机器学习领域顶会

最新推荐文章于 2025-07-29 11:06:35 发布
原创 最新推荐文章于 2025-07-29 11:06:35 发布 · 1k 阅读 · 12 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#机器学习 #人工智能

机器学习会议

  • AAAI（人工智能会议）

AAAI Conference on Artificial Intelligence - AAAI

  • ICML（机器学习国际会议）

https://icml.cc/

  •  NeurIPS（神经信息处理系统年度会议）

https://nips.cc/

  •  IJCAI（国际人工智能联合会议）

Welcome to IJCAI | IJCAI

  • ICLR

2024 Conference 

  • KDD（知识探索和数据挖掘 ACM SIGKDD会议）

SIGKDD

  • CVPR（计算机视觉和模式识别国际会议）

2024 Conference

  • ICCV（计算机视觉国际会议）

Accueil - International Conference on Computer Vision - October 2-6, 2023 - Paris - France - ICCV2023

  • ACL

The 62nd Annual Meeting of the Association for Computational Linguistics - ACL 2024

 

机器学习期刊

  • IJCV

dblp: International Journal of Computer Vision 

  • JMLR

dblp: Journal of Machine Learning Research

  • AI

dblp: Artificial Intelligence

  • TPAMI

http://dblp.uni-trier.de/db/journals/pami/

Kellybaibai
关注
机器学习领域顶会ICML20精选论文分享
lqfarmer的博客
09-13 4813
ICML 是 International Conference on Machine Learning的缩写，即国际机器学习大会。ICML如今已发展为由国际机器学习学会（IMLS）主办的年度机器学习国际顶级会议。 今年的ICML2020会议由于受疫情的影响改成了线上会议，做为人工智能领域的顶级会议之一，今年入选的论文一共1088篇，入选论文的数量创造了历史之最，但接受率却只有21.8%，低于2019年22.6%和2018年的24.9%。 本文整理了本次顶会的入选的精选论文，分...
【论文-分割方法改进思路】机器学习顶会冠军图像分割算法深度解密
Everyday try to become better -Kobe Bryant
11-04 1756
分类任务只需要回答里面有几个类别，比如说人、树、草地、天空；这个描述很粗糙，一万个人有一万个哈姆雷特。语义分割是图像分类的扩展，是像素级别的。全景分割是语义分割+实例分割的结合。
在计算机尤其是人工智能领域，为何顶级会议尤为重要
jasonzzj的博客
06-21 6028
很多领域，SCI是王道，尤其在中国，在教师科研职称评审和学生毕业条件中都对SCI极为重视，而会议则充当了补充者的身份。但是在计算机领域，尤其是人工智能与机器学习领域里，往往研究者们更加青睐于会议     我无意否认SCI期刊的价值，但是在机器学习、计算机视觉和人工智能领域，顶级会议才是王道。有人会质疑这些会议都只是EI索引的。是的，这的确非常特殊：在许多其它领域，会议都是盛会，比如socie
【知识笔记】关于计算机视觉三大顶会和行人重识别的一些基础知识梗概
恒治学
08-10 709
相关顶级会议 ECCV的全称是European Conference on Computer Vision(欧洲计算机视觉国际会议) CVPR是IEEE Conference on Computer Vision and Pattern Recognition的缩写，即IEEE国际计算机视觉与模式识别会议。该会议是由IEEE举办的计算机视觉和模式识别领域的顶级会议。 ICCV 的全称是 IEEE International Conference on Computer Vision，即国际计算机视觉大会，由
机器学习领域定会顶刊
江湖懒侠
04-09 4737
一、重要国际会议 1、国际机器学习会议 ICML 2、国际神经信息处理系统会议 NIPS 3、国际学习理论会议 COLT 二、重要区域性会议 1、欧洲机器学习会议 ECML 2、亚洲机器学习会议ACML 三、重要期刊 1、Journal of Machine Learning Research 2、Machine Learning Intelligence 四、人工智能领域重要会议和期刊 1、会议：IJCAI ...
机器学习顶级会议及论文
idlethetimewithu的博客
09-17 1万+
（1）博客 期刊：最好的是JMLR；    MLJ和PAMI次之；    TNN、neural computation、PR再次一些；   PRL、neural computing等等基本纯水。 会议：最好的是NIPS、ICML、COLT；  UAI、AISTATS、KDD、CVPR次之；   ECML、IJCAI、AAAI、ICDM更次一些 摘抄至：https://blog.youkuaiyun.com...
机器学习领域的一些顶级会议
weixin_34062469的博客
02-06 1489
