z***t
发帖数: 2374 | 1 不完全是热去捧，是相关学科发展的必然，NIPS,ICML是比较好的连接理论和应用的会议
要解决问题，相当程度上要有好的理论，所以理论会议逐渐变得更重要了
CS的application现在扩得很大了，传统的离散算法和优化只能解决一部分问题了
需要大量相应的applied statistics或者说computational statistics技术
ICML,NIPS变得越来越重要，COLT的理论和应用又脱节一些
象KDD,IJCAI,AAAI,CVPR,ICCV里的paper,reviewer,committee在learning方面都和NIPS
/ICML差很远
另外象PAMI,TIP这些journal过去几年也收非常多learning方面的文章，但是自己的
reviewer水平又差，结果造成质量大幅度下降
PAMI现在文章，除了小部分pure vision的，其余文章质量很一般，比JMLR和ML差不少
，TIP里learning的文章更烂，直接导致TIP下降一个档次 |
|
|
R********n
发帖数: 519 | 3 如果目前这种方式垄断，感觉不是太好的现象
不过大陆近来ICML也是05年之后的事情，现在大多中国名字还是在北美的
CVPR的中国比例更高（大陆+北美）
btw: 前面回复错了，到了你邮箱。。。 |
|
u*********n
发帖数: 864 | 4 没投过这个rank的会，最近鼓捣出一个topic，做high-order markov model的
reinforcement learning，自己感觉还行。想问一下过来人，一般自己感觉什么样子的
研究才会尝试ICML NIPS之类的会？谢谢。
我这是empirical study，现在数学上还证不出来。汗。 |
|
I*****2
发帖数: 1586 | 5 出身于哪几座大山头吗？
如果是的话投NIPS
如果不是投ICML，相对公平一些。 |
|
u*********n
发帖数: 864 | 6 看来我只能去尝试下ICML了。不过我觉得做high order markov的发在NIPS上的论文也
很一般，又有点不甘心。 |
|
|
|
z*******9
发帖数: 167 | 9 Anyone going to ICML and want to share the hotel room?
Contact me with message on MITBBS.
Thanks. |
|
R********n
发帖数: 519 | 10 这两个会不是一码事。。。AAAI和ICML差了好远
就得不偿失 |
|
m****s
发帖数: 402 | 11 AI和ML本来不是完全一样吧，AAAI中ML的论文只占小部分。
做ML的首选肯定是ICML。自从周志华那个评论出来后，大家都挤NIPS了，不咋挤AAAI了。 |
|
o******y
发帖数: 446 | 12 同意AI跟ML是不完全一样。
现在ML 很热，所以大家都捧ICML和NIPS.
了。 |
|
H********d
发帖数: 67 | 13 ICML 2013 round 3? Congrats! |
|
发帖数: 1 | 14 完全不能
首先不能拿CV/ML的conference 去和journal比，肯定没得比。现在Deep learning遍地
都是,3大CV会加NIPS/ICML很多水。
要比至少拿PAMI说话，我觉得PAMI是比不过的 |
|
m****s
发帖数: 402 | 15 IJCAI (1+): AI最好的综合性会议, 1969年开始, 每两年开一次, 奇数年开. 因为AI
实在太大, 所以虽然每届基本上能录100多篇（现在已经到200多篇了），但分到每个
领域就没几篇了，象achine learning、computer vision这么大的领域每次大概也 就
10篇左右, 所以难度很大. 不过从录用率上来看倒不太低,基本上20%左右, 因为内 行
人都会掂掂分量, 没希望的就别浪费reviewer的时间了. 最近中国大陆投往国际会 议
的文章象潮水一样, 而且因为国内很少有能自己把关的研究组, 所以很多会议都在
complain说中国的低质量文章严重妨碍了PC的工作效率. 在这种情况下, 估计这几年
国际会议的录用率都会降下去. 另外, 以前的IJCAI是没有poster的, 03年开始, 为了
