m****s 发帖数: 402 | 1 经费紧张,很想把registration fee和开会的开支节约下来。不过怕论文被拿下,那
就得不偿失了。有逃过会议费的吗? |
D***r 发帖数: 7511 | 2 多少钱啊
没有one-day pass吗
就得不偿失
【在 m****s 的大作中提到】![](/moin_static193/solenoid/img/up.png) : 经费紧张,很想把registration fee和开会的开支节约下来。不过怕论文被拿下,那 : 就得不偿失了。有逃过会议费的吗?
|
R********n 发帖数: 519 | 3 这两个会不是一码事。。。AAAI和ICML差了好远
就得不偿失
【在 m****s 的大作中提到】![](/moin_static193/solenoid/img/up.png) : 经费紧张,很想把registration fee和开会的开支节约下来。不过怕论文被拿下,那 : 就得不偿失了。有逃过会议费的吗?
|
m****s 发帖数: 402 | 4 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。
【在 R********n 的大作中提到】![](/moin_static193/solenoid/img/up.png) : 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 | |
o******y 发帖数: 446 | 6 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。
【在 m****s 的大作中提到】![](/moin_static193/solenoid/img/up.png) : 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。
|
Q**a 发帖数: 406 | 7 大家都跑题了……
建议lz先问问合作者,然后考虑只付个注册费,找人代讲
【在 o******y 的大作中提到】![](/moin_static193/solenoid/img/up.png) : 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。
|
z***t 发帖数: 2374 | 8 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
【在 o******y 的大作中提到】![](/moin_static193/solenoid/img/up.png) : 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。
|
x*********g 发帖数: 15 | 9 如果你是学生,可以申请 volunteer 或 scholarship,至少能 cover 你的注册费。
中了 paper 除非签证问题,否则最好去。
最坏情况自己出点钱,等你工作之后回过头看,这钱其实没什么大不了的。
错失了一次机会,倒是更大的损失。 |
o******y 发帖数: 446 | 10 热当然指的是大家觉得有的东西可以做 (“所谓的发展的必然”)。
至于最后怎么样,需要过些年再去评论。
比如以前热的东西,也觉得是“发展的必然”。
每个时间段都有热门的东西的。
会议
NIPS
【在 z***t 的大作中提到】![](/moin_static193/solenoid/img/up.png) : 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
|