【收藏】2018年不容错过的20大人工智能/机器学习/计算机视觉等顶会时间表

本文涉及的产品
NLP自然语言处理_基础版,每接口每天50万次
NLP自然语言处理_高级版,每接口累计50万次
NLP 自学习平台,3个模型定制额度 1个月
简介: 计算机科学,尤其是人工智能领域相比其他学科更重视会议,最新、最重要的工作往往先发表在相关顶会上。本文介绍了2018年值得关注的20个顶会,包括人工智能、机器学习、计算机视觉、自然语言处理、体系结构等领域。

目录

  • 人工智能/机器学习
  • 计算机视觉/模式识别
  • 自然语言处理/计算语言学
  • 体系结构
  • 数据挖掘/信息检索
  • 计算机图形学

人工智能/机器学习

1. AAAI 2018

4ceb5cce78cdf6b66f579e0bbbf5ffc6466dc607

会议时间:2月2日~7日

会议地点: 新奥尔良市,美国

AAAI是人工智能领域的主要学术会议,由美国人工智能促进协会主办。AAAI 成立于 1979 年,最初名为 “美国人工智能协会” (American Association for Artificial Intelligence),2007 年才正式更名为 “人工智能促进协会” (Association for the Advancement of Artificial Intelligence )。

近年的AAAI会议不乏中国学者的身影,据统计AAAI 2017接收的700多篇论文中半数以上有华人参与。此外,南京大学教授周志华当选2019年AAAI程序主席,该年另一位程序主席是密歇根大学教授 Pascal Van Hentenryck。

今年的AAAI Fellow包括:

680326446c6180b86fb9f64d7299a56e7ba779a6

  • Nancy Amato (TAMU),
  • Regina Barzilay (MIT)
  • Marie desJardins (UMBC)
  • Kevin Leyton-Brown (UBC)
  • Dinesh Manocha (UNC)
  • Joelle Pineau (McGill)
  • Amit Sheth (Wright State)
  • Gaurav Sukhatme (USC)

今年的AAAI会议举办在即,新智元已经展开发布一系列重要论文解读文章,更多报道敬请关注。

官网:https://aaai.org/Conferences/AAAI-18/

2. AISTATS 2018

6e1f9fec2f7b318629a58b67a83af96f1040fdc0

会议时间:4月9日~11日

会议地点:普拉亚布兰卡,加纳利群岛

AISTATS(International Conference on Artificial Intelligence and Statistics)是人工智能与统计学的国际会议,始于1985年,关注人工智能、机器学习、统计学及相关领域。今年AISTATS将于ALT(算法学习理论)会议联合举办。

官网:http://www.aistats.org/

3. ICLR 2018

c10c8306ba709a261d66c6a9178f168e91471d93

决议公布日期:1月29日

会议时间:4月30日~5月3日

会议地址:温哥华,加拿大

ICLR(International Conference on Learning Representations)虽然是一个很年轻的会议,今年举办到第6届,但已经成为深度学习领域不容忽视的重要会议,甚至有深度学习顶会“无冕之王”之称。

ICLR由Yann LeCun 和 Yoshua Bengio 等大牛发起,会议开创了公开评议机制(open review),但在今年取消了公开评议,改为双盲评审。

官网:http://www.iclr.cc

4. COLT 2018

15bc8b3975557ee13a13a5a58c3e10710e88921a

截稿时间:2月16日

会议时间:7月5日~9日

会议地点:斯德哥尔摩,瑞典

COLT全称是计算学习理论年会(Annual Conference on Computational Learning Theory),这是计算学习理论最重要的会议,由ACM每年举办。会议关注学习理论的广泛主题,包括学习算法的设计和分析、学习的统计和计算复杂性、学习的优化方法、无监督、半监督、在线和主动学习等等。

