机器之心编辑部发布

新人投稿NeurIPS被拒?Bengio等大牛导师引路,你还有机会

试想一下,头一次参加 NeurIPS,就由图灵奖得主当你的导师,由 NeurIPS 创始人、NeurIPS 大会主席、白宫 AI 报告作者指导你的论文,由 DeepMind 教授和你讨论研究课题,会是什么体验?相信就连曾经摘得学术研究桂冠的大咖们也未必有过这样的体验,而这一切,即将在 NeurIPS2019 上真实上演。

人工智能年度最大盛会 NeurIPS 2019 即将在 12 月 8 日-14 日在加拿大温哥华举行,今年大会除了收到 6743 篇论文投稿创历史记录外,还决定为「新人」提供一项福利,引入一个全新的特别机器学习研讨会——New In ML 2019,作为 NeurIPS 大会的官方环节之一。

研讨会邀请了新晋图灵奖获得者、NeurIPS 组织最高决策者、秘书长、以及最高决策组织 NeurIPS Board 以及 Advisory Board 的多位核心成员——Yoshua Bengio 、Terrence Sejnowski、Thomas G. Dietterich、Neil Lawrence、Michael Mozer、Masashi Sugiyama、Yair Weiss、Corinna Cortes——组成最强导师天团。导师团旨在帮助更多新进「圈子」的新人更快融入成长,推动机器学习的学术研究和发展。

本次研讨会由国内 AI 独角兽第四范式和国际学术组织 Charlearn 承办。会议核心组织者包括前 NeurIPS 大会主席、NeurIPS Board 成员、ChaLearn 创始人 Isabelle,以及第四范式主任科学家、ChaLearn 理事会成员涂威威。

人工智能在全球范围内的热度疯狂高涨,吸引了越来越多新人加入机器学习的研究队伍中,部分新人可能是首次参加顶级学术会议、或从未在机器学习顶级学术会议发表过论文,在没有专业导师指导的情况下,仍需要面对研究想法、实验、论文写作等诸多挑战,新人的成长速度也成为业内共同关注的问题。

New In ML 2019 定位于 The First Group Session for Newcomers to Machine Learning,希望帮助机器学习新人切实解决这些难题,史上最强的导师团不仅将亲自评审新人提交的论文,还将在研讨会现场言传身教,分享他们在顶级会议和指导会议上的经验。更为难得的是,会议结束后导师将与被研讨会录用论文的新人保持长期联络,进一步帮助指导其已被录用的论文。

导师天团阵容(陆续增加中)

  • Yoshua Bengio,图灵奖得主,前 NeurIPS 程序主席&大会主席,NeurIPS 理事会顾问委员,深度学习三巨头之一,Deep Learning 等一系列教科书级著作的作者

  • Thomas G.Dietterich, 通用机器学习奠基人之一,前 NeurIPS 程序主席&大会主席,NeurIPS 理事会顾问委员,前 AAAI 总主席,美国白宫人工智能报告主要撰写人,《机器学习研究》杂志创办者及主编

  • Neil Lawrence,前 NeurIPS 程序主席&大会主席,NeurIPS 理事会委员,DeepMind 教授,剑桥大学教授,What is Machine Learning? 作者

  • Michael Mozer,NeurIPS 理事会秘书长,美国国家科学基金会「总统年轻研究者奖」得主,科罗拉多大学教授

  • Terrence Sejnowski,NeurIPS 组织联合创始人兼主席。世界十大 AI 科学家之一,美国四大国家学院(国家科学院、国家医学院、国家工程院、国家艺术与科学学院)在世仅 3 位的「四院院士」之一,美国「脑计划」领军人物,Coursera 最受欢迎课程 Learning how to learn 主讲人

  • Masashi Sugiyama,前 NeurIPS 程序主席&大会主席,NeurIPS 理事会委员; ACML 创始人,日本理化研究中心主任,《图说机器学习》书籍作者

