मशीन लर्निंग में नवीनतम घटनाओं पर नज़र रखने के लिए अच्छी, स्वतंत्र रूप से उपलब्ध पत्रिकाएँ क्या हैं?


13

ज्ञान के किसी अन्य उपयोगी पोर्टल के लिए 'पत्रिकाओं' के विकल्प के लिए स्वतंत्र महसूस करें।

मैं व्यावहारिक अनुप्रयोगों के लिए मशीन लर्निंग में नए विकास पर नज़र रखने में दिलचस्पी रखता हूं। मैं अपना खुद का काम प्रकाशित करने के लिए अकादमिक नहीं हूं (कम से कम इस क्षेत्र में नहीं), लेकिन मैं संभावित नए एल्गोरिदम या ट्रिक्स से अवगत होना चाहता हूं जो व्यावहारिक स्तर पर उपयोगी होंगे।

एकमात्र चेतावनी यह है कि पत्रिका / सम्मेलन आगे बढ़ रहा है या जो कुछ भी स्वतंत्र रूप से उपलब्ध होना चाहिए, वह सदस्यता की आवश्यकता के बिना होगा।


हाल के मशीन लर्निंग सबमिशन के लिए arxiv प्रविष्टि भी एक अच्छा विकल्प है; कम से कम अपनी सुबह की कॉफी के दौरान कुछ सार की जाँच के लिए।

@Procrastinator, मैंने सवाल पोस्ट करने से पहले arXiv की जांच की, लेकिन यह सही नहीं लगा कि एक दिन में केवल एक मुट्ठी भर प्रिंट होते हैं। मैं अपने क्षेत्र में arXiv श्रेणियों में हर दिन 100+ पेपर देखने का आदी हूं। हालांकि मैं शायद ML समुदाय वास्तव में arXiv में नहीं था। क्या आप इस बात की पुष्टि कर सकते हैं कि अधिकांश ML कागजात arXiv पर पोस्ट किए जाते हैं? यदि ऐसा है तो यह बहुत ही सुविधाजनक होगा, क्योंकि मैं पहले से ही arXiv के अन्य भागों को वैसे भी रोजाना इस्तेमाल करता हूं।
बोगदानोविस्ट

मुझे यकीन है कि केवल कुछ एमएल पेपर्स arXiv पर पोस्ट किए गए हैं, उनमें से कुछ या तो विश्वविद्यालयों की वेबसाइटों, व्यक्तिगत वेबसाइटों पर पोस्ट किए गए हैं या यहां तक ​​कि कभी भी प्रीप्रिंट्स के रूप में पोस्ट नहीं किए गए हैं। इसके अलावा, कई बेकार कागजात हैं जो उपयोगी पाने के लिए मुश्किल बनाते हैं। दूसरी ओर, जब आप पर्याप्त भाग्यशाली होते हैं और एक अच्छा पाते हैं, तो आप इसे प्रकाशित होने से पहले पढ़ सकते हैं। प्रकाशन में दो साल भी लग सकते हैं। तो, arXiv के बारे में मेरी राय यह है कि यह सार पर एक त्वरित नज़र डालने के लिए लायक है और देखें कि क्या आपको कुछ उपयोगी लगता है, लेकिन मैं मानता हूं कि यह सबसे अच्छा विकल्प नहीं है (यही कारण है कि मैंने इसे एक टिप्पणी के रूप में पोस्ट किया है)।

जवाबों:


16

एमएल में नए विकास को लगभग हमेशा सम्मेलनों में प्रस्तुत किया जाता है, और कभी-कभी बाद में इसे पत्र-पत्रिकाओं में परिष्कृत किया जाता है।

यदि आप केवल दो सम्मेलनों का पालन करते हैं, तो उन्हें होना चाहिए:

  • एनआईपीएस (तंत्रिका सूचना प्रसंस्करण प्रणाली); दिसंबर। सम्मेलन स्थल , कार्यवाही । (नाम के बावजूद, अधिकांश कागजात तंत्रिका विज्ञान या तंत्रिका नेटवर्क से संबंधित नहीं हैं।)
  • आईसीएमएल (मशीन लर्निंग पर अंतर्राष्ट्रीय सम्मेलन); जुलाई। साइट (कार्यवाही लिंक सहित)।