官网:http://www.learningtheory.org/colt2018/index.html

5. ICML 2018

32ffd376b99e4189c25f78b8141c72a72457aa06

截稿时间:2月9日

会议时间:7月10日~15日

会议地点:斯德哥尔摩,瑞典

ICML(国际机器学习会议)是机器学习领域最具影响力的学术会议之一,始于1980年,由国际机器学习学会(IMLS)每年举办一次。

官网:https://icml.cc/

6. IJCAI-ECAI-2018

c986625694120111768cb32b38a18db8ee9b6599

截稿时间:1月31日

会议日期:7月13日~19日

会议地点:斯德哥尔摩,瑞典

IJCAI(国际人工智能联合会议)是人工智能领域最主要的综合性学术会议之一,由于领域热度上涨,从 2016 年起,IJCAI 从原来的每两年举办一次改为每年举办一次。今年来华人在IJCAI的参与度不断增加,尤其是南京大学的周志华教授将担任 IJCAI-21 的程序主席,成为 IJCAI 史上第一位华人大会程序主席。

ECAI(欧洲人工智能会议)是在欧洲举行的主要人工智能和机器学习会议,始于1974年,由欧洲人工智能协调委员会主办。ECAI通常与IJCAI和AAAI并称AI领域的三大顶会。

今年IJCAI和ECAI两个会议将与7月13日~19日再瑞典首都斯德哥尔摩联合举办。

官网:https://www.ijcai-18.org/

7. UAI 2018

fb0a4624326e266bd30acaede8a7b08113971f51

截稿时间:3月9日

会议时间:8月6日~10日

会议地点:蒙特雷,美国

UAI(Conference on Uncertainty in Artificial Intelligence)是不确定性人工智能领域的重要会议,涉及表示、推理、学习等领域,由AUAI(Association of UAI)每年举办。

官网:http://www.auai.org/uai2018/index.php

8. NIPS 2018

c5d4ec6a72b422f2b9670a4a2b9f3c94f016a3dc

截稿时间:5月31日

会议时间:12月3日~8日

会议地点:蒙特利尔,加拿大

NIPS的全称是神经信息处理系统会议(Conference and Workshop on Neural Information Processing Systems),始于1987年,是神经计算和机器学习领域的顶级会议。早期NIPS论文涉及的主题范围很广,包括从解决纯工程问题到使用计算机模型了解生物神经系统等等。之后,生物系统和人工系统的研究发生了分化,近年的 NIPS 会议一直以机器学习、人工智能和统计学的论文为主。NIPS会议固定在每年的 12 月举行, 由 NIPS 基金会主办。

NIPS近年的主要受邀演讲人包括:

6d1258274b3a97bad3332ec85f1d11f9e7e468ae

NIPS一直保持较低的论文录取率,2017年NIPS一共录取了678篇论文,录取率约为20.9%。下图显示了2006~2017年NIPS的录取论文数量。

3af9c51aee602d70dfa949f75cf725bb8c80eddc

NIPS官网:https://nips.cc/

计算机视觉/模式识别

9. CVPR 2018

6ca1a7afcbe895b0decb5f4646cf5a110d94256d

会议时间:6月18日~22日

会议地点:盐湖城,UTAH

在计算机视觉领域,CVPR、ICCV和ECCV被称为“三大顶会”。其中ICCV和ECCV每两年召开,下一届ICCV将于2019年在韩国首尔举行。

CVPR(IEEE Computer Vision and Pattern Recognition conference)是是由 IEEE 主办的计算机视觉和模式识别领域的顶级会议,始于1983年,每年举办。CVPR除主会外,还包括多个workshop和短期课程,为学生、学术界和工业界研究人员提供重要的交流和学习场所。CVPR颁布的主要奖项有最佳论文奖、最佳学生论文奖、Longuet-Higgins奖(十年时间检验奖)和PAMI青年科学家奖。

官网:http://cvpr2018.thecvf.com/

10. ECCV 2018

e78a98bcff543a85289ef4bd660ba19b09504b28

截稿时间:3月14日

会议时间:9月8日~14日

会议地点:慕尼黑,德国

ECCV全称欧洲计算机视觉大会(European Conference on Computer Vision),每两年举办一次,与ICCV错开举办。像计算机视觉的其他会议一样,ECCV主会包含tutorial talks,technical sessions和poster sessions,此外也有tutorial和workshop。

