参加EMCL感想

ECML，全名为欧洲机器学习会议，European Conference on Machine Learning

原文链接：http://blog.sina.com.cn/s/blog_59388e2601019nvo.html

ECML 感想

(2012-10-02 23:32:41)

ECML5天，认识了许多来自各地的中国人（大部分是PhD学生），其中很多做得很好。感想很多。如果你开过会的话，可能这些感想你早已体会到了，如此请见谅。

1. 关于这个会

1) 论文质量。它全名很长，叫 European Conference on MachineLearning and Principles and Practice of Knowledge Discovery inDatabases, 缩写是 ECML-PKDD, 但KDD这块拉了整个会的后腿，所以我在名字上还是称它ECML.总的来说，这个会还是不错的，有许多solid的工作（主要指machinelearning方面，当然KDD方面也有些好论文，但是较少）。但它基本上还是个欧洲人参与的会议，来自北美、澳洲的人很少，也有些来自中国和日本的。大概北美的人，一方面觉得远，另一方面觉得会议档次还是比top的几个差点吧，所以不怎么来。而欧洲的人就无所谓了，反正开会方便，所以做的好的人也会投，这样就导致被北美dominate的领域，比如graphicalmodel,
没几篇文章。值得一提的是，好像不少工作是被NIPS,ICML拒了的（但其实也不错的工作），转投了这里，所以ECML相当于ML会议里的黄金备胎。

2)会议组织。tutorial和workshop整体质量比较差，很多是让博士生来讲，口音又重，完全听不进去。也有些不错的。新开了Nectartalks, 请一些小牛过来讲，质量就比较高了。还有startup talks,讲怎么把ML/KDD技术用在创业公司里，应该不错，不过种种原因我一个都没去听。会议很穷，没有可以免注册费的volunteer，没有travelgrant（除了对东欧的），第一天注册时候发的袋子，里边除了广告和name tag外啥也没有，没有U盘，没有tshirt,所以甚至不能称为 goodiebag。但在第三天的时候开始发tshirt了。好像听说今年的ICML也挺穷的。相比之下，KDD实在太有钱了。但会议最后一天farewellparty把我们带到一艘豪华游轮上，体验了下高帅富的生活，还是不错的。

3) 这个会有个优点，所有paper都有poster (和ICML一样). 听presentation,如果你是外行，基本过了introduction就会lost. 但postersession的话，你就可以逮着presenter一直问，直到明白为止。我就是这样学习了几篇paper，很巧，其中两篇都是metriclearning的，所以以后至少知道metric learning大致怎么做了。

2. 关于认识的人

这应该是我体会最多的方面了。毕竟开会，听presentation效果不好，未必能学到多少，而networking，认识各地的同行，收获就很明显了。最大的感受是自己跟别人（指欧洲和美国来的同学）之间的差距。

1) 学术之外的见识，比起来自岛国的我，他们要广很多。比如在欧洲的，本来就是各国文化交汇的地方，各国的特点趣闻都知道一些。美国的同学生活也有滋有味的。所以他们聊天我经常插不上话。我觉得在新加坡呆了几年，感觉人真的会变封闭，变土。我觉得新加坡最大的问题是太homogeneous了，虽然有多种族，但是巴掌大的地方，能多丰富呢？日本和中国也是很homogeneous。这些国家内部，从一个地方travel到另一个地方，你感觉不到多少差异。所以新鲜感过去之后，你能吸收到的文化养分很有限。

值得一提的是WisconsinMadison的一个哥们，他拿了这次会KDD方面的best paper,他的topic我不懂，但我很佩服他人际互动的skill，虽然他话不多，但总让人觉得比较舒服，而且经常说些有趣的话来。我要向他学习。

2)学术上。他们有些人的老板牛，有些老板不那么牛，但基本上都是认真做学术的，会跟学生积极讨论，提建议。跟他们说我是NTU的，他们说不错啊，因为像Ivor, Steven 等组有许多好的工作。这些组给NTU赢得了reputation。但我想说，这是selectionbias，给外人了这种错觉，因为做的不好的组，外人都很少碰到。我跟他们说我明年就毕业了，才第一次参加国际会议，他们都觉得不可思议。我只能简单跟他们解释下我们组的特殊情况。问了一圈，好像还没第二个人的supervisor像我们组这种情况的。

3)主要因为1)和2)里提到的原因，我和大部分来自欧美的同学交流的并不怎么好，往往说一下彼此的基本情况，就不知道怎么往下聊了。这并不怎么让我挫折，因为来开会，我最看重的是学术交流，但我发现私人交流严重影响到了学术上的交流。比如在postersession，我问一个同学他的poster里的问题，他回答的很简单，感觉就是应付过去就行，但另外一个哥们，问的问题很外行，因为跟他熟，他会很详细的解释，并且提到并没有被问到的，但是很重要的一些细节。我说这些并不是想抱怨什么，这也是人之常情，只是感觉学术上的圈子就是这么形成的吧，每个人的attention都是珍贵的资源，咱们总会给熟人、聊得舒服的人多分配一些attention。

不过，跟3个欧洲的哥们聊得还是不错的。可能因为他们本来就很nice吧。其中之一是前面说的metriclearning poster的presenter。在我问他的时候，对metriclearning基本一无所知，问了很多弱智问题，他都耐心的给了解释。到后来，你会感觉，Aha,在吓人的公式背后，这东西也不是那么难嘛。还有一个，我跟他说，感觉ECML和PKDD合办之后，质量下降了，他说这大概是两个领域要合作，不得不付出的代价。我觉得这看法makesense。第三个哥们，在听说我的困境之后，给我积极出主意，我很感激。

4)有个清华的本科生也来开会，跟他聊了不少。听说今年NIPS好像有3篇都是大陆的本科生做的？当然，都是跟了牛老板的。清华这哥们也是在google实习的时候，正好Zhihua Zhang 去 google beijing做一年的访问学者，跟着他做的。他说他感觉申请学校竞争很激烈，很担心，因为美国top学校，ML的名额并不多。对此我只能苦笑。

3. 感想

1)还没开始读PhD的同学，如果想读，还是尽量去欧美吧，不要来NTU这种备胎学校了。当然，如果来了NTU，去了牛组，也是不错的。PhD期间的差距，在以后的research生涯里可能会慢慢放大。

2)开会要趁早。哪怕没中paper，方便的话也可以注册了去开会。多认识些各地的人，很开阔眼界，不然在一个小lab里搞，很容易坐井观天。而且，如果想做一个topic，在会上跟了解的人聊聊，很快就知道适不适合做，说不定可以省下来半年的摸索时间。