机器学习会议期刊比较

https://www.jianshu.com/p/e5d352910e8e 

https://blog.csdn.net/xyisv/article/details/79070864

https://blog.csdn.net/cz505632696/article/details/79476259

下边简书个介绍挺详尽的

特别补充 ICLR在深度学习里边的特殊地位 https://www.leiphone.com/news/201704/CdCLonir2okijXtg.html

ICLR阅读工具https://blog.csdn.net/yh0vlde8vg8ep9vge/article/details/78712752

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，确实，在中国的许多其它领域的会议都是盛会，比如society of neuroscience的会议，人山人海形容也不过分。但是，计算机几个领域的确非常特殊，顶级会议的重要性无论怎么强调都不为过。

(1)以下是几个顶级会议的列表（不完整的，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, ACL, SIGIR, WWW等。

如果做机器学习，必须地，把近4年的NIPS, ICML翻几遍；如果做计算机视觉，要把近4年的ICCV, CVPR, NIPS, ICML翻几遍。大部分顶级会议的论文都能从网上免费下载到。

CV方面：http://www.cvpapers.com/index.html

NIPS: http://books.nips.cc/

JMLR(期刊): http://jmlr.csail.mit.edu/papers/

COLT和ICML(每年度的官网): http://www.cs.mcgill.ca/~colt2009/proceedings.html

(3)对计算机视觉和计算神经科学领域，从方法和模型的角度看，统计模型（包括probabilistic graphical model和statistical learning theory）是主流也是非常有影响力的方法。有个非常明显的趋势：重要的方法和模型最先在NIPS或ICML出现，然后应用到CV,IR和MM。

Conference Ranks:

  http://www.conferenceranks.com/index.html

  https://www.zhihu.com/question/20224890

ECCV，ECCV的全称是European Conference on Computer Vision(欧洲计算机视觉国际会议) 

ICCV，ICCV的全称是International Comference on Computer Vision（国际计算机视觉大会） 

CVPR，CVPR是IEEE Conference on Computer Vision and Pattern Recognition，（IEEE国际计算机视觉与模式识别会议） 

LCLR，International Conference on Learning Representations这个会发展很快

单单看ML文章质量的话，我觉得是这样的排名

期刊：

JMLR

MLJ和PAMI次之

TNN、neural computation、PR再次一些

PRL、neuralcomputing等等基本纯水。

会议：

NIPS、ICML、COLT

UAI、AISTATS、KDD、CVPR次之

ECML、IJCAI、AAAI、ICDM更次一些

作者：yansicing
链接：https://www.jianshu.com/p/e5d352910e8e
來源：简书
简书著作权归作者所有，任何形式的转载都请联系作者获得授权并注明出处。