  • Yair Weiss,前 NeurIPS 程序主席&大会主席,NeurIPS 理事会顾问委员;NIPS(2002),ECCV(2006),UAI(2008)和 CVPR(2009)获奖论文作者

  • Hugo Larochelle,NeurIPS 2019 程序主席,加拿大 CIFAR AI 主席、机器与大脑学习项目副主任、谷歌大脑研究科学家、Mila 成员。

同时邀请更多来自国内的顶会论文撰写及评审经验丰富的大神导师,加入评审团队,欢迎有兴趣的大牛将个人简短 CV 发送到 xuzhen@4paradigm.com 申请加入,一起为机器学习研究领域的新人创造更加友好的社区,帮助大家更快地成长,收获更多的合作。

New In ML 2019 以经典的 workshop 形式组织,我们欢迎来自各个机器学习方向的年轻学者投稿。提交的论文经由导师团队讨论和评审,筛选 Oral Presentation 和 Poster 论文。身兼导师的 Reviewers 会和其感兴趣的论文作者进一步的沟通交流甚至合作。

Workshop 地址:http://newinml.org

具体论文提交方式及会议日程安排如下:

由于本会议承担着为 NeurIPS 2020 引入更多新鲜血液的重任,因此建议论文格式参考 NeurIPS 主会论文格式,论文长度最长 8 页不得少于 4 页,不包括 reference(具体格式要求可参考 https://nips.cc/Conferences/2019/CallForPapers)。

论文提交地址:https://cmt3.research.microsoft.com/NewInML2019

所有与机器学习相关的主题都是受欢迎的,包括但不限于:

  • 自动机器学习

  • 强化学习

  • 元学习

  • 图神经网络

  • 对抗性机器学习

  • 深度学习理论

  • 深度学习可解释性

  • 因果推理

  • 公平与差分隐私

被接收的论文将由导师团进行评审,并在研讨会上获得演讲或海报展示。被本次研讨会录用的论文非 NeurIPS 2019 官方论文,所以这些论文可以与导师合作完善并投稿到 NeurIPS 2020 主会!本次研讨会接收最好的论文将获得现场口头报告,甚至是奖项鼓励,包括:

  • 最佳论文奖

  • 最具颠覆性的想法

  • 最佳科学内容

  • 最佳口头报告

重要日期:

  • 2019 年 10 月 15 日:论文提交截止日期

  • 2019 年 10 月 30 日:提交人通知截止日期

  • 2019 年 12 月 9 日:会议日

注意:

  • 请提交符合格式和说明的论文(参看 https://nips.cc/Conferences/2019/CallForPapers)

  • 欢迎第一作者提交未在 NeurIPS(Main Conference)上发表的论文

  • 本次接收的论文不会作为正式出版物,因此提交的论文可以被修改并提交给 NeurIPS 2020

会议安排(暂定)

理论Neil LawrenceYoshua Bengio
相关数据
深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

元学习技术

元学习是机器学习的一个子领域,是将自动学习算法应用于机器学习实验的元数据上。现在的 AI 系统可以通过大量时间和经验从头学习一项复杂技能。但是,我们如果想使智能体掌握多种技能、适应多种环境,则不应该从头开始在每一个环境中训练每一项技能,而是需要智能体通过对以往经验的再利用来学习如何学习多项新任务,因此我们不应该独立地训练每一个新任务。这种学习如何学习的方法,又叫元学习(meta-learning),是通往可持续学习多项新任务的多面智能体的必经之路。

强化学习技术

强化学习是一种试错方法,其目标是让软件智能体在特定环境中能够采取回报最大化的行为。强化学习在马尔可夫决策过程环境中主要使用的技术是动态规划(Dynamic Programming)。流行的强化学习方法包括自适应动态规划(ADP)、时间差分(TD)学习、状态-动作-回报-状态-动作(SARSA)算法、Q 学习、深度强化学习(DQN);其应用包括下棋类游戏、机器人控制和工作调度等。

暂无评论
暂无评论~