Quais são os periódicos bons e disponíveis gratuitamente para acompanhar os últimos desenvolvimentos no aprendizado de máquina?


13

Sinta-se à vontade para substituir 'diários' por qualquer outro portal útil de conhecimento.

Estou interessado em acompanhar os novos desenvolvimentos no aprendizado de máquina, com vistas a aplicações práticas. Não sou um acadêmico que deseja publicar meu próprio trabalho (pelo menos não neste campo), mas quero estar ciente de possíveis novos algoritmos ou truques que seriam úteis em nível prático.

A única ressalva é que o periódico / conferência ou qualquer outra coisa deve estar disponível gratuitamente sem a necessidade de uma assinatura.


A entrada arxiv para envios recentes de aprendizado de máquina também é uma boa opção; pelo menos para verificar alguns resumos durante o café da manhã.

@Procrastinator, eu verifiquei o arXiv antes de postar a pergunta, mas não parecia certo que houvesse 'apenas' um punhado de pré-impressões por dia. Estou acostumado a ver mais de 100 papéis todos os dias nas categorias arXiv da minha área. Eu pensei que talvez a comunidade ML não estivesse realmente interessada no arXiv. Você pode confirmar que a maioria dos artigos de ML foi publicada no arXiv? Se assim for, seria maravilhosamente conveniente, pois eu já leio outras partes do arXiv diariamente de qualquer maneira.
Bogdanovist

Tenho certeza de que apenas alguns artigos de ML são publicados no arXiv, alguns deles são publicados em sites de universidades, sites pessoais ou mesmo nunca publicados como pré-impressões. Além disso, existem muitos papéis inúteis, o que dificulta a obtenção dos úteis. Por outro lado, quando você tiver sorte o suficiente e encontrar uma boa, poderá lê-la antes de ser publicada. A publicação pode levar até dois anos. Portanto, minha opinião sobre o arXiv é que vale a pena dar uma rápida olhada nos resumos e ver se você encontra algo útil, mas concordo que não é a melhor opção (foi por isso que publiquei isso como comentário).

Respostas:


16

Novos desenvolvimentos no ML são quase sempre apresentados em conferências primeiro e, algumas vezes, refinados em artigos de periódicos.

Se você seguir apenas duas conferências, elas deverão ser:

  • NIPS (Sistemas de Processamento de Informação Neural); Dezembro. Local da conferência , anais . (Apesar do nome, a maioria dos trabalhos não tem relação com neurociência ou redes neurais.)
  • ICML (Conferência Internacional sobre Aprendizado de Máquina); Julho. Site (incluindo links de procedimentos).

Essas conferências também incluem oficinas que publicam trabalhos menos polidos, que geralmente podem ser uma boa maneira de descobrir sobre pesquisas em andamento e ainda não publicadas.

As seguintes conferências de ML também contêm muitos documentos excelentes, embora não sejam tão "de primeira linha" quanto o NIPS e o ICML e possam ter um foco mais específico:

  • AISTATS (Inteligência Artificial e Estatística); Pode. Local da conferência ; procedimentos publicados no JMLR e disponíveis aqui . Às vezes, mais teórico, especialmente do ponto de vista estatístico.
  • COLT (Conferência sobre Teoria da Aprendizagem); Julho. Site de 2015 , procedimentos também publicados no JMLR . Muito teórico.
  • UAI (Incerteza em Inteligência Artificial); Julho. Local da conferência , anais . Normalmente, mais focado em modelos gráficos e / ou técnicas bayesianas.
  • ICLR (Conferência Internacional sobre Representações de Aprendizagem); Pode. Local da conferência . (Focado no aprendizado profundo, relativamente novo; todos os envios aparecem no arXiv.)
  • ECML PKDD (Conferência Europeia sobre Aprendizado de Máquina e Princípios e Práticas de Descoberta de Conhecimento em Bancos de Dados); Setembro. Local da conferência .
  • ACML (Conferência Asiática sobre Aprendizado de Máquina); Novembro. Local da conferência .

Algumas conferências de IA também incluem bons documentos de aprendizado de máquina ou faixas específicas sobre aprendizado de máquina, especialmente:

As conferências em campos relacionados também são frequentemente relevantes, especialmente:



3

Acho que a melhor maneira de acompanhar os últimos desenvolvimentos no Machine Learning é seguir o feed do Reddit :

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

Muitos pesquisadores publicam alguns comentários sobre os artigos que eles enviaram recentemente para diferentes locais.


Você também pode seguir o que é enviado ao Arxiv aqui:

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

A maioria dos pesquisadores envia versões pré-impressas de seus artigos ao Arxiv antes da publicação.


Além disso, convém ter uma conta no Twitter e seguir pesquisadores / professores específicos que trabalham em aprendizado de máquina. No entanto, as pessoas que você pode querer seguir realmente dependem da sua área de interesse. Um bom ponto de partida pode ser seguir a hashtag #machinelearning


Lembre-se também de que os termos aprendizado de máquina, mineração de dados, descoberta de conhecimento em bancos de dados e ciência de dados às vezes são usados ​​de forma intercambiável. Para encontrar alguns desenvolvimentos interessantes no aprendizado de máquina, você também pode ver as notícias nessas outras áreas.

Ao utilizar nosso site, você reconhece que leu e compreendeu nossa Política de Cookies e nossa Política de Privacidade.
Licensed under cc by-sa 3.0 with attribution required.