推荐|机器学习入门方法和资料合集( 二 ) _机器学习

地址：
3、: all code is here 。
比赛
学习机器学习的过程中，如何检验自己学习的成果呢？比赛就是一个比较好的方向，比赛其实可能会为了成绩，抠那千分位，百分位的差距，但是其实在比赛中思考才是最重要的。如何将这些经典的算法应用到工业中，这些算法在工业中的优缺点？慢慢体会！
国内比较大型的算法平台有：
天池大数据：
：
：
：
kesci：
Jdata:
国外比较大型的算法平台有：
：
比赛平台有很多，这几个是比较出名的平台。大家可以去官网看一看，有很多正在进行中的比赛。另外，还有很多其他的平台，这里我就不介绍了，近些天，我和我朋友也在思考这个问题，是否可以做个网站，集成这些比赛网站还有国外著名会议的学术评测比赛呢？欢迎大家在留言区一起讨论！！！顺便给我个意见！
论文
很多即将大四毕业，跨入研究生生活的师弟师妹们，也或者即将迈入研二的师弟师妹呢，是否还在为毕业发愁呢？小论文成为中国硕士毕业老难题！其实，写一篇比较简单的ccf c类的论文并不是很难，或许 ccf b ccf a类的论文确实很难！如何入门呢？看近些年机器学习、人工智能的顶级会议、期刊论文（会议论文速度更快）。这里我仅整理下会议论文。
值得看的会议文章：
1、数据挖掘类：
：顶级数据挖掘论文。
2019年：审稿中
2018年 paper：
2017年 paper:
2016年 paer:
SIGIR：顶级推荐系统论文
2019年 paper：审稿中
2018年 paper:
2017年 paper:
2016年 paper:
还有一些次顶级会议：CIKM/ECML-PKDD/ICDM/SDM/WSDM
2、机器学习类：
AAAI: 顶级人工智能综合会议
2019年 paper:
2018年 paper:
2017年 paper:
IJCAI: 顶级人工智能综合会议
2019年paper: 审稿中
2018年 paper:
2017年 paper:
ICML :顶级机器学习会议
2019年 paper: 审稿中
2018年 paper:
2017年 paper:
NIPS:顶级综合人工智能会议
2019年 paper: 征稿中
2018年 paper:
2017年 paper:
还有一些其他的专业人工智能会议：如自然语言处理领域的 ACL/EMNLP/NAACL/ 。偏统计的人工智能会议：。
【推荐|机器学习入门方法和资料合集】图像的人工智能会议：CVPR/ICCV/ECCV 。小伙伴们可以看一些上述与自己相关的会议论文，针对论文的方法的不足，思考改进的方法！