Zapraszam do zastępowania „czasopism” innym użytecznym portalem wiedzy.
Jestem zainteresowany obserwowaniem nowych osiągnięć w uczeniu maszynowym, z myślą o praktycznych zastosowaniach. Nie jestem naukowcem, który chce publikować własne prace (przynajmniej nie w tej dziedzinie), ale chcę mieć świadomość potencjalnych nowych algorytmów lub sztuczek, które byłyby przydatne na poziomie praktycznym.
Jedynym zastrzeżeniem jest to, że przebieg czasopisma / konferencji lub cokolwiek innego musi być swobodnie dostępne bez konieczności subskrypcji.
machine-learning
references
Bogdanovist
źródło
źródło
Odpowiedzi:
Nowe osiągnięcia w ML są prawie zawsze najpierw przedstawiane na konferencjach, a czasem przerabiane na artykuły z czasopism.
Jeśli śledzisz tylko dwie konferencje, powinny to być:
Konferencje te obejmują również warsztaty, w których publikowane są mniej dopracowane prace, co często może być dobrym sposobem na znalezienie informacji o trwających i jeszcze nieopublikowanych badaniach.
Następujące konferencje ML zawierają również wiele doskonałych artykułów, choć nie są one tak „pierwszego poziomu” jak NIPS i ICML i mogą być bardziej ukierunkowane:
Niektóre konferencje dotyczące sztucznej inteligencji obejmują również dobre dokumenty dotyczące uczenia maszynowego lub określone ścieżki uczenia maszynowego, w szczególności:
Często istotne są również konferencje w powiązanych dziedzinach, zwłaszcza:
źródło
Journal of uczenia maszynowego jest swobodnie dostępne w Internecie i na krawędzi tnącej, ale jest dość ciężki.
źródło
Myślę, że najlepszym sposobem na śledzenie najnowszych osiągnięć w uczeniu maszynowym jest śledzenie kanału Reddit :
https://www.reddit.com/r/MachineLearning/
Wielu badaczy publikuje komentarze na temat artykułów, które niedawno przesłali w różnych miejscach.
Możesz również śledzić, co jest przesyłane do Arxiv tutaj:
http://arxiv.org/list/stat.ML/recent
Większość badaczy przed wydrukowaniem przesyła Arxivowi wersje swoich artykułów.
Możesz także chcieć mieć konto na Twitterze i obserwować konkretnych badaczy / profesorów pracujących w uczeniu maszynowym. Jednak osoby, które możesz chcieć obserwować, naprawdę zależą od twojego obszaru zainteresowań. Dobrym punktem wyjścia może być hashtag #machinelearning
Pamiętaj również, że terminy uczenie maszynowe, eksploracja danych, odkrywanie wiedzy w bazach danych, analiza danych są czasami używane zamiennie. Aby znaleźć interesujące zmiany w uczeniu maszynowym, możesz przejrzeć wiadomości również w tych innych obszarach.
źródło