a nawet nigdy nie są publikowane jako preprinty. Istnieje również wiele bezużytecznych papierów, które utrudniają zdobycie przydatnych. Z drugiej strony, jeśli masz szczęście i znajdziesz dobry, możesz go przeczytać przed opublikowaniem. Publikacja może potrwać nawet dwa lata. Więc moim zdaniem na temat arXiv jest to, że warto rzucić okiem na streszczenia i sprawdzić, czy znajdziesz coś przydatnego, ale zgadzam się, że nie jest to najlepsza opcja (dlatego opublikowałem to jako komentarz).

Odpowiedzi:


16

Nowe osiągnięcia w ML są prawie zawsze najpierw przedstawiane na konferencjach, a czasem przerabiane na artykuły z czasopism.

Jeśli śledzisz tylko dwie konferencje, powinny to być:

  • NIPS (Neural Information Processing Systems); Grudzień. Strona konferencji , postępowanie . (Mimo nazwy większość artykułów nie ma związku z neuronauką lub sieciami neuronowymi).
  • ICML (Międzynarodowa konferencja na temat uczenia maszynowego); Lipiec. Witryna (w tym linki do postępowań).

Konferencje te obejmują również warsztaty, w których publikowane są mniej dopracowane prace, co często może być dobrym sposobem na znalezienie informacji o trwających i jeszcze nieopublikowanych badaniach.

Następujące konferencje ML zawierają również wiele doskonałych artykułów, choć nie są one tak „pierwszego poziomu” jak NIPS i ICML i mogą być bardziej ukierunkowane:

  • AISTATS (sztuczna inteligencja i statystyka); Może. Strona konferencji ; postępowania opublikowane w JMLR i dostępne tutaj . Czasami bardziej teoretyczny, szczególnie z punktu widzenia statystyki.
  • COLT (konferencja na temat teorii uczenia się); Lipiec. Strona 2015 , postępowanie również opublikowane w JMLR . Bardzo teoretyczny.
  • UAI (niepewność co do sztucznej inteligencji); Lipiec. Strona konferencji , postępowanie . Zazwyczaj bardziej koncentruje się na modelach graficznych i / lub technikach bayesowskich.
  • ICLR (Międzynarodowa konferencja na temat reprezentacji edukacyjnych); Może. Strona konferencji . (Koncentruje się na głębokim uczeniu, stosunkowo nowym; wszystkie zgłoszenia pojawiają się w arXiv.)
  • ECML PKDD (europejska konferencja nt. Uczenia maszynowego oraz zasad i praktyki odkrywania wiedzy w bazach danych); Wrzesień. Strona konferencji .
  • ACML (azjatycka konferencja na temat uczenia maszynowego); Listopad. Strona konferencji .

Niektóre konferencje dotyczące sztucznej inteligencji obejmują również dobre dokumenty dotyczące uczenia maszynowego lub określone ścieżki uczenia maszynowego, w szczególności:

Często istotne są również konferencje w powiązanych dziedzinach, zwłaszcza:



3

Myślę, że najlepszym sposobem na śledzenie najnowszych osiągnięć w uczeniu maszynowym jest śledzenie kanału Reddit :

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

Wielu badaczy publikuje komentarze na temat artykułów, które niedawno przesłali w różnych miejscach.


Możesz również śledzić, co jest przesyłane do Arxiv tutaj:

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

Większość badaczy przed wydrukowaniem przesyła Arxivowi wersje swoich artykułów.


Możesz także chcieć mieć konto na Twitterze i obserwować konkretnych badaczy / profesorów pracujących w uczeniu maszynowym. Jednak osoby, które możesz chcieć obserwować, naprawdę zależą od twojego obszaru zainteresowań. Dobrym punktem wyjścia może być hashtag #machinelearning


Pamiętaj również, że terminy uczenie maszynowe, eksploracja danych, odkrywanie wiedzy w bazach danych, analiza danych są czasami używane zamiennie. Aby znaleźć interesujące zmiany w uczeniu maszynowym, możesz przejrzeć wiadomości również w tych innych obszarach.

Korzystając z naszej strony potwierdzasz, że przeczytałeś(-aś) i rozumiesz nasze zasady używania plików cookie i zasady ochrony prywatności.
Licensed under cc by-sa 3.0 with attribution required.