减少被误杀的好人, 增加了2页纸的poster.值得一提的是, IJCAI是由貌似一个公司 的
”IJCAI Inc.”主办的(当然实际上并不是公司, 实际上是个基金会), 每次会议上要
发几个奖, 其中最重要的两个是IJCAI Research Excel... 阅读全帖 |
|
d******e
发帖数: 7844 | 16 Data Mining的Conference主要是计算机的，而且主要偏数据库，和统计的Data Mining
不是一个概念。
统计的Data Mining本质就是机器学习。
目前有两大主流会议，ICML和NIPS，两者都很重视统计模型的机器学习，但侧重点不太
一样。前者注重应用，算法，优化。后者比前者更理论一些，也看重模型和应用的新颖
程度。
ICML主要还是一个计算计的圈子的会议，统计系专业的人不是很多，即使能看到也多是
有CS背景的，比如Martin Wainwright，John Lafferty，Micheal Jordan等。
NIPS则是一个统计和计算机混杂的会议，当然还有cognitive science，neuroscience
等方向的人。像Bin Yu，Larry Wasserman，Ji Zhu等都有在里面灌水。
这两个会议还都还非常喜欢Bayesian Graphical Models，这个在统计里是不太多见的
，尤其是再JASA，JRSSB，AOS上很少能看到BGM的身影，不过这两个会议里很常见，而
且也很受重视。
说到文章质量，ICML和NIPS文章差不多，... 阅读全帖 |
|
z***t
发帖数: 2374 | 17 比ICML差
和IJCAI/AAAI/CVPR/ICCV一个档次
都属于top conference的底线
好点的组，每年能保持三篇文章以上
研究还可以的faculty每年一篇应该有的
虽然ICML/NIPS收的文章多，但到底还是跟sigcomm, mobicom一个档次，只是数量上不
能直接比较
跨领域比较一般比较模糊，争议也多
ICML |
|
s******g
发帖数: 3841 | 18 ICML比sigcomm容易多了，大陆高校至今有的sigcomm一只手数得过来，ICML都好几十篇
了吧
可能因为ML没有更好的会议，所以最顶尖的文章也在ICML/NIPS |
|
z***t
发帖数: 2374 | 19 就不说名字了，点名字不太礼貌吧
有一点搞错了，应该是10年，去panel时候我一个哥们跟我说刚招的，５篇NIPS
我刚才去快速点了一下，好像是４篇NIPS,3篇ICML，没太仔细核查
做machine learning,发NIPS,ICML属于刚入门,否则不好说自己是做ML的
还有个学生刚毕业做postdoc时候，8篇NIPS,3篇ICML,还有UAI等其他文章
做几年postdoc挺好的，充实一下背景
不至于AP上来又要教课，又要发文章，又要拿钱，很容易崩掉 |
|
g***i
发帖数: 50 | 20 http://www1.bbsland.com/education/messages/231247.html
说点我了解的AI的一个子领域: 机器学习。
从Machine learning(ML)角度，COLT，NIPS，ICML应该是最好的三个会，而且是一个理论到相对应用的次序，COLT的文章没怎么读过，不敢做评论，ICML确实是非常open，包含的范围也很广，国内也有人在上面中paper。
NIPS的圈子确实不容易进，不过它一个好处在于在年底开会，而这个时候没有相同
层次的ML的会，所以每年年底的时候NIPS是个盛会，参加的人也很多，而且很全，所以一些国外的prof认为这是一年最好的交流机会，也可以说现在这个会基本已经被ML的人占领，从它的pc和录用的文章可以看出每年你都可以看到Tomaso A. Poggio (MIT)和他的一些学生，Michael I.
Jordan (Berkeley)和他的弟子，MPI，Israel，……他们的工作，他们之间的交叉合作也很多。
ICML和NIPS文章的风格也不一样，NIPS只有单排的8页，以前还是7页，因此最重要的是你的idea，甚至实验部 |
|
e********r
发帖数: 26 | 21
些？
NIPS is not necessary harder than ICML. They just have different favors.
