ECML,全名为欧洲机器学习会议,European Conference on Machine Learning
原文链接:http://blog.sina.com.cn/s/blog_59388e2601019nvo.html
ECML 感想
(2012-10-02 23:32:41)ECML5天,认识了许多来自各地的中国人(大部分是PhD学生),其中很多做得很好。感想很多。如果你开过会的话,可能这些感想你早已体会到了,如此请见谅。
1. 关于这个会
1) 论文质量。它全名很长,叫
2)会议组织。tutorial和workshop整体质量比较差,很多是让博士生来讲,口音又重,完全听不进去。也有些不错的。新开了Nectartalks, 请一些小牛过来讲,质量就比较高了。还有startup talks,讲怎么把ML/KDD技术用在创业公司里,应该不错,不过种种原因我一个都没去听。会议很穷,没有可以免注册费的volunteer,没有travelgrant(除了对东欧的),第一天注册时候发的袋子,里边除了广告和name tag外啥也没有,没有U盘,没有tshirt,所以甚至不能称为 goodiebag。但在第三天的时候开始发tshirt了。好像听说今年的ICML也挺穷的。相比之下,KDD实在太有钱了。但会议最后一天farewellparty把我们带到一艘豪华游轮上,体验了下高帅富的生活,还是不错的。
3) 这个会有个优点,所有paper都有poster (和ICML一样). 听presentation,如果你是外行,基本过了introduction就会lost. 但postersession的话,你就可以逮着presenter一直问,直到明白为止。我就是这样学习了几篇paper,很巧,其中两篇都是metriclearning的,所以以后至少知道metric learning大致怎么做了。
2. 关于认识的人
这应该是我体会最多的方面了。毕竟开会,听presentation效果不好,未必能学到多少,而networking,认识各地的同行,收获就很明显了。最大的感受是自己跟别人(指欧洲和美国来的同学)之间的差距。
1)
2)学术上。他们有些人的老板牛,有些老板不那么牛,但基本上都是认真做学术的,会跟学生积极讨论,提建议。跟他们说我是NTU的,他们说不错啊,因为像Ivor, Steven 等组有许多好的工作。这些组给NTU赢得了reputation。但我想说,这是selectionbias,给外人了这种错觉,因为做的不好的组,外人都很少碰到。我跟他们说我明年就毕业了,才第一次参加国际会议,他们都觉得不可思议。我只能简单跟他们解释下我们组的特殊情况。问了一圈,好像还没第二个人的supervisor像我们组这种情况的。
3)主要因为1)和2)里提到的原因,我和大部分来自欧美的同学交流的并不怎么好,往往说一下彼此的基本情况,就不知道怎么往下聊了。这并不怎么让我挫折,因为来开会,我最看重的是学术交流,但我发现私人交流严重影响到了学术上的交流。比如在postersession,我问一个同学他的poster里的问题,他回答的很简单,感觉就是应付过去就行,但另外一个哥们,问的问题很外行,因为跟他熟,他会很详细的解释,并且提到并没有被问到的,但是很重要的一些细节。我说这些并不是想抱怨什么,这也是人之常情,只是感觉学术上的圈子就是这么形成的吧,每个人的attention都是珍贵的资源,咱们总会给熟人、聊得舒服的人多分配一些attention。
4)有个清华的本科生也来开会,跟他聊了不少。听说今年NIPS好像有3篇都是大陆的本科生做的?当然,都是跟了牛老板的。清华这哥们也是在google实习的时候,正好Zhihua Zhang 去 google beijing做一年的访问学者,跟着他做的。他说他感觉申请学校竞争很激烈,很担心,因为美国top学校,ML的名额并不多。对此我只能苦笑。
3. 感想
1)还没开始读PhD的同学,如果想读,还是尽量去欧美吧,不要来NTU这种备胎学校了。当然,如果来了NTU,去了牛组,也是不错的。PhD期间的差距,在以后的research生涯里可能会慢慢放大。
2)开会要趁早。哪怕没中paper,方便的话也可以注册了去开会。多认识些各地的人,很开阔眼界,不然在一个小lab里搞,很容易坐井观天。而且,如果想做一个topic,在会上跟了解的人聊聊,很快就知道适不适合做,说不定可以省下来半年的摸索时间。