顶级的综合会议 ICML NIPS ICML: International Conference on Machine Learning NIPS：Neural Information Processing Systems顶级的理论会议 COLT COLT: Conference on Learning Theory顶级的数据挖掘,有向机器学习发展的倾向 KDD SIG-KDD：Knowledge...
2017-2018年机器学习顶会优质论文集合
07-23
在2017年至2018年间，机器学习领域经历了快速的发展，一系列顶级会议如ACL（Annual Conference on Computational Linguistics）、EMNLP（Empirical Methods in Natural Language Processing）以及AAAI（Association ...
图像、文本、机器学习顶会
qq_42189083的博客
10-24 1146
1.CVPR 国际计算机视觉与模式识别会议（CVPR）是IEEE一年一度的学术性会议，会议的主要内容是计算机视觉与模式识别技术。CVPR是世界顶级的计算机视觉会议（三大顶会之一，另外两个是ICCV和ECCV），近年来每年有约1500名参加者，收录的论文数量一般300篇左右。本会议每年都会有固定的研讨主题，而每一年都会有公司赞助该会议并获得在会场展示的机会。 2.ECCV ECCV的全称是European Conference on Computer Vision(欧洲计算机视觉国际会议) ，两年一次.
精选资源
信息安全顶会发表的关于隐私保护机器学习
04-07
这对于机器学习领域的毕业设计来说，是一个非常有价值的资源，可以帮助学生和研究人员在隐私保护和对抗性学习方面进行深入研究，同时推动这个领域的发展。通过DEEPSEC，我们可以期待未来在隐私保护和模型安全性方面...
计算机领域顶级会议归纳（计算机视觉CV、机器学习ML、人工智能AI）
热门推荐
A_John 的博客
07-12 3万+
本文具体介绍几种计算机视觉顶级会议， 包括计算机视觉领域三大顶尖国际会议 ： CVPR、ICCV、ECCV ； 还有其他一些 著名 会议： WACV、NIPS、ICLR、AAAI、ICML、IJCAI ； 汇总信息在最后面，可以直接点击查看 ；...............
一文了解机器学习顶会ICML 2024的研究热点
audyxiao001的博客
08-23 1万+
本文通过图文并茂的方式介绍了ICML 2024的研究热点，帮助读者了解和跟踪机器学习和人工智能的前沿研究方向。
机器学习四大顶会
qq_43741621的博客
07-26 879
计算机顶会链接收录 四大顶会官网链接 USENIX Security： 官网链接 IEEE Symposium on Security and Privacy 简称S&P： 官网链接 Conference on Computer and Communications Security 简称CCS： 官网链接 Network and Distributed System Security Symposium 简称NDSS： 官网链接 DBLP（DataBase systems and Logic Pr
牛津大学副教授Jakob倾心讲解《写好一篇机器学习顶会论文》关键要点，必看！...
weixin_36896856的博客
05-20 422
点击上方“AI遇见机器学习”，选择“星标”公众号 重磅干货，第一时间送达整理：专知如何提高论文命中率，牛津大学副教授Jakob倾心讲解《写好机器学习顶会论文》关键要点，必看！规范ML论文结构1. 摘要 (TL; 论文DR):X: 我们想要做什么?为什么它是相关的?Y: 为什么这么难?Z: 我们怎么解决(也就是我们的贡献!)1: 我们如何验证我们解决了它:1...
【转载】机器学习顶级会议
去寻找答案~
10-07 795
以下是不完整的列表，但基本覆盖。机器学习顶级会议：NIPS, ICML, UAI, AISTATS; （期刊：JMLR, ML, Trends in ML, IEEE T-NN）计算机视觉和图像识别：ICCV, CVPR, ECCV; （期刊：IEEE T-PAMI, IJCV, IEEE T-IP）人工智能：IJCAI, AAAI; （期刊AI）另外相关的还有SIGRAPH, KDD, AC...
机器学习顶级会议
lyric0221的博客
10-30 1045
以下是不完整的列表，但基本覆盖。 机器学习顶级会议：NIPS, ICML, UAI, AISTATS;  （期刊：JMLR, ML, Trends in ML, IEEE T-NN） 计算机视觉和图像识别：ICCV, CVPR, ECCV;  （期刊：IEEE T-PAMI, IJCV, IEEE T-IP） 人工智能：IJCAI, AAAI; （期刊AI） 另外相关的还有SIGRAPH,
盘点一下，人工智能顶刊顶会有哪些？
sh_0001的博客
11-20 3万+
人工智能过去十年发展快速，也逐步从学术研究走向商业化。但是该领域的主要成果产出依然会发表在国际顶级期刊和会议（即，顶刊顶会）上。 AI领域高水平论文发表量整体上呈现稳步增长态势 顶会顶刊，通常是指《CCF 推荐国际学术期刊和会议目录》和 ACM 计算机学分类系统相关子领域的 A 类期刊和会议，此外也有相关专家和团体的推荐。 在人工智能领域，除了大家最为熟知的最核心的四大顶会AAAI、IJCAI、ICML和NeurIPS，以及作为计算机视觉和自然语言为代表的CVPR和ACL这两大学术会议，也涌现了许多“后起之
机器学习与人工智能领域的顶级会议期刊
最新发布
一杯水果茶！足矣~
07-29 3211