NIPS likes papers with fancy ideas, no matter whether the ideas really work
or not. ICML likes paper with workable and novel ideas, although not as
fancy as NIPS. But unfortuantely the favor of ICML has been affected by NIPS
recently. |
|
B****x
发帖数: 17 | 22 http://blog.sina.com.cn/s/blog_661c16d00100kc51.html
机器学习大家谈（转贴）(2010-03-17 21:42:19)转载
标签：杂谈 分类：学术科研
闲着无事，想写点一些我所了解的machine learning大家。由于学识浅薄，见识有限，
并且仅局
限于某些领域，一些在NLP及最近很热的生物信息领域活跃的学者我就浅陋无知，所以
不对的地方大
家仅当一笑。
Machine Learning 大家(1)：M. I. Jordan
在我的眼里，M Jordan无疑是武林中的泰山北斗。他师出MIT，现在在berkeley坐
镇一方，
在附近的两所名校（加stanford）中都可以说无出其右者，stanford的Daphne Koller
虽然也
声名遐迩，但是和Jordan比还是有一段距离。
Jordan身兼stat和cs两个系的教授，从他身上可以看出Stat和ML的融合。
Jordan 最先专注于mixtures of experts，并迅速奠定了自己的地位，我们哈尔滨
工业大
学的校友徐雷跟他做博后期间，也在这个方向上沾光不少... 阅读全帖 |
|
m****s
发帖数: 402 | 23 AAAI/IJCAI以后可能基本留给了low-leve;的Generic AI，研究些近似哲学的KR问题。有应用的理论都往ICML/COLT/NIPS这面靠，甚而直接挤进ICCV/CVPR/SIGGRAPH。而真正高级点的理论也不会去碰AAAI/IJCAI，奔COLT,或者直接奔FOCS去了。
论文进了NIPS/ICML，随后会可能进ICCV/CVPR/SIGGRAPH，再随后也很可能进ACM TOG/PAMI之类的。有一篇不错的ICML，等于随后可能会有3~5篇顶级会刊的论文。 |
|
f*****w
发帖数: 2602 | 24 给人感觉你是做Learning相关的吧？
Learning近几年很火开始逐渐自立门户 但不代表AAAI/IJCAI就没啥价值了
AI其他领域的好会议也不少吧 比如KR, UAI，在我看来至少不比ICML差；NIPS不知道，
没看过几篇上面的论文
。有应用的理论都往ICML/COLT/NIPS这面靠，甚而直接挤进ICCV/CVPR/SIGGRAPH。而真
正高级点的理论也不会去碰AAAI/IJCAI，奔COLT,或者直接奔FOCS去了。
/PAMI之类的。有一篇不错的ICML，等于随后可能会有3~5篇顶级会刊的论文。 |
|
t***c
发帖数: 289 | 25 你们要区分一下做ML和用ML的，国内能号称做ML的很少，都是apply而已，而且还是比
较裸的apply，发些非ML领域的文章，要说做ML的，说来说去就知道提周志华。。。真
正做ML做得好的那都是可以帮公司带来很大的收益的，阿里给100万的那位就是真给人
带来收益的，资本家不傻，不会做亏本生意的
要对比就对比facebook AI（yann，vapnik），baidu IDL （andrew，tong，kai），以
及阿里最近招的这些人，都是正统ML，不是那种随便用用的三脚猫。。。
其实能去的早就知道自己去了值多少钱。。。找几个纯ML圈子的朋友问问。大部分人别
说发ICML，连看ICML都做不到，国内离玩透还差很远的，只能说（海外）国人做得好的
有很多 |
|
t***c
发帖数: 289 | 26 你们要区分一下做ML和用ML的，国内能号称做ML的很少，都是apply而已，而且还是比
较裸的apply，发些非ML领域的文章，要说做ML的，说来说去就知道提周志华。。。真
正做ML做得好的那都是可以帮公司带来很大的收益的，阿里给100万的那位就是真给人
带来收益的，资本家不傻，不会做亏本生意的
要对比就对比facebook AI（yann，vapnik），baidu IDL （andrew，tong，kai），以
及阿里最近招的这些人，都是正统ML，不是那种随便用用的三脚猫。。。
其实能去的早就知道自己去了值多少钱。。。找几个纯ML圈子的朋友问问。大部分人别
说发ICML，连看ICML都做不到，国内离玩透还差很远的，只能说（海外）国人做得好的
有很多 |
|
发帖数: 1 | 27 不知道多大AI有多强。查了一下一个AI 顶级会议的大学排名. 排名根据以下CS 会议：
Artificial intelligence AAAI, IJCAI
Computer vision CVPR, ECCV, ICCV
Machine learning & data mining ICML, KDD, NIPS
Natural language processing ACL, EMNLP, NAACL
The web & information retrieval SIGIR, WWW
UMASS 9， 多大14
Rank Institution Average Count Faculty
1 ► Carnegie Mellon University ◕ 62.2 77
2 ► Cornell University ◕ 30.8 35
3 ► Stanford University ◕ 26.5 32
4 &#... 阅读全帖 |
|
|
d******e
发帖数: 7844 | 29 呵呵，圈外人，你自己去查查，LFF的根本不是NIPS和ICML圈的。
从她读PhD算起，已经十七八年了。发的NIPS还没我多，ICML更少得只有3篇。 |
|
w****f
发帖数: 684 | 30 Recruiter 的email ( 估计群发）
“ Folks who publish in KDD/ICML/NIPS rather than networking conferences.
