每位信息学科的从业人员都以发表过IEEETrans的文章为荣,每次申报项目时都希望在代表作一栏满满当当地列上几篇IEEE Trans的文章。然而,老牌Trans质量要求高、见刊周期长,新科Trans不知何时能被SCI收录,投资回报不明朗。因此,投稿人每次投稿时都面临着选择困难综合症:我到底投不投Trans,我到底投哪个Trans?……一方面是大家对Trans的热情高涨,另一方面是大家对Trans的了解仍然有限,所以,公众号将逐一向大家介绍各个Trans的基本信息。
今天向大家介绍一个新的机会——IEEETrans on Big Data (IEEE TBD)。该刊由著名的人工智能专家杨强教授于2015年创立,在编委会的精心组织和近年Big Data技术的快速发展,TBD稿件的质量不断提升,在业界的影响力与日俱增。目前,TBD已经被SCI收录,经过粗略计算,今年的第一个影响因子可能会超过4!
IEEE Trans on Big Data聚焦大数据技术,同时鼓励跨学科的技术融合与创新,包括新的理论、算法和应用。收录的内容包括,但不限于以下内容:
§ 大数据分析
§ 大数据可视化
§ 大数据管理和管理
§ 大数据语义
§ 大数据基础设施
§ 大数据标准
§ 大数据的性能分析,
§ 大数据安全、隐私和法律问题
§ 大数据技术在各领域的应用
一句话简单归纳一下:但凡涉及利用AI技术进行数据分析的文章,都在TBD的收录范围。
IEEE TBD的关键参数如下:
总的来说,IEEE TBD收录范围广,审稿速度快,业内认可度高,发展速度快,近几年有晋升CCF-A的机会。
现任主编:唐杰教授,IEEE Fellow、杰青、清华大学计算机系副主任。唐老师是人工智能领域的著名学者,主要方向研究包括人工智能、认知图谱、数据挖掘、社交网络和机器学习。唐老师已发表论文 300 余篇,引用 16000 余次,曾获 ACM SIGKDD Test-of-Time Award(十年最佳论文)。
创刊主编:杨强教授,香港科技大学新明工程学讲席教授、计算机科学和工程学系主任。他是国际人工智能界“迁移学习”(transferlearning)技术的开创者,同时提出“联邦学习”(Federated Learning)的研究新方向。他于2013年7月当选为国际人工智能协会(AAAI)院士,是第一位获此殊荣的华人,之后又于2016年5月当选为AAAI执行委员会委员,是首位也是至今为止唯一的AAAI华人执委。2017年8月他当选为国际人工智能联合会(IJCAI,国际人工智能领域创立最早的顶级国际会议)理事会主席,是第一位担任IJCAI理事会主席的华人科学家。杨强教授先后被ACM、IEEE、AAAI、AAAS、IAPR、CAAI等6个国际学术评为Fellow,已发表逾400篇关于人工智能和数据挖掘方面的论文,引用超过20000次。
往期精彩回顾
适合初学者入门人工智能的路线及资料下载机器学习及深度学习笔记等资料打印机器学习在线手册深度学习笔记专辑《统计学习方法》的代码复现专辑
AI基础下载机器学习的数学基础专辑
本站qq群704220115,加入微信群请扫码: