目录
1. 机器学习领域
1.1. 国际学术会议
（1）国际机器学习会议（ICML）
International Conference on Machine Learning
https://icml.cc/
作为国际机器学习学会主办的国际会议，被公认是人工智能、机器学习领域最顶级的国际会议之一,在整个计算机科学领域享有崇高的声望。
（2）国际神经信息处理系统会议（NIPS）
Conference and Workshop on Neural Information Procession Systemshttps://neurips.cc/
NIPS 是一个关于机器学习和计算神经科学的国际会议。该会议固定在每年的12月举行，由NIPS基金会主办。NIPS是机器学习领域的顶级会议，在中国计算机学会的国际学术会议排名中，NIPS为人工智能领域的A类会议。
（3）国际学习理论会议（Conference on Learning Theory，COLT）
计算机学习理论研究方面的顶级会议，可以看成理论计算机科学和机器学习的交叉，所以被广泛认为是计算机科学相关会议。每年一届，ACM会议的一部分。
1.2. 区域性会议-重要
（1）欧洲机器学习会议（ECML）
（2）亚洲机器学习会议（Asian Conference on Machine Learning，ACML）
机器学习领域的国际会议。它旨在为机器学习和相关领域的研究人员提供一个领先的国际论坛，分享他们的新想法和成就。
1.3. 国际学术期刊-最重要
（1）Journal of Machine Learning Research
由麻省理工学院出版社（MIT Press）出版，依托于麻省理工学院的计算机科学与人工智能实验室（MIT CSAIL: MIT Computer Science & Artificial Intelligence Lab），旨在刊登人工智能与机器学习领域的高质量前沿研究成果，是国际上公认的计算机领域顶级期刊之一，也是中国计算机学会A类推荐的在人工智能、机器学习和模式识别领域的四大国际顶级期刊之一，最新影响因子为2.281。JMLR对论文的研究动机、理论基础、数学证明、实验结果及语言表达等各个方面都有着极高的要求，审稿过程极为严格。国内一流科研单位每年能在JMLR上独立发表的论文数量极少，因此都把它看作主要的冲击目标之一。
机器学习是一个研究计算学习方法的国际论坛。该杂志报道了广泛的学习方法应用于各种学习问题的实质性成果，包括但不限于：
学习问题：分类、回归、识别和预测；问题解决和规划；推理和推理；数据挖掘；Web挖掘；新技术；设计和诊断；视觉和语音感知；机器人和控制；组合优化；游戏游戏；工业、金融和科学应用。
学习方法：超监督和无监督学习方法(包括学习树和回归树、规则、连接网络、概率网络和其他统计模型、归纳逻辑编程、基于案例的方法、集合方法、聚类等)；强化学习方法；进化方法；基于解释的学习方法；类比学习方法；自动知识获取；学习方法；数据维化；集成结构学习；多策略学习；多Agent学习。
2. 人工智能领域
2.1. 重要会议
（1）国际人工智能联合会议（IJCAI）
International Joint Conference on Artificial Intelligencehttps://www.ijcai.org/
是人工智能领域中最主要的学术会议之一，原为单数年召开，自2016年起改为每年召开。有时还会和其他地区性的人工智能会议(‘xxCAI’)一起召开，常为该年举办地的所属的地区性质会议，如PRICAI(环太平洋人工智能会议)，ECAI(欧洲人工智能会议)等。
（2）国际先进人工智能协会（ AAAI）
Association for the Advancement of Artificial Intelligencehttps://www.aaai.org/
是人工智能领域的主要国际学术组织之一。该协会主办的AAAI年会（AAAI Conference on Artificial Intelligence）是国际顶级人工智能学术会议之一。
2.2. 重要期刊
主要收录方向：自动推理和推理、认知和人工智能、认知和人工智能、基于案例的推理、常识推理、计算机视觉、约束处理、伦理人工智能、可解释人工智能、启发式搜索、人机界面、智能机器人、知识表示、机器学习、多智能体系统、自然语言处理、规划和行动、不确定性下的推理。
（2）Journal of Artificial Intelligence Research
《人工智能研究杂志》（JAIR）致力于向全球人工智能（AI）社区快速传播重要的研究成果。该杂志的范围涵盖人工智能的所有领域，包括智能体和多智能体系统、自动推理、约束处理和搜索、知识表示、机器学习、自然语言、规划和调度、机器人和视觉以及人工智能中的不确定性。
3. 数据挖掘领域
3.1. 重要会议
（1）全球数据科学领域顶级会议（KDD）
ACM SIGKDD Conference on Knowledge Discovery and Data Mining
（2）数字化制造国际会议（ICDM）
IEEE International Conferenceon Data Mininghttp://icdm.net/
数据挖掘领域的国际顶级会议。
3.2 重要期刊
（1）ACM Transactions on Knowledge Discovery from Data
（2）Data Mining and Knowledge Discovery
4. 计算机视觉与模式识别领域
4.1. 重要会议
（1）IEEE国际计算机视觉与模式识别会议（CVPR） IEEE Conference on Computer Vision and Pattern Recognitionhttp://cvpr2019.thecvf.com/ 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。
4.2. 重要期刊
（1）IEEE Transactions on Pattern Analysis and Machine Intelligence
IEEE最重要的学术性汇刊之一。《IEEE模式分析与机器智能汇刊》主要发表有关计算机视觉和图像理解的所有传统领域，有关模式分析和识别的所有传统领域，以及机器智能的部分领域的论文，特别关注用于模式分析的机器学习。;在工程领域里,有些人甚至把这个刊物的分量和难度比作Nature , Science。
5. 神经网络领域
5.1. 重要期刊
（1） 神经计算（Neural Computation）
该期刊在理论、建模、计算方面的重要的多学科的研究，在神经科学统计和建设神经启发信息处理系统。这个领域吸引了心理学家、物理学家、计算机科学家、神经科学家和人工智能研究人员，他们致力于研究感知、情感、认知和行为背后的神经系统，以及具有类似能力的人工神经系统。由BRAIN Initiative开发的强大的新实验技术将产生大量复杂的数据集，严谨的统计分析和理论洞察力对于理解这些数据的含义至关重要。及时的、简短的交流、完整的研究文章以及对该领域进展的评论，涵盖了神经计算的所有方面。
（2）IEEE神经网络与学习系统汇刊（IEEE Transactions on Neural Networks and Learning Systems）
发表了有关神经网络和相关学习系统的理论、设计和应用的技术文章。重点介绍人工神经网络和学习系统。
6. 统计学领域
6.1. 重要期刊
《统计年鉴》旨在出版反映当代统计的许多方面的最高质量的研究论文。主要强调的是重要性和独创性，而不是形式主义。该杂志旨在涵盖统计学的所有领域，尤其是数理统计和应用及跨学科统计。当然，许多最好的论文会触及不止一个这样的一般领域，因为统计学学科在数学和实质性的科学领域有着深厚的根基。
7. 其他
7.1. 国内机器学习领域最主要的活动
（1）两年一次的中国机器学习大会(CCML)
（2）每年举行的“机器学习及其应用”研讨会(MLA)
参考文献
[1]周志华．机器学习[M]．北京：清华大学出版社，2016.01：第417-418页（后记）
6035
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
