随意用“期刊”代替任何其他有用的知识门户。
我有兴趣关注机器学习的新发展，着眼于实际应用。我不是寻求发表自己作品的学者（至少不是在这个领域），但我确实想了解在实践层面有用的潜在新算法或技巧。
唯一需要注意的是，期刊/会议记录或任何内容必须免费提供，无需订阅。
有哪些好的、免费的期刊可以跟踪机器学习的最新发展？
机器算法验证
机器学习
参考
2022-03-09 01:30:39
3个回答
ML 的新发展几乎总是首先在会议上提出，有时后来被提炼成期刊论文。
如果您只关注两个会议，它们应该是：
这些会议还包括发表不太完善的工作的研讨会，这通常是查找正在进行和尚未发表的研究的好方法。
以下 ML 会议也包含许多优秀的论文，尽管它们不像 NIPS 和 ICML 那样“一流”，并且可能在范围上更加集中：
- AISTATS（人工智能和统计）；可能。会议现场；在 JMLR 上发表的论文集，可在此处获取。有时更具理论性，尤其是从统计学的角度来看。
- COLT（学习理论会议）；七月。2015年网站，论文集也发表在JMLR。很理论。
- UAI（人工智能的不确定性）；七月。会议现场，论文集。通常更关注图形模型和/或贝叶斯技术。
- ICLR（国际学习代表大会）；可能。会议现场。（专注于深度学习，相对较新；所有提交都出现在 arXiv 上。）
- ECML PKDD（欧洲机器学习和数据库知识发现原理与实践会议）；九月。会议现场。
- ACML（亚洲机器学习会议）；十一月。会议现场。
一些人工智能会议还包括优秀的机器学习论文或机器学习的特定轨道，尤其是：
相关领域的会议也经常是相关的，尤其是：
机器学习杂志可以在线免费获取，并且处于最前沿，但它非常繁重。
我认为跟踪机器学习最新发展的最佳方式是关注Reddit提要：
https://www.reddit.com/r/MachineLearning/
许多研究人员对他们最近提交给不同场所的论文发表了一些评论。
您还可以在此处关注提交给Arxiv的内容：
http://arxiv.org/list/stat.ML/recent
大多数研究人员在发表之前将其论文的预印本提交给 Arxiv。
此外，您可能希望拥有一个Twitter帐户并关注从事机器学习工作的特定研究人员/教授。但是，您可能想要关注的人实际上取决于您感兴趣的领域。一个很好的起点可能是遵循#machinelearning标签
还要记住，机器学习、数据挖掘、数据库中的知识发现、数据科学这些术语有时可以互换使用。为了在机器学习中找到一些有趣的发展，您也可以查看其他领域的新闻。
其它你可能感兴趣的问题