官网:https://eccv2018.org

自然语言处理/计算语言学

11. ACL 2018

83dceeee18097c12d36f2128cac3497df26bdb8c

截稿时间:2月22日

会议时间:7月15日~20日

会议地点:墨尔本,澳大利亚

ACL(The Association for Computational Linguistics)是计算语言学领域的顶级会议,由由国际计算语言学协会在每年夏天举办。ACL有着悠久的历史,它成立于1962年,最初名为机器翻译和计算语言学协会(AMTCL),在1968年更名为ACL。

官网:http://acl2018.org/

12. COLING 2018

a9d91a30a34a4c682b7ec3e8d9ca768f4eedde34

截稿时间:5月16日

会议时间:8月22日~25日

会议地点:新墨西哥,USA

COLING也是计算语言学/自然语言处理的重要会议,全称是国际计算语言学大会(International Conference on Computational Linguistics),每两年举办一次。

官网:http://coling2018.org/

13. EMNLP 2018

e4c7a07610384ac4b5b619bf96bf2bbdc63a3a24

会议时间:10月31日~11月4日

会议地点:布鲁塞尔,比利时

EMNLP(Conference on Empirical Methods in Natural Language Processing)是自然语言处理领域的顶会,由ACL学会下的语言数据特殊兴趣小组SIGDAT组织,自1996年起每年举行。

体系结构

14. HPCA 2018

会议时间:2月24日~28日

会议地址:奥地利维也纳

HPCA全称高性能计算架构国际研讨会(International Symposium on High-Performance Computer Architecture),今年举办到第24届,由IEEE主办,是计算机体系结构的顶会之一。

官网:https://hpca2018.ece.ucsb.edu/

15. ASPLOS 2018

会议时间:3月24日~28日

会议地点:Williamsburg, VA, USA

ASPLOS全称ACM International Conference on Architectural Support for Programming Languages and Operating Systems,也是体系结构的顶会之一。ASPLOS涉及的领域包括计算机体系结构和硬件、编程语言和编译器、操作系统和网络。去年的ASPLOS是第一次在中国举办,中科院计算所研究员陈云霁担任大会主席。

官网:https://www.asplos2018.org/

16. ISCA 2018

会议时间:6月2日~6日

会议地点:洛杉矶,USA

ISCA全称计算机体系结构国际研讨会(The International Symposium on Computer Architecture)是计算机体系结构新思想和新研究成果发现的重要会议。自 1973 年创办以来,今年举办到 45 届(1974 年空缺)。

官网:http://iscaconf.org/isca2018/index.html

17. MICRO 2018

会议时间:10月20日~24日

会议地点:福冈县,日本

MICRO全称微架构国际研讨会(International Symposium on Microarchitecture),是计算机体系结构的著名会议,关注高级计算和通信系统创新微架构思想和技术,与 ISCA、HPCA 并列体系结构三大顶会。

数据挖掘/信息检索

18. SIGIR 2018

74b77a978cd1282edb83847ab1c1d222ef39a1f3

截稿时间:1月29日

会议时间:7月8日~12日

会议地点:安娜堡,美国

SIGIR(International ACM SIGIR Conference on Research and Development in Information Retrieval)是展示信息检索领域新技术和新成果的顶级国际会议,始于1978年,由ACM主办。

官网:http://sigir.org/sigir2018/

19. SIGKDD 2018

590232bf7fb59bb6f11e340bb70534223ebdcff7

截稿时间:2月21日

会议时间:8月19日~23日

会议地点:伦敦,英国

ACM SIGKDD 国际会议(简称 KDD)是由 ACM 的知识发现及数据挖掘专委会(SIGKDD)主办的数据挖掘研究领域的顶级年会。KDD 大会涉及的议题大多跨学科且应用广泛,吸引了来自统 计、机器学习、数据库、万维网、生物信息学、多媒体、自然语言处理、人机交互、社会网络计算、高性能计算以及大数据挖掘等众多领域的专家和学者参会。

官网:http://www.kdd.org/kdd2018/

计算机图形学

20. SIGGRAPH 2018

ce2b601e3205b612ecd3dda946b3ef6f617d9937

截稿时间:1 月 23 日

会议时间:8 月 12-16 日

会议地点:温哥华,加拿大

SIGGRAPH 是由 ACM SIGGRAPH(美国计算机协会计算机图形专业组)组织的计算机图形学顶级年度会议。第一届 SIGGRAPH 会议于 1974 年召开。