इन सम्मेलनों में ऐसी कार्यशालाएँ भी शामिल हैं जो कम-पॉलिश किए गए कार्यों को प्रकाशित करती हैं, जो अक्सर चल रहे और अभी तक प्रकाशित नहीं किए गए शोध के बारे में पता लगाने का एक अच्छा तरीका हो सकता है।

निम्नलिखित एमएल सम्मेलनों में कई उत्कृष्ट कागजात होते हैं, हालांकि वे एनआईपीएस और आईसीएमएल के रूप में "प्रथम श्रेणी" के रूप में नहीं हैं और गुंजाइश में अधिक ध्यान केंद्रित किया जा सकता है:

  • AISTATS (कृत्रिम बुद्धिमत्ता और सांख्यिकी); मई। सम्मेलन स्थल ; जेएमएलआर में प्रकाशित और यहां उपलब्ध कार्यवाही । कभी-कभी अधिक सैद्धांतिक, विशेष रूप से एक सांख्यिकी दृष्टिकोण से।
  • COLT (लर्निंग थ्योरी पर सम्मेलन); जुलाई। 2015 साइट , कार्यवाही JMLR में भी प्रकाशित हुई । बहुत सैद्धांतिक है।
  • UAI (आर्टिफिशियल इंटेलिजेंस में अनिश्चितता); जुलाई। सम्मेलन स्थल , कार्यवाही । आमतौर पर ग्राफिकल मॉडल और / या बायेसियन तकनीकों पर अधिक ध्यान केंद्रित किया जाता है।
  • ICLR (लर्निंग रिप्रेजेंटेशन पर अंतर्राष्ट्रीय सम्मेलन); मई। सम्मेलन स्थल । (गहरी सीखने पर ध्यान केंद्रित, अपेक्षाकृत नया; सभी प्रस्तुतियाँ arXiv पर दिखाई देती हैं।)
  • ECML PKDD (मशीन लर्निंग और सिद्धांतों पर यूरोपीय सम्मेलन और डेटाबेस में ज्ञान डिस्कवरी का अभ्यास); सितंबर। सम्मेलन स्थल
  • ACML (मशीन लर्निंग पर एशियाई सम्मेलन); नवंबर। सम्मेलन स्थल

कुछ AI सम्मेलनों में विशेष रूप से मशीन लर्निंग पेपर या मशीन लर्निंग पर विशिष्ट ट्रैक शामिल होते हैं:

विशेष रूप से संबंधित क्षेत्रों में सम्मेलन भी अक्सर प्रासंगिक होते हैं:



3

मुझे लगता है कि मशीन लर्निंग के नवीनतम घटनाक्रमों पर नज़र रखने का सबसे अच्छा तरीका रेडिट फीड का पालन करना है :

https://www.reddit.com/r/MachineLearning/

कई शोधकर्ता कुछ कागजात के बारे में कुछ टिप्पणी पोस्ट करते हैं जो उन्होंने हाल ही में विभिन्न स्थानों पर प्रस्तुत किए हैं।


आप यह भी अनुसरण कर सकते हैं कि यहाँ अर्किव को क्या प्रस्तुत किया गया है:

http://arxiv.org/list/stat.ML/recent

अधिकांश शोधकर्ता प्रकाशन से पहले अपने कागजात के प्री-प्रिंट संस्करण अर्क्सिव में जमा करते हैं।


इसके अलावा, आप एक ट्विटर खाता रखना चाहते हैं और विशेष रूप से शोधकर्ताओं / प्रोफेसरों का अनुसरण कर सकते हैं जो मशीन लर्निंग में काम करते हैं। हालाँकि, जिन लोगों का आप अनुसरण करना चाहते हैं, वे वास्तव में आपकी रुचि के क्षेत्र पर निर्भर हैं। एक अच्छा प्रारंभिक बिंदु हैशटैग #machinelearning का अनुसरण कर सकता है


यह भी याद रखें कि शब्द मशीन लर्निंग, डेटा माइनिंग, डेटा बेस में नॉलेज डिस्कवरी, डेटा साइंस कभी-कभी इंटरचेंज का उपयोग किया जाता है। मशीन लर्निंग के कुछ रोचक घटनाक्रमों को खोजने के लिए आप उन अन्य क्षेत्रों के समाचारों को देख सकते हैं।

हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.