机器学习与人工智能领域的顶级会议期刊
机器学习顶会的相关介绍
m0_46092647的博客
07-21 2091
作者应在论文提交。
机器学习领域需要哪些专业知识
02-19
<think>嗯，用户之前让我帮忙制定一个学习飞控的计划，现在又问机器学习领域需要哪些专业知识。看来他们可能是在扩展自己的技能，或者对飞控中的机器学习应用感兴趣。之前的学习计划里提到了机器学习在飞控中的应用，比如TensorFlow Lite部署，所以用户可能想深入这方面的知识。 需要先理清楚机器学习涉及哪些核心知识，用户可能有计算机或工程背景，但不确定他们对数学的掌握程度。他们可能需要一个结构化的知识点列表，涵盖数学基础、编程、算法、数据处理等。 还要注意用户提到“专业且详尽”，所以回答要全面，分点列出，可能包括数学、编程、算法理论、工具框架、领域应用等。同时，用户之前的学习计划有分阶段，可能他们喜欢层次分明的结构，所以回答也应该有条理，分大类和小类。 另外，用户可能有实际项目需求，所以除了理论知识，还需要强调实践技能，比如数据处理、模型调优、部署等。可能还需要推荐工具和框架，如Python、TensorFlow、PyTorch等，以及持续学习的方法，比如参加竞赛、读论文。 最后，确保回答与之前的飞控计划有衔接，比如提到机器学习在飞控中的应用场景，如路径规划、异常检测，这样用户能看到关联性，帮助他们整合知识。以下是</think>机器学习领域所需的专业知识体系，涵盖从数学基础到工程实践的完整技术栈，按重要性和学习顺序分层说明： --- ### **一、数学基石（核心底层逻辑）** 1. **线性代数** - 矩阵运算与张量分析（特征值分解/SVD） - 向量空间与高维几何（正交投影/流形学习） 2. **概率与统计** - 贝叶斯推断（马尔可夫链蒙特卡洛） - 统计分布（高斯混合/泊松过程） - 假设检验与显著性分析 3. **微积分与优化** - 梯度下降家族算法（Adam/Adagrad） - 拉格朗日乘数法（约束优化） - 凸优化理论（KKT条件） 4. **信息论** - 熵与KL散度（模型压缩基础） - 互信息（特征选择工具） --- ### **二、计算机科学基础** 1. **编程能力** - Python生态（NumPy/Pandas/scikit-learn） - 高性能计算（CUDA/多进程优化） - 数据结构与算法（时间复杂度优化） 2. **软件工程** - 模块化开发（面向对象编程） - 版本控制（Git协作流程） - 单元测试与CI/CD（模型部署保障） 3. **系统架构** - 分布式训练（PySpark/Horovod） - 边缘计算部署（TensorRT/OpenVINO） --- ### **三、机器学习理论体系** 1. **监督学习** - 经典模型（SVM/决策树/集成学习） - 深度神经网络（CNN/RNN/Transformer） 2. **无监督学习** - 聚类算法（DBSCAN/谱聚类） - 生成模型（VAE/GAN/Diffusion） 3. **强化学习** - 价值迭代与策略梯度（Q-Learning/PPO） - 多智能体系统（MADDPG） 4. **领域专用技术** - 自然语言处理（BERT/GPT架构） - 计算机视觉（YOLO/SAM模型） - 时序预测（LSTM/TCN/Informer） --- ### **四、工程实践技能** 1. **数据处理** - 特征工程（自动编码/缺失值处理） - 数据增强（SMOTE/对抗训练） - 大数据处理（Spark/Dask分布式框架） 2. **模型开发** - 超参数优化（贝叶斯优化/遗传算法） - 模型解释性（SHAP/LIME工具） - 轻量化设计（知识蒸馏/量化剪枝） 3. **部署运维** - 模型服务化（Flask/FastAPI） - 监控系统（Prometheus+MLflow） - 安全防护（对抗样本检测） --- ### **五、领域交叉知识** 1. **硬件加速** - GPU架构（CUDA核心优化） - 专用芯片（TPU/神经形态计算） 2. **行业知识** - 医疗（FDA AI审批规范） - 金融（风控模型可解释性要求） - 自动驾驶（感知-决策-控制链） 3. **伦理与合规** - 数据隐私（GDPR/差分隐私） - 算法公平性（消除偏见方法） --- ### **六、工具链与资源** ```markdown 1. **开发框架** - PyTorch（动态图科研首选） - TensorFlow（工业级部署生态） - JAX（函数式编程新范式） 2. **可视化工具** - TensorBoard（训练过程监控） - WandB（实验管理平台） - Streamlit（快速搭建交互界面） 3. **学习资源** - 《Pattern Recognition and Machine Learning》（理论经典） - Fast.ai（实战导向课程） - Kaggle竞赛（真实数据练兵场） ``` --- ### **七、能力发展路径** ```mermaid graph LR A[数学基础] --> B[编程实现] B --> C[算法理解] C --> D[系统设计] D --> E[领域创新] ``` --- **注**：建议采用「学-研-产」三阶段发展模式： 1. **学术期**：精读《Deep Learning》+ 复现顶会论文 2. **研发期**：参与Kaggle竞赛或开源项目贡献 3. **产业期**：深入特定行业解决实际问题（如工业缺陷检测/量化交易） 掌握这些知识后，可胜任机器学习工程师、算法研究员等岗位，并具备向AI架构师发展的潜力。
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值