机器学习ICML2018参会指南|一文了解详细日程和必看热点论文与Tutorial

【导读】人工智能顶级会议国际机器学习会议 ICML 2018 即将于下周7 月 10 日至 15 日在瑞典首都斯德哥尔摩举行。专知整理大会相关的热点内容，供你一文快速了解，方便关注！

会议日程概况

ICML2018会议日程从10号开始，以Tutorial展开！涵盖有限学习、变分贝叶斯、优化方法、自动机器学习等。

7月11日日程：

7月12日程：

7月13日日程：

更多请参考大会pdf手册

https://media.nips.cc/Conferences/NIPS2018/ICML-2018-Conference-Book.pdf

论文概况

ICML 2018共有2473篇论文投稿，共有621篇论文接受，接受率接近25%。论文作者机构以谷歌最多达49篇，国内清华有9篇，在基础性人工智能算法研究，国内需要不断努力！

（来源：量子位）

论文列表：

机器学习领域顶会ICML 2018 接受论文列表

最佳论文概况

ICML 2018提前公布了最佳论文获奖名单，在超过 600 篇被接收论文中，来自 MIT 和 UC Berkeley 的研究人员分享了最佳论文的殊荣。ICML 2018大奖出炉：伯克利、MIT获最佳论文，复旦大学榜上有名

最佳论文：来自 MIT 的 Anish Athalye 与来自 UC Berkely 的 Nicholas Carlini 和 David Wagner 获得了最佳论文。论文定义了一种被称为「混淆梯度」（obfuscated gradients）的现象。在面对强大的基于优化的攻击之下，它可以实现对对抗样本的鲁棒性防御。

论文地址：http://www.zhuanzhi.ai/paper/7c55a6bc29ed9b42ba1fb080c255bcb3

项目地址：https://github.com/anishathalye/obfuscated-gradients

来自 UC Berkeley EECS 的 Lydia T. Liu、Sarah Dean、Esther Rolf、Max Simchowitz 和 Moritz Hardt 的论文同样也获得了最佳论文奖。由于机器学习系统易受到数据偏见而导致歧视性行为，人们认为有必要在某些应用场景中用公平性准则约束系统的行为，并期待其能保护弱势群体和带来长期收益。该研究探索了静态公平性准则的长期影响，发现结果和人们的期望相去甚远。

论文地址：http://www.zhuanzhi.ai/paper/0b95285dd5bc54187037b0e1a3a599e9

最佳论文Runner Up奖：

Near Optimal Frequent Directions for Sketching Dense and Sparse Matrices 

论文地址：

http://203.187.160.132:9011/www.cse.ust.hk/c3pr90ntc0td/~huangzf/ICML18.pdf

The Mechanics of n-Player Differentiable Games 

论文地址：

http://www.zhuanzhi.ai/paper/a1e6f5677764e39ac1dab522fbdc0d76

Fairness Without Demographics in Repeated Loss Minimization 

论文地址：

http://www.zhuanzhi.ai/paper/a560deaf7967a3965af12bc537aee2ca

其他热点论文：ICML2018论文公布！一文了解机器学习最新热议论文和研究热点

必看的热点Tutorial

ICML即将召开，相关的机构也开始宣传自己的论文和tutorial教程，我们在Twitter上整理了一些热点：

首先来自DeepMind的多智能体学习教程

教程地址：https://sites.google.com/site/maltutorial2018/

博客地址：https://deepmind.com/blog/capture-the-flag/

然后是亚马逊的ICML介绍

https://blog.aboutamazon.com/amazon-ai/machine-learning-prowess-on-display

微软的ICML2018

https://www.microsoft.com/en-us/research/event/icml-2018/

英伟达ICML2018：

https://blogs.nvidia.com/blog/2018/07/05/nvidia-at-icml/?ncid=so-twi-mg-45398

-END-

专 · 知

人工智能领域26个主题知识资料全集获取与加入专知人工智能服务群: 欢迎微信扫一扫加入专知人工智能知识星球群，获取专业知识教程视频资料和与专家交流咨询！

请PC登录www.zhuanzhi.ai或者点击阅读原文，注册登录专知，获取更多AI知识资料！

请加专知小助手微信（扫一扫如下二维码添加），加入专知主题群（请备注主题类型：AI、NLP、CV、 KG等）交流~

请关注专知公众号，获取人工智能的专业知识！

点击“阅读原文”，使用专知