Would have preferred to see SIGCOMM/INFOCOM publications rather than the
venues he lists. ”
惭愧 一个都没有
What are these "KDD/ICML/NIPS/SIGCOMM/INFOCOM"? |
|
h********3
发帖数: 2075 | 31 物理和生物的phd背景来找machine learning的data scientist被虐得更惨。现在随便
一个做machine learning/data mining的CS PhD毕业之前就握着好几篇KDD, ICML,
NIPS的paper。物理和生物的PhD没有KDD, ICML, NIPS的paper，去FLG找工作的时候很
多简历就直接被刷掉了。即便内推面前拿到onsite，也很少有人禁得住几轮白板bug
free的攻势。禁得住几轮白板攻势的物理和生物PhD们，完全可以做正常的SDE，别人也
没有必要去抢data scientist这条狭窄的饭碗。
data |
|
r**********e
发帖数: 194 | 32 也没有随便吧，能够发ICML和NIPS的CS PhD也不是特别多，你去看看一般top 30以后的
CS系很多即使是machine learning方向的PhD也没有ICML和NIPS。KDD稍微容易一点但也
不简单。更不用说很多统计PhD毕业的时候根本没有文章发表，现在data science招人
很多，经济系之类的都来凑热闹。我自己知道的不少去flg的基本没有一篇文章发表。 |
|
|
r********3
发帖数: 2998 | 34 你拿一个国内办的烂会跟ICML来比？你这个会议，跟收ICML被拒paper的会议都不配。
。。 |
|
w********c
发帖数: 2632 | 35 ☆─────────────────────────────────────☆
cockroach (@UMN) 于 (Thu Dec 20 01:00:53 2007) 提到:
latent semantic analysis的paper投哪个更合适一点？
☆─────────────────────────────────────☆
stratton (搬家) 于 (Thu Dec 20 04:07:03 2007) 提到:
sigir
☆─────────────────────────────────────☆
sonyisme (偶静感乖类 :)) 于 (Thu Dec 20 10:57:01 2007) 提到:
ICML, JMLR
☆─────────────────────────────────────☆
cockroach (@UMN) 于 (Thu Dec 20 11:00:58 2007) 提到:
ml的不大敢投，除非做face recognition的时候
明年icml在芬兰啊，中了就爽yy了
☆─────────── |
|
v***0
发帖数: 5096 | 36 icml 主会哪有poster？
icml的workshop还还不多。 |
|
A****e
发帖数: 310 | 37 请教大家，COLT的CFP里面有一个track是：Mathematical analysis of learning in
related fields（e.g...machine vision...），似乎是说对于应用领域比较理论的分
析paper也收。但是从我看的很有限的paper来看，似乎都是纯理论的，很多连实验都没
什么。
自己做的topic是computer vision和un-supervised learning的结合，会有些理论，但
不知道能做多深，也会有些实验结果，所以感觉ICML更合适，但是ICML今年deadline太
早了，Jan. 26，不知道会不会延期呢？COLT是Feb. 13，时间还有一些。
谢谢大家了！ |
|
r********3
发帖数: 2998 | 38 对啊，他开创的"Jordan系”，基本垄断了AI最牛的NIPS。
结果导致外面的人改投ICML了。从而让ICML蓬勃发展。
一般中国来的，能成为他的学生的学生，都是相当的牛人啊。 |
|
I*****2
发帖数: 1586 | 39 所以nips这些年走下坡路了，固然有好文章但是扯蛋的东西也多
citation上面已经不如icml了，越来越多人关注icml了。 |
|
r********3
发帖数: 2998 | 40 对啊，他开创的"Jordan系”，基本垄断了AI最牛的NIPS。
结果导致外面的人改投ICML了。从而让ICML蓬勃发展。
一般中国来的，能成为他的学生的学生，都是相当的牛人啊。 |
|
a*s
发帖数: 23 | 41 这话说得。。。按我自己的看法，aaai/jicai在ml中，确实没太高的影响，但在logic
、planning这些“传统的”ai方面，应该还是数一数二的吧，毕竟这些方向没太多人关
