本文主要向大家介绍了机器学习入门之计算机视觉和机器学习领域中顶级会议的重要性，通过具体的内容向大家展现，希望对大家学习机器学习入门有所帮助。

 最近要求关注视觉注意的“热门研究方向”、“最新方法”等。boss建议CNKI、EI、或者SCI期刊。我有点纳闷，为什么不去读顶级会议上的论文？


感觉在机器学习、计算机视觉和人工智能领域，顶级会议才是王道。有人会质疑这些会议都只是EI，确实，在中国的许多其它领域的会议都是盛会，比如society
of
neuroscience的会议，人山人海形容也不过分。但是，计算机几个领域的确非常特殊，顶级会议的重要性无论怎么强调都不为过。


可以从以下几点说明：（1）因为机器学习、计算机视觉和人工智能领域发展非常迅速，新的工作层出不穷，如果把论文投到期刊上，一两年后刊出时就有点out
了。因此大部分最新的工作都首先发表在顶级会议上，这些顶级会议完全能反映“热门研究方向”、“最新方法”。（2）很多经典工作大家可能引的是某顶级期刊
上的论文，这是因为期刊论文表述得比较完整、实验充分。但实际上很多都是在顶级会议上首发。比如PLSA,
Latent Dirichlet
Allocation等。（3）如果注意这些领域大牛的pulications，不难发现他们很非常看重这些顶级会议，很多人是80%的会议+20%的期刊。即然大牛们把最新工作发在顶级会议上，有什么理由不去读顶级会议？
(1)以下是几个顶级会议的列表（不完整的，但基本覆盖）
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。
(2)另外补充一下：大部分顶级会议的论文都能从网上免费下载到，
比如CV方面：//www.cvpapers.com/index.html
NIPS: //books.nips.cc/ 
JMLR(期刊): //jmlr.csail.mit.edu/papers/ 
COLT和ICML(每年度的官网): //www.cs.mcgill.ca/~colt2009/proceedings.html
希望这些信息对大家有点帮助。

(3)说些自己的感受。对计算机视觉和计算神经科学领域，从方法和模型的角度看，统计模型（包括probabilistic
graphical model和statistical learning
theory）是主流也是非常有影响力的方法。有个非常明显的趋势：重要的方法和模型最先在NIPS或ICML出现，然后应用到CV,IR和MM。虽然具体问题和应用也很重要，但多关注和结合这些方法也很有意义。

本文由职坐标整理并发布，希望对同学们有所帮助。了解更多详情请关注职坐标人工智能机器学习频道！