人工智能頂級(jí)會(huì)議，我是計(jì)算機(jī)視覺(jué)專業(yè)的如果想從事這個(gè)行業(yè)需要學(xué)習(xí)什么機(jī)器學(xué)

來(lái)源：整理時(shí)間：2023-06-05 19:43:22 編輯：智能門戶手機(jī)版

1，我是計(jì)算機(jī)視覺(jué)專業(yè)的如果想從事這個(gè)行業(yè)需要學(xué)習(xí)什么機(jī)器學(xué)

你好，你需要學(xué)習(xí)計(jì)算機(jī)視覺(jué)，opencv庫(kù)函數(shù)，機(jī)器學(xué)習(xí)，數(shù)據(jù)結(jié)構(gòu)也需要掌握一些，你要了解內(nèi)存的存儲(chǔ)！

感覺(jué)在機(jī)器學(xué)習(xí)、計(jì)算機(jī)視覺(jué)和人工智能領(lǐng)域,頂級(jí)會(huì)議才是王道。有人會(huì)質(zhì)疑這些會(huì)議都只是ei,確實(shí),在中國(guó)的許多其它領(lǐng)域的會(huì)議都是盛會(huì),比如society of...

{0}

2，人工智能領(lǐng)域有哪些重要的學(xué)術(shù)會(huì)議和頂級(jí)實(shí)驗(yàn)室

人工智能是對(duì)人的意識(shí)、思維的信息過(guò)程的模擬。人工智能不是人的智能，但能像人那樣思考、也可能超過(guò)人的智能。人工智能的定義可以分為兩部分，即“人工”和“智能”?！叭斯ぁ北容^好理解，爭(zhēng)議性也不大。有時(shí)我們會(huì)要考慮什么是人力所能及制造的，或者人自身的智能程度有沒(méi)有高到可以創(chuàng)造人工智能的地步，等等。但總的來(lái)說(shuō)，“人工系統(tǒng)”就是通常意義下的人工系統(tǒng)。人工智能在計(jì)算機(jī)領(lǐng)域內(nèi)，得到了愈加廣泛的重視。并在機(jī)器人，經(jīng)濟(jì)政治決策，控制系統(tǒng)，仿真系統(tǒng)中得到應(yīng)用。用來(lái)研究人工智能的主要物質(zhì)基礎(chǔ)以及能夠?qū)崿F(xiàn)人工智能技術(shù)平臺(tái)的機(jī)器就是計(jì)算機(jī)，人工智能的發(fā)展歷史是和計(jì)算機(jī)科學(xué)技術(shù)的發(fā)展史聯(lián)系在一起的。

工業(yè)界：msr redmond，msra，yahoo research。學(xué)術(shù)界：eric nyberg，uiuc的chengxiang zhai umass的ciir（bruce croft，james allan）