注了，没人去开辟别的conf灌水
应用的理论都往ICML/COLT/NIPS这面靠，甚而直接挤进ICCV/CVPR/SIGGRAPH。而真正高
级点的理论也不会去碰AAAI/IJCAI，奔COLT,或者直接奔FOCS去了。
/PAMI之类的。有一篇不错的ICML，等于随后可能会有3~5篇顶级会刊的论文。 |
|
l******e
发帖数: 470 | 42
。有应用的理论都往ICML/COLT/NIPS这面靠，甚而直接挤进ICCV/CVPR/SIGGRAPH。而真
正高级点的理论也不会去碰AAAI/IJCAI，奔COLT,或者直接奔FOCS去了。
/PAMI
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
之类的。有一篇不错的ICML，等于随后可能会有3~5篇顶级会刊的论文。
shen me yisi? yi gao duo tou? |
|
C*********e
发帖数: 587 | 43 我希望对事发帖，不对人，不过你的言辞还是让人觉得你逻辑思维很无语
我最前面re这个帖子的意义是说因为，这个帖子的前面有些人谈vision就说那些ML/PR
的部分，我觉得这是没有理解vision问题的体现，由此我发了那个帖子
然后你re的帖子呢？贴出了一个Kinect的paper的摘要，然后呢，你认为ML在kinect起
了很多作用，但这个我前面的帖子有什么具体关系？
你要注意，
第一，我前面的帖子的是针对ML和CV的关系发的，并不是说kinect
第二，ML和Vision是两个领域，你通过说kinect用了ML说明不了任何kinect和vision的
关系，事实上，你理解问题很混乱（而你确claim你care理解问题）。那篇paper之所以
投CVPR，而不是ICML，是因为paper要解决的是一个典型vision问题，human pose
estimation，而用的depth camera也是vision领域的人所接受的一种input。至于用了
ML，是不会让这篇paper就投去ICML的。
亦或者，你认为这么一个vision问题用了ML，说明ML是vision中很重要的一部分？... 阅读全帖 |
|
r********3
发帖数: 2998 | 44 很正常啊，ICDM本来就不错。你只要追溯一下NIPS和欧洲人的历史就明白为啥了。
ICDM一直是double blind review的。现在你搞machine learning, data mining如果不
blind review，大部分欧洲人都不会投。欧洲那边这个领域的人也很多，别人很多
group也搞得很不错的。
KDD搞了一年blind review，结果某些大牛们不爽了，所以现在又不blind review了。
你如果不double blind review的话，对很多圈子外的group很不公平，所以别人干脆就
不投了。所以submission数量和接受率肯定不能和同档次blind review的会议比了。不
光ICDM，CIKM也是double blind，比较open的。今年CIKM 2011的submission一下子就
飙升上1000了。
另外，ICDE,SIGMOD,VLDB现在主要还是数据库，data mining的大部分都还是投KDD,
ICDM,CIKM, PKDD,SDM这些。做web的现在也有WSDM,WWW,SIGIR这些别人自己的top conf
... 阅读全帖 |
|
L*****k
发帖数: 327 | 45 ICDM还是比KDD有些差距的，虽然KDD不是double blind。ICDM的接受率低说明投的人太
多，各种level的都去投，这个也不是什么好事
NIPS和ICML的历史差不多的，都是20多年，早些年ICML发展得不错，这几年质量感觉下
降太快了...和NIPS的差距变大 |
|
m****s
发帖数: 402 | 46 基本属实，做CV的都有自己的benchmark标准数据库，能跑出好结果才算，这也是CVPR
比ICML强的地方。
真正CVPR中比较水的恰恰是纯ML的，推一堆公司，最后实际上ML的理论意义不如ICML的
论文，实际上也没办法跑dataset验证，纯扯淡了。 |
|
m****s
发帖数: 402 | 47 又来显摆了。COLT比NIPS/ICML声誉还是略低，至于FOCS之类，属于别的专业了。当然，别
的ML研究者没有，你确实可以炫耀。你有FOCS/STOC了？还没NIPS/ICML？ |
|
g******t
发帖数: 11249 | 48 GOOGLE RESEARCH
如果你没在NIPS，AAAI，ICML发过文面试都没有 |
|
|
g******t
发帖数: 11249 | 50 跟着老板照着模板调调参数灌几篇会议的水
跟生物千老的CNS一样，找工作p用没有
都知道是PI的功劳
毕业好大学进不去，谷歌research进不去
最后还不是刷题转马工 |
|