原文发布时间为:2018-01-09

本文作者:刘小芹

本文来自云栖社区合作伙伴新智元,了解相关信息可以关注“AI_era”微信公众号

原文链接:【收藏】2018年不容错过的20大人工智能/机器学习/计算机视觉等顶会时间表

相关文章
|
5天前
|
机器学习/深度学习 人工智能 物联网
通义灵码在人工智能与机器学习领域的应用
通义灵码不仅在物联网领域表现出色,还在人工智能、机器学习、金融、医疗和教育等领域展现出广泛应用前景。本文探讨了其在这些领域的具体应用,如模型训练、风险评估、医疗影像诊断等,并总结了其提高开发效率、降低门槛、促进合作和推动创新的优势。
通义灵码在人工智能与机器学习领域的应用
|
1月前
|
机器学习/深度学习 人工智能 监控
揭秘人工智能:机器学习的魔法
【10月更文挑战第6天】本文将带你走进人工智能的世界,了解机器学习如何改变我们的生活。我们将深入探讨机器学习的原理,以及它在各个领域的应用。同时,我们也会分享一些实用的代码示例,帮助你更好地理解和应用机器学习。无论你是初学者还是专业人士,这篇文章都将为你提供有价值的信息和启示。让我们一起探索这个神奇的领域吧!
|
27天前
|
机器学习/深度学习 人工智能 自然语言处理
人工智能与机器学习:探索未来的技术边界
【10月更文挑战第18天】 在这篇文章中,我们将深入探讨人工智能(AI)和机器学习(ML)的基础知识、应用领域以及未来趋势。通过对比分析,我们将揭示这些技术如何改变我们的生活和工作方式,并预测它们在未来可能带来的影响。文章旨在为读者提供一个全面而深入的理解,帮助他们更好地把握这一领域的发展趋势。
|
8天前
|
机器学习/深度学习 人工智能 算法
人工智能与机器学习的融合之旅
【10月更文挑战第37天】本文将探讨AI和机器学习如何相互交织,共同推动技术发展的边界。我们将深入分析这两个概念,了解它们是如何互相影响,以及这种融合如何塑造我们的未来。文章不仅会揭示AI和机器学习之间的联系,还会通过实际案例展示它们如何协同工作,以解决现实世界的问题。
|
6天前
|
机器学习/深度学习 人工智能 算法
【手写数字识别】Python+深度学习+机器学习+人工智能+TensorFlow+算法模型
手写数字识别系统,使用Python作为主要开发语言,基于深度学习TensorFlow框架,搭建卷积神经网络算法。并通过对数据集进行训练,最后得到一个识别精度较高的模型。并基于Flask框架,开发网页端操作平台,实现用户上传一张图片识别其名称。
23 0
【手写数字识别】Python+深度学习+机器学习+人工智能+TensorFlow+算法模型
|
14天前
|
机器学习/深度学习 人工智能 自然语言处理
探索人工智能与机器学习的边界####
本文深入探讨了人工智能(AI)与机器学习(ML)领域的最新进展,重点分析了深度学习技术如何推动AI的边界不断扩展。通过具体案例研究,揭示了这些技术在图像识别、自然语言处理和自动驾驶等领域的应用现状及未来趋势。同时,文章还讨论了当前面临的挑战,如数据隐私、算法偏见和可解释性问题,并提出了相应的解决策略。 ####
|
11天前
|
机器学习/深度学习 人工智能 安全
人工智能与机器学习在网络安全中的应用
人工智能与机器学习在网络安全中的应用
32 0
|
1月前
|
机器学习/深度学习 人工智能 算法
人工智能与机器学习在医疗诊断中的应用
【10月更文挑战第3天】人工智能与机器学习在医疗诊断中的应用
45 3
|
1月前
|
机器学习/深度学习 算法 PyTorch
【机器学习】大模型环境下的应用:计算机视觉的探索与实践
【机器学习】大模型环境下的应用:计算机视觉的探索与实践
56 1
|
1月前
|
机器学习/深度学习 人工智能 自然语言处理
人工智能的未来:从机器学习到深度学习的演进
【10月更文挑战第8天】人工智能的未来:从机器学习到深度学习的演进
61 0