{1}

3，數(shù)據(jù)挖掘類的國(guó)際頂尖會(huì)議有哪些

頂級(jí)：SIGKDD二流：ICDM，SDM ，EDBT等上面是專門的數(shù)據(jù)挖掘會(huì)議，其他像SIGMOD,VLDB,ICDE等數(shù)據(jù)庫(kù)類會(huì)議都會(huì)有專門的數(shù)據(jù)挖掘session ，下面是有人專門總結(jié)的，引用一下：一流的：數(shù)據(jù)庫(kù)三大頂級(jí)會(huì)議SIGMOD，VLDB，ICDE，數(shù)據(jù)挖掘KDD，實(shí)際相關(guān)的還有機(jī)器學(xué)習(xí)ICML,還有信息檢索的SIGIR；數(shù)據(jù)庫(kù)的理論會(huì)議PODS，但它是理論的會(huì)議所以和咱們就不大相關(guān)了二流的：EDBT，ICDT，CIKM，SDM，ICDM，PKDD，還有ECML歐洲的機(jī)器學(xué)習(xí)會(huì)議（這個(gè)應(yīng)該是1.5檔的，比一般的二流好）SIGMOD：97分，數(shù)據(jù)庫(kù)的最高會(huì)議，涉及范圍廣泛，稍偏應(yīng)用（因?yàn)槔碚撐恼掠蠵ODS）。沒(méi)說(shuō)的，景仰如滔滔江水。這個(gè)會(huì)議不僅是double-blind review，而且有rebuttal procedure，可謂獨(dú)樹(shù)一幟，與眾不同。VLDB：95分，非常好的數(shù)據(jù)庫(kù)會(huì)議。與SIGMOD類似，涉及范圍廣泛，稍偏應(yīng)用。從文章的質(zhì)量來(lái)說(shuō)，SIGMOD和VLDB難分伯仲，沒(méi)有說(shuō)誰(shuí)比誰(shuí)更高。他們的范圍也幾乎一樣。不少牛人都認(rèn)為，今年的rebuttal procedure其實(shí)并不怎么成功。投稿太多，很難做到每一篇都公平公正。很多rebuttal沒(méi)人看。double-blind是把雙刃劍。這幾年來(lái)每年都有人冒充牛人的風(fēng)格來(lái)投稿，有的還真進(jìn)去了。反而VLDB的審稿質(zhì)量一直很高。每年的VLDB都有很理論的paper。一般來(lái)說(shuō)，我感覺(jué)大家還是認(rèn)為SIGMOD要好那么一點(diǎn)點(diǎn)。根據(jù)我個(gè)人讀過(guò)的文章，也有這樣的感覺(jué)。不過(guò)這個(gè)并不重要了，有差別也是那么一點(diǎn)。PODS：95分。是“數(shù)據(jù)庫(kù)理論的最好會(huì)議,也是一個(gè)很好的理論會(huì)議”。每年總是co-located with SIGMOD。感覺(jué)其中算法背景的人占主流（你可以數(shù)數(shù)PODS文章中有多少來(lái)自Motwani group），也有一部分AI背景的人（畢竟SIGART也是主辦者之一）。它的影響力遠(yuǎn)不及SIGMOD，然而其中文章的質(zhì)量比較整齊，variance小于SIGMOD（以及其他任何數(shù)據(jù)庫(kù)會(huì)議）。有一位牛人說(shuō)：“PODS never had a really bad paper，”這是它值得驕傲的地方。KDD:：full paper 95分，poster/short paper 90分。數(shù)據(jù)挖掘的最高會(huì)議。由于歷史積累不足以及領(lǐng)域圈子較小，勿用諱言KDD目前比SIGMOD尚有所不如。我覺(jué)得我們可以這樣類比：KDD:SIGMOD=CRYPTO:STOC。回顧密碼學(xué)的歷史，真正最牛的文章一般發(fā)在STOC/FOCS而非CRYPTO/EUROCRYPT，這和今天的數(shù)據(jù)挖掘何等類似！然而你看看今天的密碼學(xué)文章，已經(jīng)有頂級(jí)的密碼學(xué)家（恕我不便寫(xiě)出名字）不再往STOC/FOCS投稿。我覺(jué)得同樣的事情在不久的將來(lái)也會(huì)發(fā)生在數(shù)據(jù)挖掘中，讓我們拭目以待。這幾年來(lái)KDD的質(zhì)量都很高。其full paper的質(zhì)量高于SIGMOD/VLDB中數(shù)據(jù)挖掘方面的paper的質(zhì)量。原因是SIGMOD/VLDB審稿人中數(shù)據(jù)挖掘的人很少，審稿標(biāo)準(zhǔn)不一定能掌握得很好。這幾年好幾篇SIGMOD/VLDB的數(shù)據(jù)挖掘paper都follow一些KDD的paper。而在KDD，要拿一篇full paper真難。去年復(fù)旦拿了一篇，實(shí)屬難能可貴。今年他們又拿了一個(gè)SIGMOD demo，說(shuō)明工作的確很扎實(shí)。聽(tīng)說(shuō)在很多地方，如果能有一篇SIGMOD/VLDB/KDD，就能博士畢業(yè)，能有兩篇就能找到不錯(cuò)的工作?！案锩形闯晒?，同志仍需努力！”ICDE：92分。很好的數(shù)據(jù)庫(kù)會(huì)議，也是一個(gè)大雜燴。好處是覆蓋面廣、包容性強(qiáng)，壞處是文章水平參差不齊。EDBT：88分，不錯(cuò)的數(shù)據(jù)庫(kù)會(huì)議，錄取率很低然而歷史積累不足，影響還明顯不及ICDE。ICDT：88分，PODS的歐洲版，數(shù)據(jù)庫(kù)理論第二會(huì)議。和SIGMOD/VLDB一樣，ICDE和EDBT在質(zhì)量和影響上都不相上下。其它的如CIKM，ICDM，SDM，SSDBM，PKDD等等都比以上的會(huì)議差一截。CIKM：85分。SDM：full paper 90分，poster/short paper 85分。SIAM的數(shù)據(jù)挖掘會(huì)議，與ICDM并列為數(shù)據(jù)挖掘領(lǐng)域的第二位，比KDD有明顯差距。好像其中統(tǒng)計(jì)背景的人比較多，也有一部分機(jī)器學(xué)習(xí)背景的人，比較iversified。ICDM：full paper 90分，poster/short paper 85分。IEEE的數(shù)據(jù)挖掘會(huì)議，與SDM并列為數(shù)據(jù)挖掘領(lǐng)域的第二位，比KDD有明顯差距。PKDD：83分（因?yàn)閜oster/short paper數(shù)量很少，所以不予區(qū)分）。好像是KDD的歐洲版，但與KDD差距很大。

{2}