【摘抄,可能已过时】
网上的大牛说
- 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。
特别是,
- 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。
Source: http://emuch.net/html/201012/2659795.html
清华的刘洋老师说:
勤读文献,及时更新知识结构,站在领域前沿,包括但不限于经典著作、期刊杂志、会议文集、学者主页、社交媒体和预印网站,这些渠道都有各自的特点:
-
经典著作的选择加州大学伯克利分校的 Michael I. Jordan 教授的机器学习书单;
-
期刊杂志层面,注意阅读领域内和领域外的期刊杂志,学科交叉容易产生创新;
-
会议文集的时效性高、质量上乘,甚至 AI 领域顶级的研究工作都是发表在会议上的,是最佳平衡点;
-
及时了解本学科顶级学者的研究问题也很重要,熟悉前沿对你的选题很有帮助;
-
社交媒体已成为学术成果的重要发布场所,很多美国学者都喜欢在推特上发出自己的研究成果,甚至比论文更早;
-
另一个信息来源是 arXiv 预印本论文网站,对于计算机学科来说,该网站的时效性是最强的,但论文质量参差不齐。
Source: click here ❤️